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: إجمالي التكلفة ↓.
أسباب الفشل
423/423
تصفية النماذج
لا توجد نماذج تطابق البحث والفلاتر الحالية.
| الترتيب | النموذج | الشركة | عدد إجابة خاطئة | درجة الفئة | إجمالي التكلفة | اختبارات صحيحة | زمن الاستجابة (المتوسط) |
|---|---|---|---|---|---|---|---|
| #8 | GPT-6 Astra xhigh | OpenAI | 1 | 0.8 | $6.213 | 2/3 | 147.0s |
| #400 | Grok 4.20 Multi Agent Beta medium | X AI | 2 | 0.3 | $5.599 | 0/3 | 24.7s |
| #58 | Claude Fable 5 medium | Anthropic | 1 | 0.5 | $5.089 | 1/3 | 37.3s |
| #33 | GPT-5.5 medium | OpenAI | 2 | 0.5 | $4.809 | 1/3 | 168.2s |
| #124 | Muse Wonder max | Meta | 1 | 0.3 | $4.766 | 0/3 | 189.6s |
| #90 | GLM 5.2 high | Z.ai | 1 | 0.3 | $4.632 | 0/3 | 126.8s |
| #27 | Claude Opus 5 high | Anthropic | 2 | 0.3 | $4.524 | 0/3 | 104.2s |
| #7 | GPT-6 Astra high | OpenAI | 1 | 0.8 | $4.458 | 2/3 | 95.1s |
| #83 | Qwen3.8 2.4T A95B low | Qwen | 3 | 0.3 | $4.016 | 0/3 | 287.7s |
| #142 | Muse Wonder xhigh | Meta | 2 | 0.4 | $4.012 | 0/3 | 150.7s |
| #172 | Claude Opus 4.8 low | Anthropic | 2 | 0.5 | $3.787 | 1/3 | 46.5s |
| #96 | Claude Opus 4.8 medium | Anthropic | 3 | 0.4 | $3.490 | 0/3 | 18.1s |
| #118 | Claude Fable 5.1 high | Anthropic | 1 | 0.8 | $3.471 | 2/3 | 24.3s |
| #134 | Muse Wonder high | Meta | 1 | 0.5 | $3.426 | 1/3 | 78.6s |
| #208 | Grok 4.7 xhigh | X AI | 1 | 0.3 | $3.398 | 0/3 | 190.6s |