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) |
|---|---|---|---|---|---|---|---|
| #11 | GPT-6.1 Sol medium | OpenAI | 1 | 0.8 | $0.530 | 2/3 | 23.8s |
| #12 | GPT-6.1 Sol high | OpenAI | 1 | 0.8 | $0.755 | 2/3 | 59.0s |
| #14 | GPT-6 Astra low | OpenAI | 1 | 0.8 | $2.160 | 2/3 | 13.9s |
| #15 | Gemini 3 Flash Preview medium | 1 | 0.8 | $0.876 | 2/3 | 20.1s | |
| #16 | GPT-6.1 Sol low | OpenAI | 1 | 0.8 | $0.460 | 2/3 | 15.4s |
| #17 | Gemini 4 Argon high | 1 | 0.8 | $1.802 | 2/3 | 32.9s | |
| #18 | Gemini 3.7 Flash medium | 1 | 0.8 | $0.278 | 2/3 | 6.49s | |
| #19 | GPT-6 Sol medium | OpenAI | 1 | 0.8 | $0.703 | 2/3 | 36.4s |
| #26 | Gemini 3.7 Flash low | 1 | 0.8 | $0.183 | 2/3 | 3.09s | |
| #29 | Seed 2.1 Turbo low | Bytedance Seed | 1 | 0.3 | $1.645 | 0/3 | 424.5s |
| #31 | Claude Opus 5.5 medium | Anthropic | 1 | 0.8 | $1.804 | 2/3 | 21.3s |
| #32 | Muse Wonder medium | Meta | 1 | 0.5 | $3.397 | 1/3 | 70.7s |
| #36 | Qwen3.8 Max (0902) high | Qwen | 1 | 0.6 | $3.306 | 1/3 | 658.5s |
| #38 | Claude Haiku 5.5 xhigh | Anthropic | 1 | 0.5 | $0.140 | 1/3 | 47.8s |
| #41 | Pareto default | Unbiased | 1 | 0.8 | $1.520 | 2/3 | 98.8s |