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
299/299
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) |
|---|---|---|---|---|---|---|---|
| #16 | Claude Opus 5 medium | Anthropic | 3 | 2.9 | $1.586 | 0/3 | 26.3s |
| #19 | Qwen3.7 Max medium | Qwen | 3 | 4.1 | $1.157 | 0/3 | 52.5s |
| #23 | Qwen3.8 Max medium | Qwen | 3 | 3.0 | $0.771 | 0/3 | 41.8s |
| #29 | Muse Spark 1.3 medium | Meta | 3 | 3.5 | $1.469 | 0/3 | 132.3s |
| #30 | Gemini 3.5 Flash Lite high | 3 | 3.6 | $0.540 | 0/3 | 23.1s | |
| #31 | Claude Opus 4.8 medium | Anthropic | 3 | 3.6 | $1.983 | 0/3 | 18.1s |
| #36 | Muse Spark 1.2 high | Meta | 3 | 4.1 | $1.771 | 0/3 | 108.9s |
| #38 | Muse Spark 1.1 medium | Meta | 3 | 3.5 | $1.420 | 0/3 | 80.8s |
| #41 | Qwen3.8 Max low | Qwen | 3 | 2.9 | $0.702 | 0/3 | 40.1s |
| #46 | Grok 4.5 low | X AI | 3 | 2.9 | $0.945 | 0/3 | 77.1s |
| #49 | Seed 2.1 Turbo medium | Bytedance Seed | 3 | 2.9 | $1.951 | 0/3 | 656.0s |
| #54 | Muse Spark 1.3 low | Meta | 3 | 3.5 | $0.689 | 0/3 | 45.6s |
| #61 | DeepSeek V4 Flash 0731 low | DeepSeek | 3 | 3.0 | $0.044 | 0/3 | 255.5s |
| #70 | Qwen3.7 Plus medium | Qwen | 3 | 3.6 | $0.277 | 0/3 | 60.1s |
| #71 | Qwen3.6 Plus medium | Qwen | 3 | 2.9 | $0.418 | 0/3 | 46.4s |