उत्तर नाही अपयशे
कोणत्या AI मॉडेल्सना उत्तर नाही सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील.
172/172
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | उत्तर नाही संख्या | स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #198 | Step 5 Preview high | Stepfun | 7 | 0.7 | $4.513 | 10/23 | 154.4s |
| #320 | Step 5 Preview low | Stepfun | 7 | 0.6 | $4.110 | 10/23 | 138.3s |
| #417 | Ling 3.0 Tiny high | Inclusionai | 7 | 0.4 | $0.000 | 4/23 | 72.2s |
| #418 | Ling 3.0 Tiny low | Inclusionai | 7 | 0.4 | $0.000 | 4/23 | 63.2s |
| #419 | Ling 3.0 Tiny medium | Inclusionai | 7 | 0.4 | $0.000 | 4/23 | 65.0s |
| #288 | Step 5 Preview medium | Stepfun | 6 | 0.6 | $4.136 | 10/23 | 136.1s |
| #105 | Ling 3.1 Flash medium | Inclusionai | 4 | 0.8 | $0.000 | 15/23 | 88.7s |
| #134 | Ling 3.1 Flash high | Inclusionai | 4 | 0.8 | $0.000 | 15/23 | 87.4s |
| #217 | Grok 4.7 xhigh | X AI | 4 | 0.7 | $3.398 | 14/23 | 124.0s |
| #269 | Ling 3.1 Flash low | Inclusionai | 4 | 0.6 | $0.000 | 12/23 | 85.2s |
| #39 | Claude Sonnet 5.5 max | Anthropic | 3 | 0.9 | $8.557 | 18/23 | 84.3s |
| #63 | Claude Fable 5 medium | Anthropic | 3 | 0.9 | $5.089 | 18/23 | 16.8s |
| #89 | Claude Haiku 5.5 max | Anthropic | 3 | 0.8 | $0.509 | 19/23 | 61.7s |
| #93 | Muse Glimmer 30B xhigh | Meta | 3 | 0.8 | $0.585 | 14/23 | 97.7s |
| #135 | DeepSeek V4.1 Flash 1017 high | DeepSeek | 3 | 0.8 | $0.589 | 13/23 | 58.6s |