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) |
|---|---|---|---|---|---|---|---|
| #1 | Gemini 3.6 Flash high | 1 | 8.2 | $0.699 | 2/3 | 33.3s | |
| #6 | Gemini 3 Flash Preview medium | 1 | 7.7 | $0.763 | 2/3 | 20.1s | |
| #8 | Gemini 3.7 Flash medium | 1 | 7.7 | $0.309 | 2/3 | 6.49s | |
| #13 | Gemini 3.1 Pro Preview medium | 1 | 7.7 | $1.352 | 2/3 | 20.3s | |
| #14 | Gemini 3.7 Flash low | 1 | 8.2 | $0.207 | 2/3 | 3.09s | |
| #17 | Gemini 3.8 Flash medium | 1 | 8.2 | $0.653 | 2/3 | 31.8s | |
| #20 | Claude Fable 5.1 high | Anthropic | 1 | 7.7 | $3.364 | 2/3 | 24.3s |
| #33 | Gemini 3.6 Flash low | 1 | 7.6 | $0.251 | 2/3 | 4.65s | |
| #52 | Claude Fable 5.1 medium | Anthropic | 1 | 7.7 | $2.909 | 2/3 | 19.3s |
| #59 | Inkling high | Thinkingmachines | 1 | 7.7 | $1.046 | 2/3 | 174.7s |
| #101 | Qwen3.7 Max none | Qwen | 1 | 7.7 | $0.197 | 2/3 | 1.24s |
| #108 | Claude Sonnet 4.6 none | Anthropic | 1 | 7.7 | $0.661 | 2/3 | 2.27s |
| #148 | Gemini 3 Flash Preview none | 1 | 7.7 | $0.085 | 2/3 | 879ms | |
| #150 | GLM 5.2 none | Z.ai | 1 | 7.7 | $0.153 | 2/3 | 6.35s |
| #153 | Gemini 3.5 Flash minimal | 1 | 7.7 | $0.300 | 2/3 | 879ms |