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) |
|---|---|---|---|---|---|---|---|
| #163 | Gemini 3 Flash Preview none | 1 | 3.0 | $0.085 | 0/1 | 1.07s | |
| #164 | Gemma 4 26B A4B medium | 1 | 3.0 | $0.084 | 0/1 | 180.9s | |
| #165 | GLM 5.2 none | Z.ai | 1 | 3.0 | $0.221 | 0/1 | 3.41s |
| #166 | KAT-Coder-Pro V2.5 none | Kwaipilot | 1 | 3.0 | $0.487 | 0/1 | 9.91s |
| #167 | LongCat 2.0 low | Meituan | 1 | 3.0 | $0.412 | 0/1 | 122.1s |
| #168 | Gemini 3.5 Flash minimal | 1 | 3.0 | $0.300 | 0/1 | 1.76s | |
| #169 | GLM 5V Turbo medium | Z.ai | 1 | 3.0 | $0.457 | 0/1 | 41.0s |
| #171 | Claude Opus 4.7 none | Anthropic | 1 | 3.0 | $0.505 | 0/1 | 1.46s |
| #172 | Gemini 3.5 Flash Lite low | 1 | 4.7 | $0.138 | 0/1 | 1.65s | |
| #173 | Qwen3.5-27B none | Qwen | 1 | 3.0 | $0.058 | 0/1 | 599ms |
| #174 | Gemini 3.1 Flash Lite Preview low | 1 | 3.0 | $0.646 | 0/1 | 1.35s | |
| #175 | Inkling Small medium | Thinkingmachines | 1 | 3.0 | $0.113 | 0/1 | 14.2s |
| #176 | Gemini 3.1 Flash Lite low | 1 | 3.0 | $0.621 | 0/1 | 1.46s | |
| #177 | Qwen3.6 35B A3B medium | Qwen | 1 | 3.0 | $0.672 | 0/1 | 32.9s |
| #178 | Mercury 2.5 Preview high | Inception | 1 | 3.0 | $0.030 | 0/1 | 5.41s |