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
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) |
|---|---|---|---|---|---|---|---|
| #181 | Grok 4.20 Multi Agent Beta medium | X AI | 2 | 2.9 | $5.599 | 0/3 | 24.7s |
| #10 | GPT-5.5 medium | OpenAI | 2 | 5.3 | $4.137 | 1/3 | 164.1s |
| #17 | Claude Fable 5 medium | Anthropic | 2 | 5.3 | $3.478 | 1/3 | 53.4s |
| #43 | Claude Opus 4.6 medium | Anthropic | 1 | 3.0 | $3.059 | 0/3 | 83.4s |
| #163 | Gemini 3.1 Flash Lite Preview high | 2 | 5.3 | $2.310 | 1/3 | 127.6s | |
| #41 | Claude Opus 4.8 low | Anthropic | 2 | 5.3 | $2.077 | 1/3 | 45.5s |
| #40 | Claude Sonnet 4.6 medium | Anthropic | 1 | 2.9 | $2.057 | 0/3 | 0ms |
| #143 | Gemini 3.1 Flash Lite high | 3 | 3.6 | $2.044 | 0/3 | 139.9s | |
| #2 | Gemini 3.5 Flash high | 1 | 7.6 | $1.976 | 2/3 | 14.1s | |
| #14 | Claude Opus 4.8 medium | Anthropic | 2 | 5.3 | $1.931 | 1/3 | 14.6s |
| #22 | Grok 4.5 medium | X AI | 3 | 2.9 | $1.928 | 0/3 | 198.9s |
| #12 | Grok 4.5 high | X AI | 2 | 3.6 | $1.707 | 0/3 | 332.1s |
| #27 | Muse Spark 1.1 high | Meta | 2 | 3.5 | $1.694 | 0/3 | 67.4s |
| #58 | Qwen3.5-27B medium | Qwen | 1 | 5.3 | $1.627 | 1/3 | 79.5s |
| #18 | GPT-5.4 medium | OpenAI | 2 | 5.3 | $1.533 | 1/3 | 74.3s |