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) |
|---|---|---|---|---|---|---|---|
| #144 | Solar Pro 4 medium | Upstage | 3 | 3.0 | $0.047 | 0/3 | 201.8s |
| #145 | DeepSeek V4 Pro none | DeepSeek | 3 | 3.0 | $0.226 | 0/3 | 4.91s |
| #151 | KAT-Coder-Pro V2.5 none | Kwaipilot | 3 | 4.1 | $0.487 | 0/3 | 24.9s |
| #160 | Inkling Small medium | Thinkingmachines | 3 | 3.0 | $0.113 | 0/3 | 7.65s |
| #162 | Qwen3.6 35B A3B medium | Qwen | 3 | 2.9 | $0.672 | 0/3 | 25.4s |
| #163 | Mercury 2.5 Preview high | Inception | 3 | 2.9 | $0.030 | 0/3 | 5.68s |
| #170 | Dots 3 Note Preview low | Dots Studio | 3 | 3.6 | $0.000 | 0/3 | 49.5s |
| #175 | Ring-2.6-1T medium | Inclusionai | 3 | 3.6 | $0.102 | 0/3 | 65.3s |
| #178 | Seed-2.0-Lite none | Bytedance Seed | 3 | 3.0 | $0.066 | 0/3 | 1.12s |
| #180 | GPT-5.6 Luna low | OpenAI | 3 | 2.9 | $0.051 | 0/3 | 11.2s |
| #181 | Claude Sonnet 5 none | Anthropic | 3 | 2.9 | $0.548 | 0/3 | 3.32s |
| #182 | Gemini 3.1 Flash Lite minimal | 3 | 2.9 | $0.047 | 0/3 | 972ms | |
| #184 | gpt-oss-120b medium | OpenAI | 3 | 2.9 | $0.020 | 0/3 | 27.6s |
| #186 | Gemini 3.1 Flash Lite none | 3 | 2.9 | $0.046 | 0/3 | 701ms | |
| #195 | Gemini 2.5 Flash none | 3 | 3.6 | $0.017 | 0/3 | 449ms |