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

Claude Opus 5 3

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)
#137	Qwen3.7 Flash low	Qwen	3	0.4	$0.071	0/3	37.6s
Total teste 3 Teste greșite 3 Cost total $0.071 Timp de răspuns (mediu) 37.6s
#138	Muse Glimmer 30B medium	Meta	3	0.3	$0.288	0/3	44.6s
Total teste 3 Teste greșite 3 Cost total $0.288 Timp de răspuns (mediu) 44.6s
#140	Qwen3.8 Flash Next medium	Qwen	3	0.3	~$0.047	0/3	17.3s
Total teste 3 Teste greșite 3 Cost total ~$0.047 Timp de răspuns (mediu) 17.3s
#146	Mistral Large 4 high	Mistral	3	0.3	$1.391	0/3	289.4s
Total teste 3 Teste greșite 3 Cost total $1.391 Timp de răspuns (mediu) 289.4s
#148	GPT-5.6 Luna medium	OpenAI	3	0.3	$0.065	0/3	18.5s
Total teste 3 Teste greșite 3 Cost total $0.065 Timp de răspuns (mediu) 18.5s
#149	Qwen3.6 Flash medium	Qwen	3	0.3	$0.783	0/3	17.0s
Total teste 3 Teste greșite 3 Cost total $0.783 Timp de răspuns (mediu) 17.0s
#150	DeepSeek V4 Flash 0731 low	DeepSeek	3	0.3	$0.306	0/3	255.5s
Total teste 3 Teste greșite 3 Cost total $0.306 Timp de răspuns (mediu) 255.5s
#152	GLM 5.3 FlashX high	Z.ai	3	0.4	$0.210	0/3	50.0s
Total teste 3 Teste greșite 3 Cost total $0.210 Timp de răspuns (mediu) 50.0s
#155	DeepSeek V4 Pro 0423 none	DeepSeek	3	0.3	$0.083	0/3	4.91s
Total teste 3 Teste greșite 3 Cost total $0.083 Timp de răspuns (mediu) 4.91s
#163	Qwen3.6 Plus medium	Qwen	3	0.3	$0.554	0/3	46.4s
Total teste 3 Teste greșite 3 Cost total $0.554 Timp de răspuns (mediu) 46.4s
#164	Gemini 3.5 Flash Lite medium	Google	3	0.4	$0.440	0/3	5.34s
Total teste 3 Teste greșite 3 Cost total $0.440 Timp de răspuns (mediu) 5.34s
#170	Qwen3.7 Flash high	Qwen	3	0.3	$0.063	0/3	34.4s
Total teste 3 Teste greșite 3 Cost total $0.063 Timp de răspuns (mediu) 34.4s
#173	Step 3.7 Flash low	Stepfun	3	0.3	$0.449	0/3	22.7s
Total teste 3 Teste greșite 3 Cost total $0.449 Timp de răspuns (mediu) 22.7s
#176	Qwen3.8 Flash Next xhigh	Qwen	3	0.3	~$0.195	0/3	327.0s
Total teste 3 Teste greșite 3 Cost total ~$0.195 Timp de răspuns (mediu) 327.0s
#177	GLM 5.3 FlashX medium	Z.ai	3	0.4	$0.114	0/3	3.52s
Total teste 3 Teste greșite 3 Cost total $0.114 Timp de răspuns (mediu) 3.52s

Filtrează modelele

Top modele după Număr de Răspuns greșit

Număr de Răspuns greșit vs Scor

Top modele după Timp de răspuns (mediu)

Top modele după Cost irosit estimat

Specific domeniului: Răspuns greșit

Filtrează modelele

Top modele după Număr de Răspuns greșit

Număr de Răspuns greșit vs Scor

Top modele după Timp de răspuns (mediu)

Top modele după Cost irosit estimatEstimarea include numai energia electrică a plăcii GPU. Restul computerului și achiziția hardware-ului nu sunt incluse. NVIDIA GeForce RTX 3090: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.

Top modele după Cost irosit estimat