不正解失敗ランキング

どのAIモデルで不正解が起きやすいかを確認し、選ぶ前に信頼性のリスクを見極められます。並び替え: スコア ↑.

表示モデル数

総失敗数

3190

最も影響を受けたモデル

カテゴリ

ドメイン特化カテゴリで900 反AIトリックカテゴリで521 コーディングカテゴリで485 パズル解決カテゴリで355 雑学カテゴリで317 汎用知能カテゴリで134 複合カテゴリで130 エージェントタスクカテゴリで128 指示追従カテゴリで118 データ解析と抽出カテゴリで93

447/447

順位	モデル	企業	不正解件数	スコア	合計コスト	正解テスト	応答時間（平均）
#150	GLM 5.1 medium	Z.ai	5	0.8	$1.546	13/23	66.4s
合計テスト数 23 誤答テスト数 10 合計コスト $1.546 応答時間（平均） 66.4s
#149	Space Bunny Alpha high	Stealth	10	0.8	$0.000	13/23	29.4s
合計テスト数 23 誤答テスト数 10 合計コスト $0.000 応答時間（平均） 29.4s
#147	GPT-6 Luna low	OpenAI	7	0.8	$0.033	12/23	23.2s
合計テスト数 23 誤答テスト数 11 合計コスト $0.033 応答時間（平均） 23.2s
#148	Qwen3.8 27B low	Qwen	5	0.8	~$0.089	15/23	46.6s
合計テスト数 23 誤答テスト数 8 合計コスト ~$0.089 応答時間（平均） 46.6s
#146	Qwen3.8 Flash Next medium	Qwen	6	0.8	~$0.047	15/23	24.8s
合計テスト数 23 誤答テスト数 8 合計コスト ~$0.047 応答時間（平均） 24.8s
#454	Nimble v3 9B default	Bespoke Labs	5	0.8	~$0.001	1/7	363ms
合計テスト数 7 誤答テスト数 6 合計コスト ~$0.001 応答時間（平均） 363ms
#145	Muse Wonder xhigh	Meta	3	0.8	$4.012	14/23	34.4s
合計テスト数 23 誤答テスト数 9 合計コスト $4.012 応答時間（平均） 34.4s
#144	Muse Glimmer 30B medium	Meta	9	0.8	$0.288	12/23	34.0s
合計テスト数 23 誤答テスト数 11 合計コスト $0.288 応答時間（平均） 34.0s
#143	Qwen3.7 Flash low	Qwen	7	0.8	$0.071	12/23	41.0s
合計テスト数 23 誤答テスト数 11 合計コスト $0.071 応答時間（平均） 41.0s
#142	Qwen3.5 Plus 2026-04-20 medium	Qwen	8	0.8	$0.435	14/23	54.1s
合計テスト数 23 誤答テスト数 9 合計コスト $0.435 応答時間（平均） 54.1s
#141	Claude Haiku 5.5 medium	Anthropic	5	0.8	$0.063	13/23	7.71s
合計テスト数 23 誤答テスト数 10 合計コスト $0.063 応答時間（平均） 7.71s
#140	Nemotron 3.5 Super VL medium	NVIDIA	4	0.8	$0.437	14/23	84.9s
合計テスト数 23 誤答テスト数 9 合計コスト $0.437 応答時間（平均） 84.9s
#139	Muse Glimmer 30B high	Meta	7	0.8	$0.506	11/23	69.9s
合計テスト数 23 誤答テスト数 12 合計コスト $0.506 応答時間（平均） 69.9s
#138	GPT-6 Luna high	OpenAI	6	0.8	$0.074	15/23	20.4s
合計テスト数 23 誤答テスト数 8 合計コスト $0.074 応答時間（平均） 20.4s
#137	Muse Wonder high	Meta	2	0.8	$3.426	15/23	23.0s
合計テスト数 23 誤答テスト数 8 合計コスト $3.426 応答時間（平均） 23.0s

不正解の失敗

モデルを絞り込む

不正解件数上位モデル

不正解件数対スコア

応答時間（平均）上位モデル

不正解 の失敗

モデルを絞り込む

不正解 件数 上位モデル

不正解 件数 対 スコア

応答時間（平均） 上位モデル

不正解の失敗

不正解件数上位モデル

不正解件数対スコア

応答時間（平均）上位モデル