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) |
|---|---|---|---|---|---|---|---|
| #433 | Step 3.5 Flash none | Stepfun | 1 | 0.2 | $0.020 | 6/12 | 39.0s |
| #336 | Mercury 2.5 low | Inception | 14 | 0.5 | $0.020 | 6/23 | 3.34s |
| #326 | Laguna XS 2.1 none | Poolside | 14 | 0.5 | $0.020 | 5/23 | 4.56s |
| #309 | Gemini 2.5 Flash none | 13 | 0.5 | $0.017 | 8/23 | 6.00s | |
| #377 | Nemotron 3 Super none | NVIDIA | 16 | 0.4 | $0.016 | 5/23 | 7.11s |
| #386 | gpt-oss-120b none | OpenAI | 9 | 0.4 | $0.016 | 6/20 | 28.6s |
| #351 | Ling 2.6 1t default | Inclusionai | 12 | 0.5 | $0.016 | 4/23 | 8.16s |
| #341 | Mercury 2.5 Preview low | Inception | 13 | 0.5 | $0.015 | 6/23 | 4.92s |
| #409 | Laguna Xs.2 medium | Poolside | 6 | 0.3 | $0.015 | 6/19 | 6.73s |
| #287 | Qwen3.8 Flash Next none | Qwen | 14 | 0.6 | ~$0.011 | 8/23 | 5.71s |
| #431 | Clef Omni default | Cloudflare | 9 | 0.2 | $0.011 | 2/12 | 880ms |
| #315 | Qwen3.8 27B none | Qwen | 12 | 0.5 | ~$0.010 | 9/23 | 5.05s |
| #439 | Solar Decide default | Upstage | 5 | 0.1 | $0.009 | 2/7 | 6.01s |
| #403 | Laguna M.1 default | Poolside | 10 | 0.4 | $0.009 | 4/19 | 2.89s |
| #397 | Nemotron 3.5 Lightning none | NVIDIA | 16 | 0.4 | $0.009 | 3/23 | 15.9s |