Specific domeniului: Răspuns greșit
Specific domeniului
Răspuns greșit
Vezi ce modele AI au cele mai mari șanse să întâmpine Răspuns greșit la Specific domeniului, ca să găsești mai repede punctele slabe.
Motive de eșec
414/414
Filtrează modelele
Niciun model nu corespunde căutării și filtrelor curente.
| Rang | Model | Companie | Număr de Răspuns greșit | Scor de categorie | Cost total | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|
| #28 | Claude Opus 5 medium | Anthropic | 3 | 0.3 | $2.870 | 0/3 | 26.3s |
| #35 | Qwen3.8 MAX medium | Qwen | 3 | 0.3 | $1.181 | 0/3 | 41.8s |
| #46 | Qwen3.8 Max (0902) medium | Qwen | 3 | 0.4 | $1.096 | 0/3 | 49.4s |
| #47 | Muse Spark 1.3 medium | Meta | 3 | 0.3 | $1.712 | 0/3 | 132.3s |
| #48 | Gemini 3.5 Flash Lite high | 3 | 0.4 | $0.624 | 0/3 | 23.1s | |
| #54 | Muse Spark 1.2 high | Meta | 3 | 0.4 | $2.018 | 0/3 | 108.9s |
| #56 | Muse Spark 1.1 medium | Meta | 3 | 0.3 | $1.665 | 0/3 | 80.8s |
| #59 | Qwen3.8 MAX low | Qwen | 3 | 0.3 | $1.089 | 0/3 | 40.1s |
| #63 | DeepSeek V4.1 Flash medium | DeepSeek | 3 | 0.3 | $0.591 | 0/3 | 153.0s |
| #68 | Seed 2.1 Turbo medium | Bytedance Seed | 3 | 0.3 | $2.042 | 0/3 | 656.0s |
| #70 | DeepSeek V4.1 Flash max | DeepSeek | 3 | 0.4 | $1.204 | 0/3 | 198.4s |
| #72 | Claude Sonnet 5.5 xhigh | Anthropic | 3 | 0.3 | $1.516 | 0/3 | 35.3s |
| #73 | Claude Sonnet 5.5 high | Anthropic | 3 | 0.3 | $1.175 | 0/3 | 17.5s |
| #77 | Muse Spark 1.3 low | Meta | 3 | 0.3 | $0.911 | 0/3 | 45.6s |
| #79 | Qwen3.7 Max medium | Qwen | 3 | 0.4 | $1.689 | 0/3 | 52.5s |