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
414/414
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) |
|---|---|---|---|---|---|---|---|
| #82 | Qwen3.8 2.4T A95B low | Qwen | 3 | 0.3 | $4.016 | 0/3 | 287.7s |
| #95 | Claude Opus 4.8 medium | Anthropic | 3 | 0.4 | $3.490 | 0/3 | 18.1s |
| #97 | Qwen3.7 Plus medium | Qwen | 3 | 0.4 | $0.415 | 0/3 | 60.1s |
| #102 | Seed-2.0-Lite medium | Bytedance Seed | 3 | 0.4 | $0.271 | 0/3 | 84.4s |
| #103 | Seed-2.0-Code low | Bytedance Seed | 3 | 0.4 | $0.881 | 0/3 | 238.4s |
| #104 | DeepSeek V4 Pro 0423 high | DeepSeek | 3 | 0.4 | $0.149 | 0/3 | 249.5s |
| #106 | DeepSeek V4 Flash 0423 high | DeepSeek | 3 | 0.4 | $0.261 | 0/3 | 115.4s |
| #107 | DeepSeek V4.1 Flash low | DeepSeek | 3 | 0.3 | $0.494 | 0/3 | 95.6s |
| #109 | Nemotron 3 Ultra medium | NVIDIA | 3 | 0.4 | $0.674 | 0/3 | 35.2s |
| #112 | Qwen3.8 Flash Next low | Qwen | 3 | 0.4 | ~$0.045 | 0/3 | 23.3s |
| #117 | GPT-5.4 Mini medium | OpenAI | 3 | 0.4 | $1.102 | 0/3 | 71.1s |
| #120 | Qwen3.8 2.4T A95B high | Qwen | 3 | 0.4 | $2.949 | 0/3 | 301.1s |
| #129 | Grok 4.5 low | X AI | 3 | 0.3 | $1.345 | 0/3 | 77.1s |
| #130 | DeepSeek V4 Flash 0731 medium | DeepSeek | 3 | 0.3 | $0.460 | 0/3 | 203.1s |
| #136 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 3 | 0.3 | $0.435 | 0/3 | 57.4s |