उत्तर नाही अपयशे
कोणत्या AI मॉडेल्सना उत्तर नाही सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: बरोबर चाचण्या ↓.
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) |
|---|---|---|---|---|---|---|---|
| #64 | GPT-5.2 medium | OpenAI | 1 | 8.4 | $1.182 | 14/22 | 28.5s |
| #85 | DeepSeek V4 Flash 0731 high | DeepSeek | 1 | 8.0 | $0.279 | 14/22 | 114.9s |
| #86 | GLM 5.2 high | Z.ai | 2 | 8.0 | $0.799 | 14/22 | 69.9s |
| #89 | Grok 4.7 low | X AI | 2 | 7.9 | $1.320 | 14/22 | 59.0s |
| #101 | Qwen3.8 27B medium | Qwen | 1 | 7.8 | ~$0.058 | 14/22 | 33.0s |
| #116 | Grok 4.7 xhigh | X AI | 4 | 7.5 | $2.625 | 14/22 | 115.7s |
| #133 | Qwen3.8 2.4T A95B high | Qwen | 2 | 7.4 | $2.357 | 14/22 | 120.6s |
| #66 | MiMo-V2.6-Pro medium | Xiaomi | 1 | 8.4 | $0.477 | 13/22 | 147.5s |
| #80 | Muse Glimmer 30B xhigh | Meta | 3 | 8.1 | $0.510 | 13/22 | 95.6s |
| #84 | DeepSeek V4 Flash 0731 low | DeepSeek | 1 | 8.0 | $0.138 | 13/22 | 77.6s |
| #91 | GPT-5.2 Chat none | OpenAI | 1 | 7.9 | $0.594 | 13/22 | 7.73s |
| #92 | Step 3.7 Flash medium | Stepfun | 1 | 7.9 | $0.495 | 13/22 | 23.5s |
| #102 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 7.8 | $0.236 | 13/22 | 47.9s |
| #119 | Grok 4.7 high | X AI | 3 | 7.5 | $2.180 | 13/22 | 113.1s |
| #140 | GLM 5.3 Flash high | Z.ai | 1 | 7.3 | $0.057 | 13/22 | 25.4s |