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. Sortează după: Număr de eșecuri ↑.
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) |
|---|---|---|---|---|---|---|---|
| #2 | Gemini 3.5 Flash high | 1 | 7.6 | $1.976 | 2/3 | 14.1s | |
| #7 | Gemini 3.1 Pro Preview medium | 1 | 7.7 | $1.361 | 2/3 | 32.7s | |
| #9 | Gemini 3.5 Flash medium | 1 | 7.7 | $0.642 | 2/3 | 5.24s | |
| #11 | Gemini 3.5 Flash low | 1 | 7.7 | $0.433 | 2/3 | 3.39s | |
| #21 | GPT-5.2 medium | OpenAI | 1 | 5.9 | $0.951 | 1/3 | 77.8s |
| #23 | Claude Sonnet 5 medium | Anthropic | 1 | 7.7 | $0.922 | 2/3 | 20.4s |
| #28 | Inkling high | Thinkingmachines | 1 | 7.7 | $1.006 | 2/3 | 186.4s |
| #29 | Step 3.7 Flash medium | Stepfun | 1 | 7.7 | $0.515 | 2/3 | 48.3s |
| #31 | GLM 5.2 high | Z.ai | 1 | 3.7 | $0.970 | 0/3 | 74.0s |
| #38 | GLM 5.2 medium | Z.ai | 1 | 4.1 | $0.222 | 0/3 | 45.5s |
| #40 | Claude Sonnet 4.6 medium | Anthropic | 1 | 2.9 | $2.057 | 0/3 | 0ms |
| #43 | Claude Opus 4.6 medium | Anthropic | 1 | 3.0 | $3.059 | 0/3 | 83.4s |
| #44 | GPT-5.6 Luna high | OpenAI | 1 | 7.7 | $1.017 | 2/3 | 79.0s |
| #48 | Grok Build 0.1 medium | X AI | 1 | 5.3 | $1.097 | 1/3 | 158.0s |
| #57 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 5.3 | $0.437 | 1/3 | 17.5s |