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
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) |
|---|---|---|---|---|---|---|---|
| #273 | Grok 4.20 Multi Agent Beta medium | X AI | 2 | 2.9 | $5.599 | 0/3 | 24.7s |
| #22 | GPT-5.5 medium | OpenAI | 2 | 5.3 | $4.163 | 1/3 | 168.2s |
| #20 | Claude Fable 5.1 high | Anthropic | 1 | 7.7 | $3.364 | 2/3 | 24.3s |
| #15 | Claude Opus 5 high | Anthropic | 2 | 3.0 | $3.070 | 0/3 | 104.2s |
| #39 | Claude Fable 5 medium | Anthropic | 1 | 5.3 | $3.004 | 1/3 | 37.3s |
| #82 | Claude Opus 4.6 medium | Anthropic | 2 | 3.0 | $2.961 | 0/3 | 42.5s |
| #52 | Claude Fable 5.1 medium | Anthropic | 1 | 7.7 | $2.909 | 2/3 | 19.3s |
| #56 | Qwen3.8 2.4T A95B low | Qwen | 2 | 3.2 | $2.672 | 0/3 | 287.7s |
| #136 | Claude Fable 5.1 low | Anthropic | 3 | 4.1 | $2.565 | 0/3 | 19.3s |
| #105 | Qwen3.8 2.4T A95B high | Qwen | 2 | 4.1 | $2.357 | 0/3 | 301.1s |
| #245 | Gemini 3.1 Flash Lite Preview high | 2 | 5.3 | $2.310 | 1/3 | 127.6s | |
| #60 | Muse Spark 1.1 high | Meta | 1 | 2.9 | $2.253 | 0/3 | 94.7s |
| #24 | Grok 4.5 high | X AI | 2 | 4.1 | $2.252 | 0/3 | 301.3s |
| #75 | Claude Sonnet 4.6 medium | Anthropic | 1 | 3.0 | $2.126 | 0/3 | 58.4s |
| #78 | Claude Opus 4.8 low | Anthropic | 2 | 5.3 | $2.089 | 1/3 | 46.5s |