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: 正解テスト ↑.

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）
#113	GPT-5.6 Luna high	OpenAI	8	0.8	$0.118	15/23	18.4s
合計テスト数 23 誤答テスト数 8 合計コスト $0.118 応答時間（平均） 18.4s
#117	Qwen3.8 Flash Next low	Qwen	6	0.8	~$0.045	15/23	23.7s
合計テスト数 23 誤答テスト数 8 合計コスト ~$0.045 応答時間（平均） 23.7s
#120	GLM 5.3 FlashX max	Z.ai	2	0.8	$0.623	15/23	44.0s
合計テスト数 23 誤答テスト数 8 合計コスト $0.623 応答時間（平均） 44.0s
#125	Qwen3.8 2.4T A95B high	Qwen	4	0.8	$2.949	15/23	120.9s
合計テスト数 23 誤答テスト数 8 合計コスト $2.949 応答時間（平均） 120.9s
#128	Ling 3.1 Flash high	Inclusionai	2	0.8	$0.000	15/23	87.4s
合計テスト数 23 誤答テスト数 8 合計コスト $0.000 応答時間（平均） 87.4s
#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
#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
#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
#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
#162	Inkling medium	Thinkingmachines	5	0.7	$0.527	15/23	17.0s
合計テスト数 23 誤答テスト数 8 合計コスト $0.527 応答時間（平均） 17.0s
#165	Claude Fable 5.1 medium	Anthropic	3	0.7	$3.197	15/23	11.9s
合計テスト数 23 誤答テスト数 8 合計コスト $3.197 応答時間（平均） 11.9s
#166	Grok 4.7 medium	X AI	5	0.7	$2.938	15/23	117.7s
合計テスト数 23 誤答テスト数 8 合計コスト $2.938 応答時間（平均） 117.7s
#167	Gemini 2.5 Flash medium	Google	6	0.7	$0.680	15/23	20.5s
合計テスト数 23 誤答テスト数 8 合計コスト $0.680 応答時間（平均） 20.5s
#169	Qwen3.6 Plus medium	Qwen	6	0.7	$0.554	15/23	57.4s
合計テスト数 23 誤答テスト数 8 合計コスト $0.554 応答時間（平均） 57.4s
#194	Grok 4.6 low	X AI	8	0.7	$0.781	15/23	16.4s
合計テスト数 23 誤答テスト数 8 合計コスト $0.781 応答時間（平均） 16.4s

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