AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

संयुक्त क्रमवारी

संयुक्त मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: बरोबर चाचण्या ↑.

दाखवलेली मॉडेल्स

15

सरासरी संयुक्त स्कोअर

5.9

सर्वोत्तम मॉडेल

Muse Glimmer 30B 6.0

अयशस्वी होण्याची कारणे

अयशस्वी होण्याचे कारण अवैध टूल कॉल सह147 अयशस्वी होण्याचे कारण चुकीचे उत्तर सह95 अयशस्वी होण्याचे कारण उत्तर नाही सह43 अयशस्वी होण्याचे कारण API त्रुटी सह37 अयशस्वी होण्याचे कारण वेळ संपला सह9 अयशस्वी होण्याचे कारण अतिरिक्त फॉरमॅटिंग सह1 अयशस्वी होण्याचे कारण सूचनांचे पालन केले नाही सह1
316/316
क्रमांक मॉडेल कंपनी संयुक्त स्कोअर स्कोअर एकूण खर्च बरोबर चाचण्या प्रतिसाद वेळ (सरासरी)

संयुक्त स्कोअर नुसार शीर्ष मॉडेल्स

संयुक्त स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स