Clasament Specific domeniului x 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.

Modele afișate

Eșecuri totale

893

Modelul cel mai afectat

Claude Opus 5 3

Motive de eșec

Răspuns greșit893 Fără răspuns66 Timp expirat46 Eroare API40 Formatare suplimentară36 Nu a urmat instrucțiunile3

Categorii

Specific domeniului893 Trucuri anti-AI519 Programare484 Rezolvare de puzzle-uri352 Cultură generală315 Inteligență generală134 Combinat128 Sarcini agentice128 Respectarea instrucțiunilor117 Parsare și extragere de date93

423/423

Rang	Model	Companie	Număr de Răspuns greșit	Scor de categorie	Cost total	Teste corecte	Timp de răspuns (mediu)
#142	Muse Wonder xhigh	Meta	2	0.4	$4.012	0/3	150.7s
Total teste 3 Teste greșite 3 Cost total $4.012 Timp de răspuns (mediu) 150.7s
#144	GPT-6 Luna low	OpenAI	2	0.5	$0.033	1/3	18.1s
Total teste 3 Teste greșite 2 Cost total $0.033 Timp de răspuns (mediu) 18.1s
#145	Qwen3.8 27B low	Qwen	2	0.5	~$0.089	1/3	60.8s
Total teste 3 Teste greșite 2 Cost total ~$0.089 Timp de răspuns (mediu) 60.8s
#150	Seed-2.0-Code high	Bytedance Seed	2	0.3	$1.448	0/3	419.7s
Total teste 3 Teste greșite 3 Cost total $1.448 Timp de răspuns (mediu) 419.7s
#154	Seed-2.0-Code medium	Bytedance Seed	2	0.5	$1.275	1/3	429.8s
Total teste 3 Teste greșite 2 Cost total $1.275 Timp de răspuns (mediu) 429.8s
#156	Grok 4.7 low	X AI	2	0.5	$1.933	1/3	159.1s
Total teste 3 Teste greșite 2 Cost total $1.933 Timp de răspuns (mediu) 159.1s
#157	Inkling Small high	Thinkingmachines	2	0.5	$0.398	1/3	56.3s
Total teste 3 Teste greșite 2 Cost total $0.398 Timp de răspuns (mediu) 56.3s
#159	Inkling medium	Thinkingmachines	2	0.5	$0.527	1/3	31.6s
Total teste 3 Teste greșite 2 Cost total $0.527 Timp de răspuns (mediu) 31.6s
#161	GLM 5.3 Flash high	Z.ai	2	0.3	$0.056	0/3	85.9s
Total teste 3 Teste greșite 3 Cost total $0.056 Timp de răspuns (mediu) 85.9s
#163	Grok 4.7 medium	X AI	2	0.5	$2.938	1/3	300.4s
Total teste 3 Teste greșite 2 Cost total $2.938 Timp de răspuns (mediu) 300.4s
#164	Gemini 2.5 Flash medium	Google	2	0.6	$0.680	1/3	37.1s
Total teste 3 Teste greșite 2 Cost total $0.680 Timp de răspuns (mediu) 37.1s
#165	LongCat 2.0 high	Meituan	2	0.4	$0.778	0/3	433.7s
Total teste 3 Teste greșite 3 Cost total $0.778 Timp de răspuns (mediu) 433.7s
#168	Qwen3.5-27B none	Qwen	2	0.5	$0.116	1/3	634ms
Total teste 3 Teste greșite 2 Cost total $0.116 Timp de răspuns (mediu) 634ms
#170	Qwen3.8 27B medium	Qwen	2	0.5	~$0.073	1/3	77.0s
Total teste 3 Teste greșite 2 Cost total ~$0.073 Timp de răspuns (mediu) 77.0s
#171	Gemini 3.8 Flash low	Google	2	0.6	$0.323	1/3	6.50s
Total teste 3 Teste greșite 2 Cost total $0.323 Timp de răspuns (mediu) 6.50s

Filtrează modelele

Top modele după Număr de Răspuns greșit

Număr de Răspuns greșit vs Scor

Top modele după Timp de răspuns (mediu)

Top modele după Cost irosit estimat

Specific domeniului: Răspuns greșit

Filtrează modelele

Top modele după Număr de Răspuns greșit

Număr de Răspuns greșit vs Scor

Top modele după Timp de răspuns (mediu)

Top modele după Cost irosit estimatEstimarea include numai energia electrică a plăcii GPU. Restul computerului și achiziția hardware-ului nu sunt incluse. NVIDIA GeForce RTX 3090: 0.8932 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.088310.

Top modele după Cost irosit estimat