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
198/198
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 | Muse Spark 1.1 medium | Meta | 3 | 3.5 | $1.357 | 0/3 | 71.4s |
| #19 | Qwen3.6 Max Preview medium | Qwen | 3 | 2.9 | $1.143 | 0/3 | 95.9s |
| #20 | Grok 4.5 low | X AI | 3 | 3.0 | $0.935 | 0/3 | 72.6s |
| #22 | Grok 4.5 medium | X AI | 3 | 2.9 | $1.928 | 0/3 | 198.9s |
| #24 | Muse Spark 1.1 low | Meta | 3 | 2.9 | $0.647 | 0/3 | 29.7s |
| #36 | Qwen3.7 Plus medium | Qwen | 3 | 3.6 | $0.267 | 0/3 | 45.3s |
| #37 | Qwen3.6 Plus medium | Qwen | 3 | 2.9 | $0.405 | 0/3 | 29.6s |
| #45 | DeepSeek V4 Flash high | DeepSeek | 3 | 4.1 | $0.042 | 0/3 | 100.3s |
| #51 | Nemotron 3 Ultra medium | NVIDIA | 3 | 3.5 | $0.774 | 0/3 | 24.9s |
| #54 | GPT-5.3 Chat none | OpenAI | 3 | 3.5 | $0.571 | 0/3 | 13.0s |
| #56 | GPT-5.4 Mini medium | OpenAI | 3 | 4.1 | $0.756 | 0/3 | 65.3s |
| #62 | KAT-Coder-Pro V2.5 low | Kwaipilot | 3 | 4.1 | $0.387 | 0/3 | 17.5s |
| #64 | Gemini 3.1 Flash Lite Preview medium | 3 | 3.0 | $0.115 | 0/3 | 4.21s | |
| #65 | Gemini 3.1 Flash Lite medium | 3 | 2.9 | $0.117 | 0/3 | 3.16s | |
| #69 | KAT-Coder-Pro V2.5 high | Kwaipilot | 3 | 2.9 | $0.482 | 0/3 | 35.3s |