خاص بالمجال: إجابة خاطئة
خاص بالمجال
إجابة خاطئة
اكتشف أي نماذج الذكاء الاصطناعي هي الأكثر عرضة لظهور إجابة خاطئة في خاص بالمجال، حتى ترصد نقاط الضعف بسرعة أكبر. الترتيب حسب: اختبارات صحيحة ↑.
أسباب الفشل
299/299
تصفية النماذج
لا توجد نماذج تطابق البحث والفلاتر الحالية.
| الترتيب | النموذج | الشركة | عدد إجابة خاطئة | درجة الفئة | إجمالي التكلفة | اختبارات صحيحة | زمن الاستجابة (المتوسط) |
|---|---|---|---|---|---|---|---|
| #15 | Claude Opus 5 high | Anthropic | 2 | 3.0 | $3.070 | 0/3 | 104.2s |
| #16 | Claude Opus 5 medium | Anthropic | 3 | 2.9 | $1.586 | 0/3 | 26.3s |
| #18 | Seed 2.1 Turbo low | Bytedance Seed | 1 | 2.9 | $1.546 | 0/3 | 424.5s |
| #19 | Qwen3.7 Max medium | Qwen | 3 | 4.1 | $1.157 | 0/3 | 52.5s |
| #23 | Qwen3.8 Max medium | Qwen | 3 | 3.0 | $0.771 | 0/3 | 41.8s |
| #24 | Grok 4.5 high | X AI | 2 | 4.1 | $2.252 | 0/3 | 301.3s |
| #26 | Muse Spark 1.3 high | Meta | 2 | 2.9 | $1.653 | 0/3 | 174.6s |
| #27 | Seed 2.1 Turbo high | Bytedance Seed | 2 | 2.9 | $1.797 | 0/3 | 506.2s |
| #29 | Muse Spark 1.3 medium | Meta | 3 | 3.5 | $1.469 | 0/3 | 132.3s |
| #30 | Gemini 3.5 Flash Lite high | 3 | 3.6 | $0.540 | 0/3 | 23.1s | |
| #31 | Claude Opus 4.8 medium | Anthropic | 3 | 3.6 | $1.983 | 0/3 | 18.1s |
| #34 | GLM 5.3 Flash max | Z.ai | 2 | 3.6 | $0.059 | 0/3 | 203.3s |
| #36 | Muse Spark 1.2 high | Meta | 3 | 4.1 | $1.771 | 0/3 | 108.9s |
| #38 | Muse Spark 1.1 medium | Meta | 3 | 3.5 | $1.420 | 0/3 | 80.8s |
| #41 | Qwen3.8 Max low | Qwen | 3 | 2.9 | $0.702 | 0/3 | 40.1s |