IndicXNLI · Three-way Inference
IndicXNLI · மும்முனை அனுமானம்
Sortable results · மாதிரி, சோதனை தேதி, மாதிரி அளவு, பிழைகள், மதிப்பெண், செலவு ஆகியவற்றை வரிசைப்படுத்தலாம். Click a column heading to sort.
| Model · மாதிரி ↕ | Tested date · சோதனை தேதி ↕ | Valid n · சரியான விடைகள் ↕ | Errors · பிழைகள் ↕ | Truncated · துண்டிபட்ட ↕ | Accuracy % · துல்லியம் % ↕ | 95% CI · நம்பிக்கை வரம்பு ↕ | Cost USD · செலவு ↕ |
|---|---|---|---|---|---|---|---|
| Claude Sonnet 5.5anthropic/claude-sonnet-5.5 | 2026-10-02 | 200 | 0 | 0 | 75.5 | 69.1–80.9% | $0.5979 |
| DeepSeek V4.1 Flashdeepseek/deepseek-v4.1-flash | 2026-09-11 | 200 | 0 | 0 | 62.0 | 55.1–68.4% | not recorded |
| Gemini 3.8 Flashgoogle/gemini-3.8-flash | 2026-09-11 | 198 | 2 | 0 | 75.8 | 69.3–81.2% | not recorded |
| Gemma 4 26B A4Bgoogle/gemma-4-26b-a4b-it | 2026-09-11 | 193 | 7 | 0 | 64.8 | 57.8–71.2% | not recorded |
| Liquid LFM2.5 2.6Bliquid/lfm-2.5-2.6b | 2026-10-02 | 158 | 42 | 5 | 64.6 | 56.8–71.6% | $0.0000 |
| Nex N2.5 Mininex-agi/nex-n2.5-mini | 2026-10-02 | 200 | 0 | 0 | 64.5 | 57.7–70.8% | $0.0060 |
| Nemotron 3 Ultra 550B A55Bnvidia/nemotron-3-ultra-550b-a55b | 2026-10-02 | 200 | 0 | 0 | 70.0 | 63.3–75.9% | $0.0000 |
| GPT-5.6 Lunaopenai/gpt-5.6-luna | 2026-09-11 | 200 | 0 | 0 | 61.0 | 54.1–67.5% | not recorded |
| GPT-6 Lunaopenai/gpt-6-luna | 2026-10-02 | 200 | 0 | 0 | 65.0 | 58.2–71.3% | $0.0131 |
| GPT-OSS 20Bopenai/gpt-oss-20b | 2026-10-02 | 200 | 0 | 0 | 62.0 | 55.1–68.4% | $0.0070 |
| Qwen 3.8 Flashqwen/qwen3.8-flash | 2026-09-11 | 200 | 0 | 0 | 63.0 | 56.1–69.4% | not recorded |
| Space Bunny Alphastealth/space-bunny-alpha | 2026-10-02 | 200 | 0 | 0 | 62.0 | 55.1–68.4% | $0.0000 |
| Xiaomi MiMo v2.5xiaomi/mimo-v2.5 | 2026-09-11 | 200 | 0 | 0 | 60.5 | 53.6–67.0% | not recorded |
| GLM 5.3 Flashz-ai/glm-5.3-flash | 2026-09-11 | 200 | 0 | 0 | 71.5 | 64.9–77.3% | not recorded |
Tested date is the result sheet's repository record date; older sheets do not contain a run timestamp. Scores use each model's latest qualifying sheet. Run cost is the total charge OpenRouter recorded in that sheet's own answer rows — the price of one run of this test. * marks a sheet where only some calls reported a charge, and “not recorded” means the sheet predates usage accounting. செலவு என்பது விடைத்தாள் வரிசைகளில் பதிவான கட்டணத்தின் தொகை; * என்பது சில வரிசைகளில் மட்டும் கட்டணம் பதிவானதைக் குறிக்கிறது. சோதனைத் தேதி என்பது விடைத்தாள் களஞ்சியத்தில் பதிவான தேதி; பழைய விடைத்தாள்களில் இயக்க நேரமுத்திரை இல்லை. View answer sheets · விடைத்தாள்கள்.