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) |
|---|---|---|---|---|---|---|---|
| #92 | Qwen3.7 Flash high | Qwen | 1 | 3.0 | $0.052 | 0/1 | 17.7s |
| #93 | GLM 5 medium | Z.ai | 1 | 3.0 | $0.228 | 0/1 | 67.4s |
| #94 | Seed-2.0-Code low | Bytedance Seed | 1 | 3.0 | $0.767 | 0/1 | 10.0s |
| #95 | Claude Opus 4.6 medium | Anthropic | 1 | 3.0 | $2.961 | 0/1 | 63.2s |
| #96 | DeepSeek V4 Pro high | DeepSeek | 1 | 3.0 | $0.761 | 0/1 | 34.0s |
| #97 | DeepSeek V4 Flash 0423 high | DeepSeek | 1 | 3.0 | $0.042 | 0/1 | 54.5s |
| #98 | GLM 5 Turbo medium | Z.ai | 1 | 3.0 | $0.323 | 0/1 | 40.2s |
| #99 | GPT-5.6 Luna high | OpenAI | 1 | 3.0 | $0.179 | 0/1 | 17.0s |
| #101 | Nemotron 3 Ultra medium | NVIDIA | 1 | 3.0 | $0.701 | 0/1 | 38.5s |
| #103 | GPT-5.4 Nano medium | OpenAI | 1 | 3.0 | $0.142 | 0/1 | 4.81s |
| #104 | GPT-5.6 Terra low | OpenAI | 1 | 3.0 | $0.420 | 0/1 | 5.95s |
| #106 | GPT 5.3 Chat none | OpenAI | 1 | 3.0 | $0.533 | 0/1 | 4.38s |
| #107 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 3.0 | $0.459 | 0/1 | 103.8s |
| #108 | Qwen3.5-27B medium | Qwen | 1 | 3.0 | $0.982 | 0/1 | 85.1s |
| #109 | Mercury 2.5 Preview medium | Inception | 1 | 3.0 | $0.024 | 0/1 | 4.13s |