चुकीचे उत्तर अपयशे
कोणत्या AI मॉडेल्सना चुकीचे उत्तर सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: प्रतिसाद वेळ (सरासरी) ↓.
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) |
|---|---|---|---|---|---|---|---|
| #306 | GPT-5.6 Terra none | OpenAI | 12 | 0.6 | $0.377 | 8/23 | 4.11s |
| #79 | GPT-6.1 Terra none | OpenAI | 5 | 0.9 | $0.184 | 18/23 | 4.08s |
| #297 | Gemini 3.1 Flash Lite minimal | 9 | 0.6 | $0.080 | 10/23 | 3.95s | |
| #318 | GPT-5.4 none | OpenAI | 15 | 0.6 | $0.690 | 7/23 | 3.89s |
| #340 | GPT-5.6 Luna none | OpenAI | 15 | 0.5 | $0.042 | 6/23 | 3.78s |
| #280 | Gemini 3.1 Flash Lite Preview none | 8 | 0.6 | $0.090 | 12/23 | 3.60s | |
| #299 | Gemini 3.1 Flash Lite none | 12 | 0.6 | $0.069 | 9/23 | 3.58s | |
| #305 | DeepSeek V4.1 Flash 1017 none | DeepSeek | 14 | 0.6 | $0.055 | 8/23 | 3.46s |
| #347 | Ling 3.0 Flash none | Inclusionai | 13 | 0.5 | $0.004 | 6/23 | 3.40s |
| #312 | GPT-5.4 Mini none | OpenAI | 14 | 0.6 | $0.170 | 6/23 | 3.34s |
| #354 | Mercury 2.5 low | Inception | 14 | 0.5 | $0.020 | 6/23 | 3.34s |
| #353 | Mistral Small 4 none | Mistral | 17 | 0.5 | $0.047 | 5/23 | 3.12s |
| #332 | Claude Opus 4.7 none | Anthropic | 3 | 0.5 | $0.505 | 16/19 | 3.02s |
| #385 | GLM 5V Turbo none | Z.ai | 11 | 0.5 | $0.052 | 8/21 | 2.99s |
| #421 | Laguna M.1 default | Poolside | 10 | 0.4 | $0.009 | 4/19 | 2.89s |