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) |
|---|---|---|---|---|---|---|---|
| #334 | Mistral Small 4 medium | Mistral | 14 | 0.5 | $0.126 | 5/23 | 12.7s |
| #336 | Mercury 2.5 low | Inception | 14 | 0.5 | $0.020 | 6/23 | 3.34s |
| #340 | Laguna S 2.1 medium | Poolside | 14 | 0.5 | $0.092 | 4/23 | 63.1s |
| #352 | MiMo-V2.5 none | Xiaomi | 14 | 0.5 | $0.049 | 5/23 | 9.88s |
| #354 | Hy4 preview none | Tencent | 14 | 0.5 | $0.165 | 3/23 | 40.4s |
| #369 | Nemotron 3.5 Lightning low | NVIDIA | 14 | 0.5 | $0.175 | 5/23 | 83.2s |
| #232 | Qwen3.5-122B-A10B none | Qwen | 13 | 0.6 | $0.308 | 7/23 | 14.8s |
| #244 | LongCat 2.0 none | Meituan | 13 | 0.6 | $0.104 | 8/23 | 8.50s |
| #257 | DeepSeek V4 Flash 0423 none | DeepSeek | 13 | 0.6 | $0.149 | 5/23 | 38.6s |
| #262 | DeepSeek V4 Flash 0731 none | DeepSeek | 13 | 0.6 | $0.053 | 5/23 | 27.4s |
| #269 | Inkling none | Thinkingmachines | 13 | 0.6 | $0.292 | 7/23 | 5.30s |
| #283 | Qwen3.6 Flash none | Qwen | 13 | 0.6 | $0.139 | 7/23 | 7.63s |
| #299 | Space Bunny Alpha low | Stealth | 13 | 0.6 | $0.000 | 8/23 | 30.6s |
| #303 | GLM 5 none | Z.ai | 13 | 0.6 | $0.140 | 9/22 | 8.74s |
| #307 | Kimi K2.6 none | Moonshot AI | 13 | 0.5 | $0.486 | 6/23 | 26.3s |