Clasament Specific domeniului x 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.

Modele afișate

Eșecuri totale

878

Modelul cel mai afectat

Motive de eșec

Răspuns greșit878 Fără răspuns63 Timp expirat46 Eroare API40 Formatare suplimentară36 Nu a urmat instrucțiunile3

Categorii

Specific domeniului878 Trucuri anti-AI502 Programare477 Rezolvare de puzzle-uri344 Cultură generală306 Inteligență generală129 Combinat126 Sarcini agentice126 Respectarea instrucțiunilor111 Parsare și extragere de date93

414/414

Rang	Model	Companie	Număr de Răspuns greșit	Scor de categorie	Cost total	Teste corecte	Timp de răspuns (mediu)
#392	Hunter Alpha medium	OpenRouter	1	0.3	$0.000	0/3	10.5s
Total teste 3 Teste greșite 3 Cost total $0.000 Timp de răspuns (mediu) 10.5s
#393	Grok 4.1 Fast medium	X AI	1	0.6	$0.069	1/3	121.8s
Total teste 3 Teste greșite 2 Cost total $0.069 Timp de răspuns (mediu) 121.8s
#398	Xing4.0 29b A4b medium	Xingchen AGI	1	0.4	$0.000	0/3	381.9s
Total teste 3 Teste greșite 3 Cost total $0.000 Timp de răspuns (mediu) 381.9s
#423	Jev 1.13 default	Typesafe	1	0.8	$0.003	2/3	632ms
Total teste 3 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 632ms
#424	Decider V1.2 default	Perplexity	1	0.6	$0.001	1/3	541ms
Total teste 3 Teste greșite 2 Cost total $0.001 Timp de răspuns (mediu) 541ms
#429	Jev 1.14 default	Typesafe	1	0.8	$0.003	2/3	444ms
Total teste 3 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 444ms
#436	LFM2-24B-A2B default	Liquid	1	0.6	$0.001	1/3	287ms
Total teste 3 Teste greșite 2 Cost total $0.001 Timp de răspuns (mediu) 287ms
#437	Solar Decide Flash default	Upstage	1	0.4	$0.003	1/2	1.11s
Total teste 2 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 1.11s
#439	Solar Decide default	Upstage	1	0.4	$0.009	1/2	7.26s
Total teste 2 Teste greșite 1 Cost total $0.009 Timp de răspuns (mediu) 7.26s

Filtrează modelele