Falsche Antwort-Fehler
Sieh, bei welchen KI-Modellen Falsche Antwort besonders häufig auftritt, damit du Zuverlässigkeitsrisiken vor der Auswahl erkennst. Sortieren nach: Punktzahl ↑.
Kategorien
In der Kategorie Domänenspezifisch654 In der Kategorie Anti-KI-Tricks386 In der Kategorie Programmierung361 In der Kategorie Rätsellösen275 In der Kategorie Allgemeinwissen244 In der Kategorie Kombiniert95 In der Kategorie Allgemeine Intelligenz90 In der Kategorie Befolgung von Anweisungen82 In der Kategorie Datenanalyse und -extraktion66 In der Kategorie Werkzeugaufrufe5
309/309
Modelle filtern
Keine Modelle entsprechen der aktuellen Suche und den Filtern.
| Rang | Modell | Unternehmen | Falsche Antwort-Anzahl | Punktzahl | Gesamtkosten | Korrekte Tests | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|
| #86 | GPT-5.6 Luna high | OpenAI | 8 | 7.6 | $0.179 | 14/22 | 16.5s |
| #85 | GLM 5 Turbo medium | Z.ai | 4 | 7.6 | $0.323 | 14/21 | 23.0s |
| #84 | DeepSeek V4 Flash 0423 high | DeepSeek | 6 | 7.6 | $0.039 | 13/22 | 51.8s |
| #83 | DeepSeek V4 Pro high | DeepSeek | 7 | 7.7 | $0.489 | 10/22 | 92.5s |
| #82 | Claude Opus 4.6 medium | Anthropic | 4 | 7.7 | $2.961 | 13/22 | 32.2s |
| #81 | Seed-2.0-Code low | Bytedance Seed | 6 | 7.7 | $0.767 | 13/22 | 72.2s |
| #80 | GLM 5 medium | Z.ai | 3 | 7.7 | $0.228 | 15/21 | 33.5s |
| #79 | Qwen3.7 Flash high | Qwen | 7 | 7.8 | $0.052 | 13/22 | 41.4s |
| #78 | Claude Opus 4.8 low | Anthropic | 4 | 7.8 | $2.089 | 16/22 | 12.9s |
| #77 | Seed-2.0-Lite medium | Bytedance Seed | 6 | 7.8 | $0.236 | 13/22 | 47.9s |
| #76 | Qwen3.8 27B medium | Qwen | 3 | 7.8 | ~$0.058 | 14/22 | 33.0s |
| #75 | Claude Sonnet 4.6 medium | Anthropic | 4 | 7.8 | $2.126 | 14/22 | 28.1s |
| #74 | GPT-5.6 Terra medium | OpenAI | 8 | 7.8 | $0.523 | 14/22 | 6.85s |
| #72 | Gemini 3.5 Flash Lite medium | 6 | 7.8 | $0.272 | 14/22 | 5.12s | |
| #73 | GLM 5.2 medium | Z.ai | 3 | 7.8 | $0.224 | 15/21 | 23.3s |