उत्तर नाही अपयशे
कोणत्या AI मॉडेल्सना उत्तर नाही सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: एकूण खर्च ↑.
137/137
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) |
|---|---|---|---|---|---|---|---|
| #92 | Step 3.7 Flash medium | Stepfun | 1 | 7.9 | $0.495 | 13/22 | 23.5s |
| #132 | LongCat 2.0 medium | Meituan | 1 | 7.4 | $0.499 | 12/22 | 143.6s |
| #70 | GLM 5.3 FlashX max | Z.ai | 2 | 8.3 | $0.508 | 15/22 | 41.2s |
| #80 | Muse Glimmer 30B xhigh | Meta | 3 | 8.1 | $0.510 | 13/22 | 95.6s |
| #218 | Claude Sonnet 5 none | Anthropic | 2 | 6.1 | $0.548 | 7/22 | 6.05s |
| #313 | Trinity Large Thinking high | Arcee AI | 1 | 4.8 | $0.592 | 5/22 | 75.9s |
| #91 | GPT-5.2 Chat none | OpenAI | 1 | 7.9 | $0.594 | 13/22 | 7.73s |
| #231 | Trinity Large Thinking low | Arcee AI | 1 | 6.0 | $0.625 | 8/22 | 96.6s |
| #241 | Mimo V2 Omni medium | Xiaomi | 2 | 5.9 | $0.683 | 10/21 | 41.2s |
| #161 | GLM 5.1 medium | Z.ai | 2 | 7.0 | $0.727 | 12/22 | 58.8s |
| #157 | Grok 4.3 medium | X AI | 1 | 7.0 | $0.741 | 12/22 | 44.2s |
| #196 | Qwen3.6 35B A3B medium | Qwen | 1 | 6.6 | $0.750 | 12/22 | 58.5s |
| #199 | Qwen3.6 27B medium | Qwen | 3 | 6.5 | $0.770 | 10/22 | 106.1s |
| #86 | GLM 5.2 high | Z.ai | 2 | 8.0 | $0.799 | 14/22 | 69.9s |
| #20 | Claude Opus 5.5 low | Anthropic | 1 | 9.3 | $0.952 | 18/22 | 23.7s |