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) |
|---|---|---|---|---|---|---|---|
| #191 | Gemini 3.5 Flash Lite low | 1 | 6.6 | $0.138 | 12/22 | 2.56s | |
| #196 | Qwen3.6 35B A3B medium | Qwen | 1 | 6.6 | $0.750 | 12/22 | 58.5s |
| #202 | Gemini 3.1 Flash Lite Preview none | 1 | 6.4 | $0.052 | 12/22 | 1.56s | |
| #120 | MiniMax M3 medium | Minimax | 1 | 7.5 | $0.300 | 11/22 | 75.2s |
| #134 | MiMo-V2.6-Flash medium | Xiaomi | 2 | 7.4 | $0.190 | 11/22 | 60.6s |
| #143 | DeepSeek V4 Flash 0731 medium | DeepSeek | 3 | 7.3 | $0.216 | 11/22 | 84.7s |
| #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 |
| #155 | Solar Pro 4 high | Upstage | 1 | 7.1 | $0.138 | 11/22 | 120.6s |
| #159 | GPT-6 Luna low | OpenAI | 1 | 7.0 | $0.020 | 11/22 | 22.0s |
| #165 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 7.0 | $0.116 | 11/22 | 93.1s |
| #170 | Seed-2.0-Code high | Bytedance Seed | 1 | 6.9 | $1.273 | 11/22 | 124.2s |
| #173 | Step 3.7 Flash high | Stepfun | 3 | 6.8 | $1.229 | 11/22 | 70.1s |
| #176 | Solar Pro 4 low | Upstage | 1 | 6.8 | $0.130 | 11/22 | 136.1s |