चुकीचे उत्तर अपयशे
कोणत्या AI मॉडेल्सना चुकीचे उत्तर सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: बरोबर चाचण्या ↑.
215/215
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | चुकीचे उत्तर संख्या | स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #10 | Gemini 3.1 Pro Preview medium | 2 | 9.2 | $1.361 | 20/22 | 21.5s | |
| #1 | Gemini 3.6 Flash medium | 1 | 9.9 | $0.831 | 21/22 | 10.1s | |
| #2 | Gemini 3.6 Flash high | 1 | 9.7 | $1.785 | 21/22 | 14.9s | |
| #3 | Gemini 3 Flash Preview medium | 1 | 9.6 | $0.742 | 21/22 | 19.2s | |
| #6 | Gemini 3.6 Flash low | 1 | 9.4 | $0.517 | 21/22 | 4.42s |