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.
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) |
|---|---|---|---|---|---|---|---|
| #252 | Mistral Small 4 medium | Mistral | 2 | 5.9 | $0.097 | 1/3 | 6.33s |
| #253 | Granite 4.2 8B low | IBM Granite | 2 | 5.3 | $0.012 | 1/3 | 26.2s |
| #254 | Qwen3 Coder Next none | Qwen | 2 | 5.3 | $0.026 | 1/3 | 871ms |
| #257 | GLM 5 Turbo none | Z.ai | 2 | 5.3 | $0.047 | 1/3 | 1.97s |
| #264 | Qwen3.6 Plus Preview medium | Qwen | 2 | 3.0 | $0.000 | 0/3 | 22.1s |
| #269 | Ring-2.6-1T none | Inclusionai | 2 | 5.3 | $0.026 | 1/3 | 56.8s |
| #273 | Grok 4.20 Multi Agent Beta medium | X AI | 2 | 2.9 | $5.599 | 0/3 | 24.7s |
| #275 | GLM 4.7 Flash none | Z.ai | 2 | 5.3 | $0.016 | 1/3 | 2.22s |
| #276 | Trinity Large Preview none | Arcee AI | 2 | 5.3 | $0.008 | 1/3 | 877ms |
| #279 | Laguna M.1 medium | Poolside | 2 | 5.3 | $0.033 | 1/3 | 24.1s |
| #281 | Mercury 2 none | Inception | 2 | 5.9 | $0.030 | 1/3 | 500ms |
| #282 | Granite 4.2 8B high | IBM Granite | 2 | 2.9 | $0.084 | 0/3 | 167.2s |
| #284 | MiniMax M2.5 medium | Minimax | 2 | 2.9 | $0.327 | 0/3 | 158.9s |
| #289 | GLM 4.7 Flash medium | Z.ai | 2 | 3.5 | $0.168 | 0/3 | 96.7s |
| #292 | Hunter Alpha none | OpenRouter | 2 | 5.3 | $0.000 | 1/3 | 2.33s |