ترتيب خاص بالمجال x إجابة خاطئة

اكتشف أي نماذج الذكاء الاصطناعي هي الأكثر عرضة لظهور إجابة خاطئة في خاص بالمجال، حتى ترصد نقاط الضعف بسرعة أكبر.

النماذج المعروضة

إجمالي الإخفاقات

893

النموذج الأكثر تأثرًا

Claude Opus 5 3

أسباب الفشل

إجابة خاطئة893 لا توجد إجابة66 انتهت المهلة46 خطأ API40 تنسيق إضافي36 لم يتبع التعليمات3

الفئات

خاص بالمجال893 حيل مضادة للذكاء الاصطناعي519 البرمجة484 حل الألغاز352 معلومات عامة315 الذكاء العام134 مجمّع128 مهام الوكلاء128 اتباع التعليمات117 تحليل البيانات واستخراجها93

423/423

الترتيب	النموذج	الشركة	عدد إجابة خاطئة	درجة الفئة	إجمالي التكلفة	اختبارات صحيحة	زمن الاستجابة (المتوسط)
#83	Qwen3.8 2.4T A95B low	Qwen	3	0.3	$4.016	0/3	287.7s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $4.016 زمن الاستجابة (المتوسط) 287.7s
#96	Claude Opus 4.8 medium	Anthropic	3	0.4	$3.490	0/3	18.1s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $3.490 زمن الاستجابة (المتوسط) 18.1s
#98	Qwen3.7 Plus medium	Qwen	3	0.4	$0.415	0/3	60.1s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.415 زمن الاستجابة (المتوسط) 60.1s
#104	Seed-2.0-Lite medium	Bytedance Seed	3	0.4	$0.271	0/3	84.4s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.271 زمن الاستجابة (المتوسط) 84.4s
#105	Seed-2.0-Code low	Bytedance Seed	3	0.4	$0.881	0/3	238.4s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.881 زمن الاستجابة (المتوسط) 238.4s
#106	DeepSeek V4 Pro 0423 high	DeepSeek	3	0.4	$0.149	0/3	249.5s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.149 زمن الاستجابة (المتوسط) 249.5s
#108	DeepSeek V4 Flash 0423 high	DeepSeek	3	0.4	$0.261	0/3	115.4s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.261 زمن الاستجابة (المتوسط) 115.4s
#109	DeepSeek V4.1 Flash low	DeepSeek	3	0.3	$0.494	0/3	95.6s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.494 زمن الاستجابة (المتوسط) 95.6s
#111	Nemotron 3 Ultra medium	NVIDIA	3	0.4	$0.674	0/3	35.2s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.674 زمن الاستجابة (المتوسط) 35.2s
#114	Qwen3.8 Flash Next low	Qwen	3	0.4	~$0.045	0/3	23.3s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة ~$0.045 زمن الاستجابة (المتوسط) 23.3s
#119	GPT-5.4 Mini medium	OpenAI	3	0.4	$1.102	0/3	71.1s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $1.102 زمن الاستجابة (المتوسط) 71.1s
#122	Qwen3.8 2.4T A95B high	Qwen	3	0.4	$2.949	0/3	301.1s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $2.949 زمن الاستجابة (المتوسط) 301.1s
#132	Grok 4.5 low	X AI	3	0.3	$1.345	0/3	77.1s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $1.345 زمن الاستجابة (المتوسط) 77.1s
#133	DeepSeek V4 Flash 0731 medium	DeepSeek	3	0.3	$0.460	0/3	203.1s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.460 زمن الاستجابة (المتوسط) 203.1s
#139	Qwen3.5 Plus 2026-04-20 medium	Qwen	3	0.3	$0.435	0/3	57.4s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.435 زمن الاستجابة (المتوسط) 57.4s

تصفية النماذج

أفضل النماذج حسب عدد إجابة خاطئة

عدد إجابة خاطئة مقابل النتيجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)

أفضل النماذج حسب التكلفة المهدرة التقديرية

خاص بالمجال: إجابة خاطئة

تصفية النماذج

أفضل النماذج حسب عدد إجابة خاطئة

عدد إجابة خاطئة مقابل النتيجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)