सामान्य ज्ञान: चुकीचे उत्तर
सामान्य ज्ञान
चुकीचे उत्तर
सामान्य ज्ञान मध्ये कोणत्या AI मॉडेल्सना चुकीचे उत्तर येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील.
अयशस्वी होण्याची कारणे
259/259
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | चुकीचे उत्तर संख्या | श्रेणी स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #71 | Muse Glimmer 30B xhigh | Meta | 1 | 3.0 | $0.471 | 0/1 | 87.2s |
| #72 | Inkling high | Thinkingmachines | 1 | 3.0 | $1.046 | 0/1 | 153.6s |
| #73 | Muse Spark 1.1 high | Meta | 1 | 3.0 | $2.253 | 0/1 | 22.9s |
| #74 | DeepSeek V4 Flash 0731 low | DeepSeek | 1 | 3.0 | $0.031 | 0/1 | 246.9s |
| #75 | DeepSeek V4 Flash 0731 high | DeepSeek | 1 | 3.0 | $0.058 | 0/1 | 110.6s |
| #76 | GLM 5.2 high | Z.ai | 1 | 3.0 | $1.721 | 0/1 | 127.8s |
| #77 | Inkling medium | Thinkingmachines | 1 | 2.8 | $0.383 | 0/1 | 21.7s |
| #78 | GPT-5.6 Terra high | OpenAI | 1 | 3.0 | $0.836 | 0/1 | 23.3s |
| #80 | GPT-5.2 Chat none | OpenAI | 1 | 3.0 | $0.594 | 0/1 | 6.89s |
| #83 | Qwen3.7 Plus medium | Qwen | 1 | 3.0 | $0.277 | 0/1 | 91.1s |
| #84 | Qwen3.6 Plus medium | Qwen | 1 | 3.0 | $0.418 | 0/1 | 47.5s |
| #85 | Gemini 3.5 Flash Lite medium | 1 | 2.8 | $0.272 | 0/1 | 3.75s | |
| #87 | GPT-5.6 Terra medium | OpenAI | 1 | 3.0 | $0.523 | 0/1 | 10.1s |
| #88 | Claude Sonnet 4.6 medium | Anthropic | 1 | 3.0 | $2.126 | 0/1 | 30.1s |
| #90 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 3.0 | $0.236 | 0/1 | 48.3s |