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) |
|---|---|---|---|---|---|---|---|
| #248 | Gemini 3.1 Flash Lite Preview low | 1 | 0.8 | $0.736 | 2/3 | 2.10s | |
| #249 | Gemini 3.1 Flash Lite low | 1 | 0.8 | $0.717 | 2/3 | 1.44s | |
| #251 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 0.8 | $0.176 | 2/3 | 1.24s |
| #258 | Grok 4.20 medium | X AI | 1 | 0.3 | $1.246 | 0/3 | 49.7s |
| #259 | Space Bunny Alpha xhigh | Stealth | 1 | 0.6 | $0.000 | 1/3 | 234.1s |
| #275 | Claude Sonnet 4.6 none | Anthropic | 1 | 0.8 | $0.661 | 2/3 | 2.27s |
| #285 | Nemotron 3 Ultra none | NVIDIA | 1 | 0.5 | $0.164 | 1/3 | 758ms |
| #289 | DeepSeek V4.1 Flash none | DeepSeek | 1 | 0.8 | $0.391 | 2/3 | 5.46s |
| #296 | Seed 2.1 Turbo none | Bytedance Seed | 1 | 0.8 | $0.182 | 2/3 | 1.36s |
| #314 | Claude Opus 4.7 none | Anthropic | 1 | 0.8 | $0.505 | 2/3 | 1.19s |
| #315 | Qwen3.8 27B none | Qwen | 1 | 0.8 | ~$0.010 | 2/3 | 552ms |
| #331 | KAT Coder AIR V2.5 high | Kwaipilot | 1 | 0.3 | $0.077 | 0/3 | 7.28s |
| #332 | Mimo V2 PRO medium | Xiaomi | 1 | 0.5 | $0.333 | 1/3 | 8.82s |
| #342 | MiniMax M2.7 medium | Minimax | 1 | 0.3 | $0.326 | 0/3 | 39.7s |
| #355 | Mimo V2 Omni medium | Xiaomi | 1 | 0.3 | $0.683 | 0/3 | 47.9s |