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.
Motive de eșec
423/423
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) |
|---|---|---|---|---|---|---|---|
| #172 | Claude Opus 4.8 low | Anthropic | 2 | 0.5 | $3.787 | 1/3 | 46.5s |
| #174 | LongCat 2.0 medium | Meituan | 2 | 0.3 | $0.767 | 0/3 | 390.6s |
| #175 | GLM 5 medium | Z.ai | 2 | 0.3 | $0.479 | 0/3 | 0ms |
| #177 | Qwen3.6 27B medium | Qwen | 2 | 0.3 | $1.021 | 0/3 | 71.5s |
| #178 | Claude Opus 5 none | Anthropic | 2 | 0.5 | $2.766 | 1/3 | 11.1s |
| #184 | GPT-5.2 Chat default | OpenAI | 2 | 0.3 | $0.594 | 0/3 | 23.7s |
| #185 | Qwen3.6 Max Preview medium | Qwen | 2 | 0.5 | $1.132 | 1/3 | 88.5s |
| #186 | Gemini 3.1 Flash Lite Preview medium | 2 | 0.5 | $0.158 | 1/3 | 4.09s | |
| #187 | Kimi K2.7 Code medium | Moonshot AI | 2 | 0.4 | $1.136 | 0/3 | 184.2s |
| #188 | Ember-1 low | Fireworks | 2 | 0.3 | $1.488 | 0/3 | 56.2s |
| #192 | Gemini 3 Flash Preview low | 2 | 0.5 | $0.254 | 1/3 | 9.74s | |
| #194 | Minimax M3.1 Flash max | Minimax | 2 | 0.6 | $0.000 | 1/3 | 186.3s |
| #196 | Ember-1 high | Fireworks | 2 | 0.3 | $2.405 | 0/3 | 175.5s |
| #197 | Gemma 4 31B medium | 2 | 0.5 | $0.144 | 1/3 | 59.9s | |
| #200 | Claude Opus 4.8 none | Anthropic | 2 | 0.5 | $2.334 | 1/3 | 1.76s |