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 Domänenspezifisch412 In der Kategorie Anti-KI-Tricks293 In der Kategorie Programmierung252 In der Kategorie Rätsellösen201 In der Kategorie Allgemeinwissen168 In der Kategorie Kombiniert68 In der Kategorie Befolgung von Anweisungen61 In der Kategorie Allgemeine Intelligenz59 In der Kategorie Datenanalyse und -extraktion41 In der Kategorie Werkzeugaufrufe3
209/209
Modelle filtern
Keine Modelle entsprechen der aktuellen Suche und den Filtern.
| Rang | Modell | Unternehmen | Falsche Antwort-Anzahl | Punktzahl | Gesamtkosten | Korrekte Tests | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|
| #31 | GLM 5.2 high | Z.ai | 3 | 8.0 | $0.970 | 14/22 | 62.7s |
| #32 | Inkling medium | Thinkingmachines | 4 | 8.0 | $0.391 | 15/22 | 16.2s |
| #34 | GPT-5.6 Terra high | OpenAI | 7 | 8.0 | $1.055 | 14/22 | 11.3s |
| #35 | Seed-2.0-Lite medium | Bytedance Seed | 5 | 7.9 | $0.234 | 14/22 | 48.5s |
| #36 | Qwen3.7 Plus medium | Qwen | 5 | 7.9 | $0.267 | 15/22 | 51.5s |
| #37 | Qwen3.6 Plus medium | Qwen | 5 | 7.8 | $0.405 | 15/22 | 43.1s |
| #38 | GLM 5.2 medium | Z.ai | 3 | 7.8 | $0.222 | 15/21 | 23.3s |
| #39 | GPT-5.6 Terra medium | OpenAI | 8 | 7.8 | $0.676 | 14/22 | 7.11s |
| #40 | Claude Sonnet 4.6 medium | Anthropic | 4 | 7.8 | $2.057 | 14/22 | 25.9s |
| #41 | Claude Opus 4.8 low | Anthropic | 4 | 7.8 | $2.077 | 16/22 | 12.7s |
| #42 | GLM 5 medium | Z.ai | 3 | 7.7 | $0.307 | 15/21 | 33.5s |
| #43 | Claude Opus 4.6 medium | Anthropic | 3 | 7.7 | $3.059 | 13/22 | 34.3s |
| #44 | GPT-5.6 Luna high | OpenAI | 7 | 7.7 | $1.017 | 15/22 | 18.7s |
| #45 | DeepSeek V4 Flash high | DeepSeek | 6 | 7.7 | $0.042 | 13/22 | 49.7s |
| #46 | DeepSeek V4 Pro high | DeepSeek | 6 | 7.7 | $0.200 | 10/22 | 79.1s |