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
323/323
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) |
|---|---|---|---|---|---|---|---|
| #121 | GPT-5.4 Nano medium | OpenAI | 1 | 0.3 | $0.235 | 0/1 | 4.81s |
| #123 | Qwen3.8 Flash Next low | Qwen | 1 | 0.3 | ~$0.045 | 0/1 | 9.26s |
| #124 | GPT-5.6 Terra low | OpenAI | 1 | 0.3 | $0.435 | 0/1 | 5.95s |
| #125 | Qwen3.5-27B medium | Qwen | 1 | 0.3 | $1.135 | 0/1 | 85.1s |
| #127 | Claude Fable 5.1 high | Anthropic | 1 | 0.3 | $3.471 | 0/1 | 30.6s |
| #128 | GPT-5.4 Mini medium | OpenAI | 1 | 0.3 | $1.102 | 0/1 | 30.1s |
| #129 | Qwen3.7 Max none | Qwen | 1 | 0.3 | $0.451 | 0/1 | 856ms |
| #131 | Qwen3.8 2.4T A95B high | Qwen | 1 | 0.3 | $2.949 | 0/1 | 348.0s |
| #133 | Muse Wonder max | Meta | 1 | 0.3 | $4.766 | 0/1 | 41.3s |
| #135 | DeepSeek V4.1 Flash 1017 high | DeepSeek | 1 | 0.3 | $0.589 | 0/1 | 44.3s |
| #136 | Grok 4.5 medium | X AI | 1 | 0.3 | $2.996 | 0/1 | 74.4s |
| #137 | GLM 5.3 high | Z.ai | 1 | 0.3 | $0.495 | 0/1 | 22.0s |
| #139 | Grok 4.6 medium | X AI | 1 | 0.3 | $2.270 | 0/1 | 46.9s |
| #140 | Qwen3.7 Plus none | Qwen | 1 | 0.3 | $0.178 | 0/1 | 1.21s |
| #141 | Grok 4.5 low | X AI | 1 | 0.3 | $1.345 | 0/1 | 14.0s |