إخفاقات إجابة خاطئة
اكتشف أي نماذج الذكاء الاصطناعي تواجه إجابة خاطئة أكثر من غيرها، حتى ترى مخاطر الاعتمادية قبل الاختيار. الترتيب حسب: إجمالي التكلفة ↓.
434/434
تصفية النماذج
لا توجد نماذج تطابق البحث والفلاتر الحالية.
| الترتيب | النموذج | الشركة | عدد إجابة خاطئة | النتيجة | إجمالي التكلفة | اختبارات صحيحة | زمن الاستجابة (المتوسط) |
|---|---|---|---|---|---|---|---|
| #184 | Ember-1 low | Fireworks | 3 | 0.7 | $1.488 | 13/23 | 34.9s |
| #219 | Step 3.7 Flash high | Stepfun | 8 | 0.7 | $1.478 | 11/23 | 72.7s |
| #147 | Seed-2.0-Code high | Bytedance Seed | 6 | 0.7 | $1.448 | 12/23 | 124.9s |
| #78 | Claude Sonnet 5 medium | Anthropic | 5 | 0.9 | $1.438 | 16/23 | 15.0s |
| #204 | Grok Build 0.1 medium | X AI | 6 | 0.7 | $1.419 | 13/23 | 55.1s |
| #146 | Mistral Large 4 high | Mistral | 6 | 0.8 | $1.391 | 12/23 | 263.7s |
| #6 | GPT-6.1 Sol xhigh | OpenAI | 1 | 1.0 | $1.377 | 22/23 | 33.1s |
| #129 | Grok 4.5 low | X AI | 7 | 0.8 | $1.345 | 16/23 | 18.1s |
| #37 | GPT-5.3-Codex medium | OpenAI | 4 | 0.9 | $1.318 | 17/23 | 18.9s |
| #119 | Gemini 3.5 Flash medium | 3 | 0.8 | $1.316 | 18/23 | 11.8s | |
| #151 | Seed-2.0-Code medium | Bytedance Seed | 6 | 0.7 | $1.275 | 11/23 | 100.6s |
| #61 | Muse Spark Open medium | Meta | 3 | 0.9 | $1.260 | 15/23 | 77.4s |
| #258 | Grok 4.20 medium | X AI | 7 | 0.6 | $1.246 | 11/23 | 36.7s |
| #13 | GPT-5.6 Sol low | OpenAI | 4 | 1.0 | $1.244 | 19/23 | 11.1s |
| #86 | Inkling high | Thinkingmachines | 4 | 0.8 | $1.238 | 16/23 | 62.7s |