उत्तर नाही अपयशे
कोणत्या AI मॉडेल्सना उत्तर नाही सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील.
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) |
|---|---|---|---|---|---|---|---|
| #79 | GPT-5 Mini medium | OpenAI | 1 | 8.1 | $0.241 | 12/22 | 27.6s |
| #83 | Muse Spark 1.1 high | Meta | 1 | 8.0 | $2.253 | 12/22 | 36.9s |
| #84 | DeepSeek V4 Flash 0731 low | DeepSeek | 1 | 8.0 | $0.138 | 13/22 | 77.6s |
| #85 | DeepSeek V4 Flash 0731 high | DeepSeek | 1 | 8.0 | $0.279 | 14/22 | 114.9s |
| #87 | Inkling medium | Thinkingmachines | 1 | 8.0 | $0.383 | 15/22 | 15.7s |
| #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 |
| #101 | Qwen3.8 27B medium | Qwen | 1 | 7.8 | ~$0.058 | 14/22 | 33.0s |
| #102 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 7.8 | $0.236 | 13/22 | 47.9s |
| #103 | Claude Opus 4.8 low | Anthropic | 1 | 7.8 | $2.089 | 16/22 | 12.9s |
| #105 | GLM 5 medium | Z.ai | 1 | 7.7 | $0.228 | 15/21 | 33.5s |
| #108 | DeepSeek V4 Pro high | DeepSeek | 1 | 7.7 | $0.454 | 10/22 | 92.5s |
| #111 | GLM 5 Turbo medium | Z.ai | 1 | 7.6 | $0.323 | 14/21 | 23.0s |
| #115 | Claude Opus 5 none | Anthropic | 1 | 7.5 | $1.550 | 12/22 | 7.65s |
| #120 | MiniMax M3 medium | Minimax | 1 | 7.5 | $0.300 | 11/22 | 75.2s |