Falsche Antwort-Fehler
Sieh, bei welchen KI-Modellen Falsche Antwort besonders häufig auftritt, damit du Zuverlässigkeitsrisiken vor der Auswahl erkennst. Sortieren nach: Gesamtkosten ↑.
Kategorien
In der Kategorie Domänenspezifisch878 In der Kategorie Anti-KI-Tricks502 In der Kategorie Programmierung477 In der Kategorie Rätsellösen344 In der Kategorie Allgemeinwissen306 In der Kategorie Allgemeine Intelligenz129 In der Kategorie Agentenaufgaben126 In der Kategorie Kombiniert126 In der Kategorie Befolgung von Anweisungen111 In der Kategorie Datenanalyse und -extraktion93
434/434
Modelle filtern
Keine Modelle entsprechen der aktuellen Suche und den Filtern.
| Rang | Modell | Unternehmen | Falsche Antwort-Anzahl | Punktzahl | Gesamtkosten | Korrekte Tests | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|
| #59 | Qwen3.8 MAX low | Qwen | 5 | 0.9 | $1.089 | 17/23 | 25.1s |
| #284 | Claude Sonnet 5 none | Anthropic | 9 | 0.6 | $1.095 | 7/23 | 8.60s |
| #46 | Qwen3.8 Max (0902) medium | Qwen | 5 | 0.9 | $1.096 | 18/23 | 30.4s |
| #222 | Claude Sonnet 5.5 medium | Anthropic | 1 | 0.7 | $1.100 | 9/23 | 8.03s |
| #117 | GPT-5.4 Mini medium | OpenAI | 6 | 0.8 | $1.102 | 13/23 | 29.9s |
| #75 | Qwen3.8 Max (0902) low | Qwen | 4 | 0.9 | $1.131 | 18/23 | 29.1s |
| #181 | Qwen3.6 Max Preview medium | Qwen | 4 | 0.7 | $1.132 | 17/22 | 66.5s |
| #114 | Qwen3.5-27B medium | Qwen | 4 | 0.8 | $1.135 | 14/23 | 114.7s |
| #183 | Kimi K2.7 Code medium | Moonshot AI | 8 | 0.7 | $1.136 | 11/23 | 81.2s |
| #186 | Qwen3.5-122B-A10B medium | Qwen | 5 | 0.7 | $1.152 | 14/23 | 67.0s |
| #73 | Claude Sonnet 5.5 high | Anthropic | 5 | 0.9 | $1.175 | 16/23 | 10.8s |
| #35 | Qwen3.8 MAX medium | Qwen | 4 | 0.9 | $1.181 | 18/23 | 27.3s |
| #70 | DeepSeek V4.1 Flash max | DeepSeek | 6 | 0.9 | $1.204 | 15/23 | 61.6s |
| #214 | GPT-5.5 none | OpenAI | 11 | 0.7 | $1.212 | 12/23 | 4.75s |
| #86 | Inkling high | Thinkingmachines | 4 | 0.8 | $1.238 | 16/23 | 62.7s |