चुकीचे उत्तर अपयशे
कोणत्या AI मॉडेल्सना चुकीचे उत्तर सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: अपयशांची संख्या ↑.
453/453
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) |
|---|---|---|---|---|---|---|---|
| #420 | Grok 4.20 Beta default | X AI | 10 | 0.4 | $0.087 | 6/18 | 1.19s |
| #421 | Laguna M.1 default | Poolside | 10 | 0.4 | $0.009 | 4/19 | 2.89s |
| #425 | Grok 4.20 none | X AI | 10 | 0.3 | $0.057 | 6/18 | 1.11s |
| #453 | D1 default | Liquid | 10 | 0.2 | $0.003 | 2/12 | 508ms |
| #177 | Qwen3.5-27B none | Qwen | 11 | 0.7 | $0.116 | 10/23 | 9.98s |
| #228 | GPT-5.5 none | OpenAI | 11 | 0.7 | $1.212 | 12/23 | 4.75s |
| #262 | Qwen3.6 27B none | Qwen | 11 | 0.6 | $0.148 | 8/23 | 12.7s |
| #268 | Qwen3.5 Plus 2026-02-15 none | Qwen | 11 | 0.6 | $0.176 | 11/23 | 20.1s |
| #271 | Space Bunny Alpha medium | Stealth | 11 | 0.6 | $0.000 | 10/23 | 32.9s |
| #307 | DeepSeek V4.1 Flash none | DeepSeek | 11 | 0.6 | $0.391 | 7/23 | 16.6s |
| #311 | GPT-5 Nano medium | OpenAI | 11 | 0.6 | $0.159 | 8/23 | 56.5s |
| #316 | Gemma 4 31B none | 11 | 0.6 | $0.031 | 9/23 | 7.28s | |
| #323 | Nemotron 3.5 Super VL none | NVIDIA | 11 | 0.6 | $0.040 | 8/23 | 47.0s |
| #341 | Granite 4.2 8B low | IBM Granite | 11 | 0.5 | $0.036 | 7/23 | 58.2s |
| #343 | Qwen3.6 Max Preview none | Qwen | 11 | 0.5 | $0.228 | 11/22 | 7.82s |