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) |
|---|---|---|---|---|---|---|---|
| #224 | Mercury 2.5 Preview high | Inception | 3 | 0.3 | $0.040 | 0/3 | 5.68s |
| #225 | Mercury 2.5 high | Inception | 3 | 0.3 | $0.044 | 0/3 | 4.86s |
| #229 | KAT-Coder-Pro V2.5 high | Kwaipilot | 3 | 0.3 | $0.506 | 0/3 | 44.7s |
| #230 | Grok 4.3 medium | X AI | 3 | 0.3 | $0.989 | 0/3 | 158.0s |
| #234 | Beam 1.0 501B A23B max | Reflection | 3 | 0.3 | $0.799 | 0/3 | 31.9s |
| #235 | Solar Pro 4 medium | Upstage | 3 | 0.3 | $0.098 | 0/3 | 201.8s |
| #238 | Beam 1.0 501B A23B low | Reflection | 3 | 0.3 | $0.432 | 0/3 | 8.45s |
| #239 | Mercury 2.5 medium | Inception | 3 | 0.4 | $0.034 | 0/3 | 4.39s |
| #243 | Dots 3 Note Preview low | Dots Studio | 3 | 0.4 | $0.000 | 0/3 | 49.5s |
| #250 | Solar Pro 4 high | Upstage | 3 | 0.4 | $0.077 | 0/3 | 280.8s |
| #257 | DeepSeek V4 Flash 0423 none | DeepSeek | 3 | 0.3 | $0.149 | 0/3 | 15.3s |
| #260 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 3 | 0.3 | $0.669 | 0/3 | 35.1s |
| #264 | Claude Fable 5.1 low | Anthropic | 3 | 0.4 | $3.395 | 0/3 | 19.3s |
| #266 | Beam 1.0 501B A23B high | Reflection | 3 | 0.4 | $0.674 | 0/3 | 20.7s |
| #268 | Apodex 1.1 Mini low | Apodex | 3 | 0.4 | $0.000 | 0/3 | 50.2s |