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
299/299
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) |
|---|---|---|---|---|---|---|---|
| #102 | Kimi K2.7 Code medium | Moonshot AI | 1 | 3.7 | $0.687 | 0/3 | 184.2s |
| #108 | Claude Sonnet 4.6 none | Anthropic | 1 | 7.7 | $0.661 | 2/3 | 2.27s |
| #109 | GLM 5.3 high | Z.ai | 1 | 2.9 | $0.403 | 0/3 | 112.3s |
| #129 | GLM 5.1 medium | Z.ai | 1 | 3.0 | $0.727 | 0/3 | 114.0s |
| #132 | Grok 4.20 medium | X AI | 1 | 2.9 | $0.805 | 0/3 | 49.7s |
| #133 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 3.0 | $0.116 | 0/3 | 103.4s |
| #148 | Gemini 3 Flash Preview none | 1 | 7.7 | $0.085 | 2/3 | 879ms | |
| #149 | Gemma 4 26B A4B medium | 1 | 5.3 | $0.092 | 1/3 | 35.1s | |
| #150 | GLM 5.2 none | Z.ai | 1 | 7.7 | $0.153 | 2/3 | 6.35s |
| #152 | LongCat 2.0 low | Meituan | 1 | 2.9 | $0.412 | 0/3 | 183.6s |
| #153 | Gemini 3.5 Flash minimal | 1 | 7.7 | $0.300 | 2/3 | 879ms | |
| #156 | Claude Opus 4.7 none | Anthropic | 1 | 7.7 | $0.505 | 2/3 | 1.19s |
| #159 | Gemini 3.1 Flash Lite Preview low | 1 | 7.7 | $0.646 | 2/3 | 2.10s | |
| #161 | Gemini 3.1 Flash Lite low | 1 | 7.7 | $0.621 | 2/3 | 1.44s | |
| #164 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 7.7 | $0.073 | 2/3 | 1.24s |