उत्तर नाही अपयशे
कोणत्या AI मॉडेल्सना उत्तर नाही सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: एकूण खर्च ↓.
67/67
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) |
|---|---|---|---|---|---|---|---|
| #17 | Claude Fable 5 medium | Anthropic | 2 | 8.6 | $3.478 | 17/22 | 17.2s |
| #33 | Kimi K3 max | Moonshot AI | 1 | 8.0 | $3.112 | 16/22 | 122.5s |
| #41 | Claude Opus 4.8 low | Anthropic | 1 | 7.8 | $2.077 | 16/22 | 12.7s |
| #143 | Gemini 3.1 Flash Lite high | 1 | 5.6 | $2.044 | 10/18 | 62.0s | |
| #14 | Claude Opus 4.8 medium | Anthropic | 1 | 8.8 | $1.931 | 18/22 | 12.5s |
| #12 | Grok 4.5 high | X AI | 2 | 8.9 | $1.707 | 17/22 | 76.5s |
| #27 | Muse Spark 1.1 high | Meta | 1 | 8.1 | $1.694 | 12/22 | 31.5s |
| #86 | Step 3.7 Flash high | Stepfun | 4 | 6.9 | $1.207 | 11/22 | 64.7s |
| #66 | Claude Opus 4.8 none | Anthropic | 1 | 7.3 | $1.166 | 13/22 | 4.91s |
| #68 | Kimi K2.6 medium | Moonshot AI | 1 | 7.2 | $1.036 | 12/22 | 110.0s |
| #31 | GLM 5.2 high | Z.ai | 1 | 8.0 | $0.970 | 14/22 | 62.7s |
| #21 | GPT-5.2 medium | OpenAI | 1 | 8.4 | $0.951 | 14/22 | 22.6s |
| #119 | Qwen3.5-35B-A3B medium | Qwen | 2 | 6.2 | $0.837 | 11/22 | 112.5s |
| #73 | Grok 4.3 medium | X AI | 1 | 7.1 | $0.779 | 13/22 | 47.4s |
| #99 | Qwen3.6 27B medium | Qwen | 3 | 6.5 | $0.779 | 10/22 | 106.3s |