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
197/197
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) |
|---|---|---|---|---|---|---|---|
| #100 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 3.0 | $0.101 | 0/1 | 56.8s |
| #101 | Qwen3.7 Flash medium | Qwen | 1 | 3.0 | $0.064 | 0/1 | 29.2s |
| #102 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 1 | 3.0 | $0.467 | 0/1 | 9.87s |
| #103 | DeepSeek V4 Pro none | DeepSeek | 1 | 3.0 | $0.096 | 0/1 | 5.76s |
| #104 | GPT-5.6 Sol none | OpenAI | 1 | 3.0 | $0.524 | 0/1 | 1.95s |
| #105 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 3.0 | $0.187 | 0/1 | 12.5s |
| #106 | Qwen3.6 Flash medium | Qwen | 1 | 3.0 | $0.738 | 0/1 | 122.9s |
| #108 | GPT-5.5 none | OpenAI | 1 | 3.0 | $0.544 | 0/1 | 5.01s |
| #109 | Gemini 3.5 Flash minimal | 1 | 3.0 | $0.300 | 0/1 | 1.76s | |
| #110 | Gemini 3 Flash Preview none | 1 | 3.0 | $0.085 | 0/1 | 1.07s | |
| #111 | Qwen3.6 35B A3B medium | Qwen | 1 | 3.0 | $0.746 | 0/1 | 32.9s |
| #112 | LongCat 2.0 low | Meituan | 1 | 3.0 | $0.391 | 0/1 | 122.1s |
| #113 | KAT-Coder-Pro V2.5 none | Kwaipilot | 1 | 3.0 | $0.476 | 0/1 | 9.91s |
| #114 | GLM 5V Turbo medium | Z.ai | 1 | 3.0 | $0.457 | 0/1 | 41.0s |
| #115 | Claude Opus 4.7 none | Anthropic | 1 | 3.0 | $0.505 | 0/1 | 1.46s |