Falhas por Resposta incorreta
Veja quais modelos de IA encontram Resposta incorreta com mais frequência para identificar riscos de confiabilidade antes de escolher. Ordenar por: Pontuação ↑.
Categorias
Na categoria Específico do domínio900 Na categoria Truques anti-IA521 Na categoria Programação485 Na categoria Resolução de quebra-cabeças355 Na categoria Conhecimentos gerais317 Na categoria Inteligência geral134 Na categoria Combinado130 Na categoria Tarefas de agentes128 Na categoria Seguimento de instruções118 Na categoria Análise e extração de dados93
447/447
Filtrar modelos
Nenhum modelo corresponde à pesquisa e aos filtros atuais.
| Posição | Modelo | Empresa | Contagem de Resposta incorreta | Pontuação | Custo total | Testes corretos | Tempo de resposta (médio) |
|---|---|---|---|---|---|---|---|
| #45 | Muse Spark Open xhigh | Meta | 2 | 0.9 | $2.081 | 16/23 | 92.4s |
| #44 | Muse Wonder minimal | Meta | 3 | 0.9 | $1.639 | 17/23 | 7.72s |
| #42 | Pareto default | Unbiased | 3 | 0.9 | $1.520 | 19/23 | 33.5s |
| #43 | Seed 2.1 Turbo high | Bytedance Seed | 4 | 0.9 | $1.892 | 17/23 | 170.5s |
| #41 | Muse Wonder low | Meta | 4 | 0.9 | $2.637 | 17/23 | 16.0s |
| #40 | Muse Spark 1.3 high | Meta | 3 | 0.9 | $1.891 | 17/23 | 52.9s |
| #39 | Claude Haiku 5.5 xhigh | Anthropic | 2 | 0.9 | $0.140 | 18/23 | 16.6s |
| #38 | GPT-5.3-Codex medium | OpenAI | 4 | 0.9 | $1.318 | 17/23 | 18.9s |
| #37 | Qwen3.8 Max (0902) high | Qwen | 2 | 0.9 | $3.306 | 18/23 | 186.1s |
| #36 | DeepSeek V4.1 Flash 1017 low | DeepSeek | 5 | 0.9 | $0.355 | 16/23 | 32.5s |
| #35 | Qwen3.8 MAX medium | Qwen | 4 | 0.9 | $1.181 | 18/23 | 27.3s |
| #33 | GPT-5.5 medium | OpenAI | 4 | 0.9 | $4.809 | 19/23 | 39.9s |
| #32 | Muse Wonder medium | Meta | 2 | 0.9 | $3.397 | 17/23 | 21.6s |
| #31 | Claude Opus 5.5 medium | Anthropic | 2 | 0.9 | $1.804 | 20/23 | 25.9s |
| #30 | Muse Spark Open high | Meta | 2 | 0.9 | $1.782 | 17/23 | 152.0s |