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) |
|---|---|---|---|---|---|---|---|
| #116 | Inkling Small medium | Thinkingmachines | 1 | 3.0 | $0.117 | 0/1 | 14.2s |
| #117 | Gemma 4 26B A4B medium | 1 | 3.0 | $0.089 | 0/1 | 180.9s | |
| #118 | GLM 5.2 none | Z.ai | 1 | 3.0 | $0.121 | 0/1 | 3.41s |
| #120 | Qwen3.6 Max Preview none | Qwen | 1 | 3.0 | $0.228 | 0/1 | 1.97s |
| #121 | Qwen3.6 27B medium | Qwen | 1 | 3.0 | $0.680 | 0/1 | 81.0s |
| #122 | Hy3 preview medium | Tencent | 1 | 3.0 | $0.018 | 0/1 | 39.9s |
| #123 | MiMo-V2.5 medium | Xiaomi | 1 | 3.0 | $0.082 | 0/1 | 51.3s |
| #124 | Laguna XS 2.1 medium | Poolside | 1 | 3.0 | $0.068 | 0/1 | 10.9s |
| #125 | Qwen3.5-27B none | Qwen | 1 | 3.0 | $0.058 | 0/1 | 599ms |
| #126 | Gemini 3.5 Flash Lite low | 1 | 4.7 | $0.135 | 0/1 | 1.65s | |
| #127 | Gemini 3.1 Flash Lite Preview low | 1 | 3.0 | $0.646 | 0/1 | 1.35s | |
| #128 | Gemini 3.1 Flash Lite low | 1 | 3.0 | $0.621 | 0/1 | 1.46s | |
| #129 | Gemini 3.1 Flash Lite Preview none | 1 | 3.0 | $0.052 | 0/1 | 814ms | |
| #130 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 3.0 | $0.073 | 0/1 | 1.11s |
| #131 | Ling 3.0 Flash high | Inclusionai | 1 | 3.0 | $0.000 | 0/1 | 24.3s |