चुकीचे उत्तर अपयशे
कोणत्या AI मॉडेल्सना चुकीचे उत्तर सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: स्कोअर ↓.
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) |
|---|---|---|---|---|---|---|---|
| #379 | Laguna S 2.1 none | Poolside | 18 | 0.5 | $0.044 | 2/23 | 17.7s |
| #380 | Granite 4.2 8B high | IBM Granite | 7 | 0.5 | $0.111 | 4/23 | 235.4s |
| #381 | Qwen3 Coder Next medium | Qwen | 15 | 0.5 | $0.071 | 3/23 | 17.0s |
| #382 | DeepSeek V3.2 none | DeepSeek | 9 | 0.5 | $0.119 | 6/23 | 22.4s |
| #383 | GPT-5.4 Nano none | OpenAI | 16 | 0.5 | $0.068 | 4/23 | 4.42s |
| #384 | Gemini 3.1 Flash Lite high | 4 | 0.5 | $2.044 | 10/18 | 62.0s | |
| #385 | GLM 5V Turbo none | Z.ai | 11 | 0.5 | $0.052 | 8/21 | 2.99s |
| #386 | Laguna S 2.1 low | Poolside | 16 | 0.5 | $0.108 | 3/23 | 88.2s |
| #387 | Nemotron 3.5 Lightning low | NVIDIA | 14 | 0.5 | $0.175 | 5/23 | 83.2s |
| #388 | Owl Alpha medium | Openrouter | 10 | 0.5 | $0.000 | 8/21 | 11.9s |
| #389 | Mimo V2 PRO default | Xiaomi | 11 | 0.5 | $0.045 | 7/21 | 2.27s |
| #390 | Owl Alpha default | Openrouter | 10 | 0.5 | $0.000 | 7/21 | 9.88s |
| #391 | Ling 2.6 Flash default | Inclusionai | 9 | 0.5 | $0.002 | 6/23 | 10.2s |
| #392 | Hy3 preview low | Tencent | 4 | 0.5 | $0.042 | 10/21 | 24.6s |
| #393 | Ring 2.6 1t default | Inclusionai | 5 | 0.4 | $0.026 | 9/23 | 48.9s |