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: Teste corecte ↓.
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 | |
| #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 |
| #44 | GPT-5.6 Luna high | OpenAI | 1 | 7.7 | $1.017 | 2/3 | 79.0s |
| #59 | Qwen3.7 Max none | Qwen | 1 | 7.7 | $0.197 | 2/3 | 975ms |
| #63 | Claude Sonnet 4.6 none | Anthropic | 1 | 7.7 | $0.661 | 2/3 | 3.54s |
| #79 | Gemini 3.5 Flash none | 1 | 7.6 | $1.079 | 2/3 | 10.6s | |
| #89 | Gemini 3 Flash Preview none | 1 | 7.7 | $0.085 | 2/3 | 963ms | |
| #94 | Claude Opus 4.7 none | Anthropic | 1 | 7.7 | $0.505 | 2/3 | 1.19s |
| #98 | Qwen3.6 Max Preview none | Qwen | 1 | 7.7 | $0.231 | 2/3 | 1.22s |
| #110 | Gemma 4 31B medium | 1 | 7.7 | $0.163 | 2/3 | 38.5s |