चुकीचे उत्तर अपयशे
कोणत्या AI मॉडेल्सना चुकीचे उत्तर सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: प्रतिसाद वेळ (सरासरी) ↑.
दाखवलेली मॉडेल्स
15
एकूण अपयशे
2265
सर्वाधिक प्रभावित मॉडेल
Nemotron 3 Nano Omni 30b A3b Reasoning 9
313/313
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) |
|---|---|---|---|---|---|---|---|
| #210 | Hy3 preview high | Tencent | 3 | 5.9 | $0.135 | 11/21 | 56.6s |
| #232 | Nemotron 3.5 Lightning high | NVIDIA | 11 | 5.6 | $0.134 | 5/22 | 58.3s |
| #239 | Laguna S 2.1 medium | Poolside | 13 | 5.4 | $0.053 | 4/22 | 58.4s |
| #167 | Qwen3.6 35B A3B medium | Qwen | 5 | 6.6 | $0.672 | 12/22 | 58.5s |
| #134 | GLM 5.1 medium | Z.ai | 4 | 7.0 | $0.727 | 12/22 | 58.8s |
| #275 | Nemotron 3.5 Lightning low | NVIDIA | 14 | 4.8 | $0.140 | 5/22 | 59.8s |
| #175 | Dots 3 Note Preview low | Dots Studio | 7 | 6.4 | $0.000 | 10/22 | 61.8s |
| #224 | Gemini 3.1 Flash Lite high | 4 | 5.6 | $2.044 | 10/18 | 62.0s | |
| #64 | Inkling high | Thinkingmachines | 4 | 8.0 | $1.046 | 15/22 | 62.6s |
| #127 | Qwen3.5-122B-A10B medium | Qwen | 5 | 7.1 | $1.207 | 14/22 | 65.7s |
| #307 | Ling 3.0 Tiny low | Inclusionai | 5 | 3.8 | $0.000 | 4/22 | 66.2s |
| #45 | Qwen3.6 Max Preview medium | Qwen | 4 | 8.6 | $1.132 | 17/22 | 66.5s |
| #123 | Muse Glimmer 30B high | Meta | 7 | 7.2 | $0.397 | 10/22 | 66.7s |
| #208 | Dots 3 Note Preview medium | Dots Studio | 9 | 5.9 | $0.000 | 8/22 | 67.1s |
| #176 | Dots 3 Note Preview high | Dots Studio | 8 | 6.4 | $0.000 | 10/22 | 67.8s |