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: Cost total ↓.
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) |
|---|---|---|---|---|---|---|---|
| #8 | GPT-6 Astra xhigh | OpenAI | 1 | 0.8 | $6.213 | 2/3 | 147.0s |
| #391 | Grok 4.20 Multi Agent Beta medium | X AI | 2 | 0.3 | $5.599 | 0/3 | 24.7s |
| #57 | Claude Fable 5 medium | Anthropic | 1 | 0.5 | $5.089 | 1/3 | 37.3s |
| #33 | GPT-5.5 medium | OpenAI | 2 | 0.5 | $4.809 | 1/3 | 168.2s |
| #122 | Muse Wonder max | Meta | 1 | 0.3 | $4.766 | 0/3 | 189.6s |
| #89 | GLM 5.2 high | Z.ai | 1 | 0.3 | $4.632 | 0/3 | 126.8s |
| #27 | Claude Opus 5 high | Anthropic | 2 | 0.3 | $4.524 | 0/3 | 104.2s |
| #7 | GPT-6 Astra high | OpenAI | 1 | 0.8 | $4.458 | 2/3 | 95.1s |
| #82 | Qwen3.8 2.4T A95B low | Qwen | 3 | 0.3 | $4.016 | 0/3 | 287.7s |
| #139 | Muse Wonder xhigh | Meta | 2 | 0.4 | $4.012 | 0/3 | 150.7s |
| #169 | Claude Opus 4.8 low | Anthropic | 2 | 0.5 | $3.787 | 1/3 | 46.5s |
| #95 | Claude Opus 4.8 medium | Anthropic | 3 | 0.4 | $3.490 | 0/3 | 18.1s |
| #116 | Claude Fable 5.1 high | Anthropic | 1 | 0.8 | $3.471 | 2/3 | 24.3s |
| #131 | Muse Wonder high | Meta | 1 | 0.5 | $3.426 | 1/3 | 78.6s |
| #203 | Grok 4.7 xhigh | X AI | 1 | 0.3 | $3.398 | 0/3 | 190.6s |