Ranking für Domänenspezifisch x Falsche Antwort

Sieh, welche KI-Modelle bei Domänenspezifisch am ehesten auf Falsche Antwort stoßen, damit du Schwachstellen schneller erkennst.

Angezeigte Modelle

Gesamtfehler

893

Am stärksten betroffenes Modell

Claude Opus 5 3

Fehlergründe

Falsche Antwort893 Keine Antwort66 Zeitüberschreitung46 API-Fehler40 Zusätzliche Formatierung36 Anweisungen nicht befolgt3

Kategorien

Domänenspezifisch893 Anti-KI-Tricks519 Programmierung484 Rätsellösen352 Allgemeinwissen315 Allgemeine Intelligenz134 Agentenaufgaben128 Kombiniert128 Befolgung von Anweisungen117 Datenanalyse und -extraktion93

423/423

Rang	Modell	Unternehmen	Falsche Antwort-Anzahl	Kategorie-Score	Gesamtkosten	Korrekte Tests	Antwortzeit (Durchschnitt)
#140	Qwen3.7 Flash low	Qwen	3	0.4	$0.071	0/3	37.6s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.071 Antwortzeit (Durchschnitt) 37.6s
#141	Muse Glimmer 30B medium	Meta	3	0.3	$0.288	0/3	44.6s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.288 Antwortzeit (Durchschnitt) 44.6s
#143	Qwen3.8 Flash Next medium	Qwen	3	0.3	~$0.047	0/3	17.3s
Gesamttests 3 Falsche Tests 3 Gesamtkosten ~$0.047 Antwortzeit (Durchschnitt) 17.3s
#149	Mistral Large 4 high	Mistral	3	0.3	$1.391	0/3	289.4s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $1.391 Antwortzeit (Durchschnitt) 289.4s
#151	GPT-5.6 Luna medium	OpenAI	3	0.3	$0.065	0/3	18.5s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.065 Antwortzeit (Durchschnitt) 18.5s
#152	Qwen3.6 Flash medium	Qwen	3	0.3	$0.783	0/3	17.0s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.783 Antwortzeit (Durchschnitt) 17.0s
#153	DeepSeek V4 Flash 0731 low	DeepSeek	3	0.3	$0.306	0/3	255.5s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.306 Antwortzeit (Durchschnitt) 255.5s
#155	GLM 5.3 FlashX high	Z.ai	3	0.4	$0.210	0/3	50.0s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.210 Antwortzeit (Durchschnitt) 50.0s
#158	DeepSeek V4 Pro 0423 none	DeepSeek	3	0.3	$0.083	0/3	4.91s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.083 Antwortzeit (Durchschnitt) 4.91s
#166	Qwen3.6 Plus medium	Qwen	3	0.3	$0.554	0/3	46.4s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.554 Antwortzeit (Durchschnitt) 46.4s
#167	Gemini 3.5 Flash Lite medium	Google	3	0.4	$0.440	0/3	5.34s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.440 Antwortzeit (Durchschnitt) 5.34s
#173	Qwen3.7 Flash high	Qwen	3	0.3	$0.063	0/3	34.4s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.063 Antwortzeit (Durchschnitt) 34.4s
#176	Step 3.7 Flash low	Stepfun	3	0.3	$0.449	0/3	22.7s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.449 Antwortzeit (Durchschnitt) 22.7s
#179	Qwen3.8 Flash Next xhigh	Qwen	3	0.3	~$0.195	0/3	327.0s
Gesamttests 3 Falsche Tests 3 Gesamtkosten ~$0.195 Antwortzeit (Durchschnitt) 327.0s
#180	GLM 5.3 FlashX medium	Z.ai	3	0.4	$0.114	0/3	3.52s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.114 Antwortzeit (Durchschnitt) 3.52s

Modelle filtern

Top-Modelle nach Falsche Antwort-Anzahl

Falsche Antwort-Anzahl vs Punktzahl

Top-Modelle nach Antwortzeit (Durchschnitt)

Top-Modelle nach Geschätzte verschwendete Kosten

Domänenspezifisch: Falsche Antwort

Modelle filtern

Top-Modelle nach Falsche Antwort-Anzahl

Falsche Antwort-Anzahl vs Punktzahl

Top-Modelle nach Antwortzeit (Durchschnitt)

Top-Modelle nach Geschätzte verschwendete KostenNur geschätzte GPU-Stromkosten. Der übrige Computer und die Anschaffungskosten der Hardware sind nicht enthalten. NVIDIA GeForce RTX 3090: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.

Top-Modelle nach Geschätzte verschwendete Kosten