Falsche Antwort-Fehler
Sieh, bei welchen KI-Modellen Falsche Antwort besonders häufig auftritt, damit du Zuverlässigkeitsrisiken vor der Auswahl erkennst.
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) |
|---|---|---|---|---|---|---|---|
| #427 | GPT-6 Luna Decisions default | OpenAI | 8 | 0.2 | $0.005 | 3/12 | 495ms |
| #430 | Classify-1 default | Scaledown | 8 | 0.2 | $0.008 | 3/12 | 4.58s |
| #90 | GPT-5.6 Terra high | OpenAI | 7 | 0.8 | $0.698 | 15/23 | 13.6s |
| #94 | GPT-6 Luna medium | OpenAI | 7 | 0.8 | $0.047 | 15/23 | 18.1s |
| #103 | Seed-2.0-Code low | Bytedance Seed | 7 | 0.8 | $0.881 | 14/23 | 73.0s |
| #107 | DeepSeek V4.1 Flash low | DeepSeek | 7 | 0.8 | $0.494 | 15/23 | 28.0s |
| #109 | Nemotron 3 Ultra medium | NVIDIA | 7 | 0.8 | $0.674 | 14/23 | 40.3s |
| #118 | Qwen3.7 Max none | Qwen | 7 | 0.8 | $0.451 | 16/23 | 7.85s |
| #129 | Grok 4.5 low | X AI | 7 | 0.8 | $1.345 | 16/23 | 18.1s |
| #133 | Muse Glimmer 30B high | Meta | 7 | 0.8 | $0.506 | 11/23 | 69.9s |
| #137 | Qwen3.7 Flash low | Qwen | 7 | 0.8 | $0.071 | 12/23 | 41.0s |
| #141 | GPT-6 Luna low | OpenAI | 7 | 0.8 | $0.033 | 12/23 | 23.2s |
| #162 | LongCat 2.0 high | Meituan | 7 | 0.7 | $0.778 | 10/23 | 151.7s |
| #175 | Claude Opus 5 none | Anthropic | 7 | 0.7 | $2.766 | 12/23 | 10.8s |
| #182 | Gemini 3.1 Flash Lite Preview medium | 7 | 0.7 | $0.158 | 14/23 | 6.78s |