إخفاقات إجابة خاطئة
اكتشف أي نماذج الذكاء الاصطناعي تواجه إجابة خاطئة أكثر من غيرها، حتى ترى مخاطر الاعتمادية قبل الاختيار. الترتيب حسب: إجمالي التكلفة ↑.
309/309
تصفية النماذج
لا توجد نماذج تطابق البحث والفلاتر الحالية.
| الترتيب | النموذج | الشركة | عدد إجابة خاطئة | النتيجة | إجمالي التكلفة | اختبارات صحيحة | زمن الاستجابة (المتوسط) |
|---|---|---|---|---|---|---|---|
| #67 | GPT-5.2 Chat none | OpenAI | 6 | 7.9 | $0.594 | 13/22 | 7.73s |
| #161 | Gemini 3.1 Flash Lite low | 8 | 6.6 | $0.621 | 13/22 | 16.2s | |
| #194 | Trinity Large Thinking low | Arcee AI | 7 | 6.0 | $0.625 | 8/22 | 96.6s |
| #53 | Gemini 2.5 Flash medium | 6 | 8.2 | $0.644 | 15/22 | 21.1s | |
| #3 | Gemini 3.7 Flash high | 2 | 9.8 | $0.646 | 20/22 | 12.2s | |
| #159 | Gemini 3.1 Flash Lite Preview low | 6 | 6.6 | $0.646 | 14/22 | 16.7s | |
| #17 | Gemini 3.8 Flash medium | 2 | 9.1 | $0.653 | 19/22 | 14.5s | |
| #44 | Muse Spark 1.2 low | Meta | 4 | 8.4 | $0.655 | 15/22 | 9.77s |
| #108 | Claude Sonnet 4.6 none | Anthropic | 5 | 7.3 | $0.661 | 12/22 | 7.67s |
| #21 | Gemini 3.5 Flash medium | 3 | 9.0 | $0.665 | 18/22 | 8.48s | |
| #162 | Qwen3.6 35B A3B medium | Qwen | 5 | 6.6 | $0.672 | 12/22 | 58.5s |
| #51 | Muse Spark 1.1 low | Meta | 5 | 8.3 | $0.673 | 13/22 | 11.9s |
| #204 | Mimo V2 Omni medium | Xiaomi | 5 | 5.9 | $0.683 | 10/21 | 41.2s |
| #102 | Kimi K2.7 Code medium | Moonshot AI | 6 | 7.4 | $0.687 | 11/22 | 80.1s |
| #54 | Muse Spark 1.3 low | Meta | 4 | 8.2 | $0.689 | 15/22 | 16.0s |