उत्तर नाही अपयशे
कोणत्या AI मॉडेल्सना उत्तर नाही सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: स्कोअर ↓.
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) |
|---|---|---|---|---|---|---|---|
| #119 | Grok 4.7 high | X AI | 3 | 7.5 | $2.180 | 13/22 | 113.1s |
| #120 | MiniMax M3 medium | Minimax | 1 | 7.5 | $0.300 | 11/22 | 75.2s |
| #124 | Mercury 2.5 Preview medium | Inception | 1 | 7.5 | $0.024 | 15/22 | 3.58s |
| #127 | Gemini 3.8 Flash low | 1 | 7.5 | $0.239 | 16/22 | 4.83s | |
| #132 | LongCat 2.0 medium | Meituan | 1 | 7.4 | $0.499 | 12/22 | 143.6s |
| #133 | Qwen3.8 2.4T A95B high | Qwen | 2 | 7.4 | $2.357 | 14/22 | 120.6s |
| #134 | MiMo-V2.6-Flash medium | Xiaomi | 2 | 7.4 | $0.190 | 11/22 | 60.6s |
| #140 | GLM 5.3 Flash high | Z.ai | 1 | 7.3 | $0.057 | 13/22 | 25.4s |
| #143 | DeepSeek V4 Flash 0731 medium | DeepSeek | 3 | 7.3 | $0.216 | 11/22 | 84.7s |
| #144 | Claude Opus 4.8 none | Anthropic | 1 | 7.3 | $1.166 | 13/22 | 4.92s |
| #145 | Kimi K2.6 medium | Moonshot AI | 1 | 7.2 | $1.247 | 12/22 | 115.9s |
| #147 | Muse Glimmer 30B high | Meta | 2 | 7.2 | $0.430 | 10/22 | 66.7s |
| #151 | Muse Glimmer 30B medium | Meta | 1 | 7.2 | $0.227 | 11/22 | 30.6s |
| #153 | Muse Glimmer 30B low | Meta | 1 | 7.1 | $0.152 | 11/22 | 18.6s |
| #154 | Step 3.7 Flash low | Stepfun | 1 | 7.1 | $0.390 | 11/22 | 17.9s |