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
202/202
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) |
|---|---|---|---|---|---|---|---|
| #214 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 3 | 3.6 | $0.000 | 0/3 | 489ms |
| #5 | GPT-5.6 Sol low | OpenAI | 2 | 5.3 | $0.971 | 1/3 | 29.1s |
| #7 | GPT-5.6 Sol medium | OpenAI | 2 | 5.9 | $1.316 | 1/3 | 47.9s |
| #8 | GPT-5.6 Sol high | OpenAI | 2 | 5.3 | $1.234 | 1/3 | 39.5s |
| #9 | GPT-5.5 low | OpenAI | 2 | 5.3 | $1.253 | 1/3 | 28.1s |
| #11 | Qwen3.7 Max medium | Qwen | 2 | 5.9 | $1.116 | 1/3 | 24.9s |
| #13 | GPT-5.5 medium | OpenAI | 2 | 5.3 | $4.137 | 1/3 | 164.1s |
| #15 | Grok 4.5 high | X AI | 2 | 3.6 | $1.707 | 0/3 | 332.1s |
| #16 | GPT-5.3-Codex medium | OpenAI | 2 | 5.9 | $0.920 | 1/3 | 64.3s |
| #17 | Claude Opus 4.8 medium | Anthropic | 2 | 5.3 | $1.931 | 1/3 | 14.6s |
| #20 | Claude Fable 5 medium | Anthropic | 2 | 5.3 | $3.478 | 1/3 | 53.4s |
| #21 | GPT-5.4 medium | OpenAI | 2 | 5.3 | $1.533 | 1/3 | 74.3s |
| #28 | Gemini 2.5 Flash medium | 2 | 5.9 | $0.643 | 1/3 | 37.3s | |
| #29 | GPT-5 Mini medium | OpenAI | 2 | 3.6 | $0.237 | 0/3 | 44.6s |
| #30 | Muse Spark 1.1 high | Meta | 2 | 3.5 | $1.694 | 0/3 | 67.4s |