Clasament Combinat x Eroare API

Vezi ce modele AI au cele mai mari șanse să întâmpine Eroare API la Combinat, ca să găsești mai repede punctele slabe.

Modele afișate

Eșecuri totale

Modelul cel mai afectat

Motive de eșec

Apel de instrument invalid177 Răspuns greșit126 Eroare API62 Fără răspuns55 Timp expirat11 Formatare suplimentară1 Nu a urmat instrucțiunile1

Categorii

Programare65 Combinat62 Trucuri anti-AI44 Specific domeniului40 Apelare instrumente39 Sarcini agentice36 Rezolvare de puzzle-uri35 Parsare și extragere de date32 Respectarea instrucțiunilor25 Cultură generală19

49/49

Rang	Model	Companie	Număr de Eroare API	Scor de categorie	Cost total	Teste corecte	Timp de răspuns (mediu)
#151	Seed-2.0-Code medium	Bytedance Seed	2	0.5	$1.275	0/2	102.3s
Total teste 2 Teste greșite 2 Cost total $1.275 Timp de răspuns (mediu) 102.3s
#220	Beam 1.0 501B A23B medium	Reflection	2	0.3	$0.499	0/2	2.62s
Total teste 2 Teste greșite 2 Cost total $0.499 Timp de răspuns (mediu) 2.62s
#226	Beam 1.0 501B A23B xhigh	Reflection	2	0.3	$0.688	0/2	2.68s
Total teste 2 Teste greșite 2 Cost total $0.688 Timp de răspuns (mediu) 2.68s
#234	Beam 1.0 501B A23B max	Reflection	2	0.3	$0.799	0/2	3.04s
Total teste 2 Teste greșite 2 Cost total $0.799 Timp de răspuns (mediu) 3.04s
#238	Beam 1.0 501B A23B low	Reflection	2	0.3	$0.432	0/2	2.22s
Total teste 2 Teste greșite 2 Cost total $0.432 Timp de răspuns (mediu) 2.22s
#265	Gemini 3.5 Flash none	Google	2	0.3	$1.752	0/2	0ms
Total teste 2 Teste greșite 2 Cost total $1.752 Timp de răspuns (mediu) 0ms
#266	Beam 1.0 501B A23B high	Reflection	2	0.3	$0.674	0/2	2.68s
Total teste 2 Teste greșite 2 Cost total $0.674 Timp de răspuns (mediu) 2.68s
#317	Hy4 preview low	Tencent	2	0.3	$1.844	0/2	139.4s
Total teste 2 Teste greșite 2 Cost total $1.844 Timp de răspuns (mediu) 139.4s
#375	Ring 2.6 1t default	Inclusionai	2	0.3	$0.026	0/2	0ms
Total teste 2 Teste greșite 2 Cost total $0.026 Timp de răspuns (mediu) 0ms
#408	Command A+ medium	Cohere	2	0.3	$0.064	0/2	89.3s
Total teste 2 Teste greșite 2 Cost total $0.064 Timp de răspuns (mediu) 89.3s
#414	Command A+ high	Cohere	2	0.3	$0.079	0/2	80.7s
Total teste 2 Teste greșite 2 Cost total $0.079 Timp de răspuns (mediu) 80.7s
#417	Command A+ none	Cohere	2	0.3	$0.000	0/2	46.6s
Total teste 2 Teste greșite 2 Cost total $0.000 Timp de răspuns (mediu) 46.6s
#418	Command A+ low	Cohere	2	0.3	$0.073	0/2	83.5s
Total teste 2 Teste greșite 2 Cost total $0.073 Timp de răspuns (mediu) 83.5s
#17	Gemini 4 Argon high	Google	1	0.7	$1.802	1/2	56.3s
Total teste 2 Teste greșite 1 Cost total $1.802 Timp de răspuns (mediu) 56.3s
#93	Kimi K3 max	Moonshot AI	1	0.7	$3.409	1/2	223.0s
Total teste 2 Teste greșite 1 Cost total $3.409 Timp de răspuns (mediu) 223.0s

Filtrează modelele

Top modele după Număr de Eroare API

Număr de Eroare API vs Scor

Top modele după Timp de răspuns (mediu)

Top modele după Cost irosit estimat

Combinat: Eroare API

Filtrează modelele

Top modele după Număr de Eroare API

Număr de Eroare API vs Scor

Top modele după Timp de răspuns (mediu)

Top modele după Cost irosit estimat