अतिरिक्त फॉरमॅटिंग अपयशे
कोणत्या AI मॉडेल्सना अतिरिक्त फॉरमॅटिंग सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: एकूण खर्च ↓.
42/42
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | अतिरिक्त फॉरमॅटिंग संख्या | स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #181 | Grok 4.20 Multi Agent Beta medium | X AI | 2 | 4.8 | $5.599 | 8/18 | 9.69s |
| #33 | Kimi K3 max | Moonshot AI | 1 | 8.0 | $3.112 | 16/22 | 122.5s |
| #43 | Claude Opus 4.6 medium | Anthropic | 5 | 7.7 | $3.059 | 13/22 | 34.3s |
| #41 | Claude Opus 4.8 low | Anthropic | 1 | 7.8 | $2.077 | 16/22 | 12.7s |
| #40 | Claude Sonnet 4.6 medium | Anthropic | 3 | 7.8 | $2.057 | 14/22 | 25.9s |
| #58 | Qwen3.5-27B medium | Qwen | 1 | 7.4 | $1.627 | 13/22 | 111.9s |
| #66 | Claude Opus 4.8 none | Anthropic | 3 | 7.3 | $1.166 | 13/22 | 4.91s |
| #48 | Grok Build 0.1 medium | X AI | 3 | 7.6 | $1.097 | 14/22 | 52.1s |
| #73 | Grok 4.3 medium | X AI | 1 | 7.1 | $0.779 | 13/22 | 47.4s |
| #75 | Grok 4.20 medium | X AI | 1 | 7.1 | $0.777 | 12/22 | 29.5s |
| #134 | Mimo V2 Omni medium | Xiaomi | 1 | 5.9 | $0.683 | 10/21 | 41.2s |
| #63 | Claude Sonnet 4.6 none | Anthropic | 4 | 7.3 | $0.661 | 12/22 | 8.12s |
| #112 | Claude Sonnet 5 none | Anthropic | 4 | 6.3 | $0.548 | 8/22 | 6.04s |
| #74 | GLM 5.1 medium | Z.ai | 1 | 7.1 | $0.535 | 13/22 | 46.8s |
| #109 | Mimo V2 PRO medium | Xiaomi | 1 | 6.3 | $0.333 | 12/21 | 22.2s |