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) |
|---|---|---|---|---|---|---|---|
| #301 | Solar Pro 4 none | Upstage | 3 | 0.3 | $0.022 | 0/3 | 4.65s |
| #303 | GLM 5 none | Z.ai | 3 | 0.3 | $0.140 | 0/3 | 2.24s |
| #307 | Kimi K2.6 none | Moonshot AI | 3 | 0.3 | $0.486 | 0/3 | 1.39s |
| #309 | Gemini 2.5 Flash none | 3 | 0.4 | $0.017 | 0/3 | 449ms | |
| #313 | Seed-2.0-Code none | Bytedance Seed | 3 | 0.3 | $0.257 | 0/3 | 1.91s |
| #317 | Hy4 preview low | Tencent | 3 | 0.5 | $1.844 | 0/3 | 470.2s |
| #319 | Step 3.5 Flash medium | Stepfun | 3 | 0.3 | $0.105 | 0/3 | 311.6s |
| #322 | GPT-5.6 Luna none | OpenAI | 3 | 0.4 | $0.042 | 0/3 | 784ms |
| #324 | Kimi K2.5 none | Moonshot AI | 3 | 0.3 | $0.262 | 0/3 | 2.75s |
| #327 | Qwen3.6 35B A3B none | Qwen | 3 | 0.3 | $0.105 | 0/3 | 7.76s |
| #330 | Nemotron 3.5 Lightning high | NVIDIA | 3 | 0.3 | $0.168 | 0/3 | 88.6s |
| #336 | Mercury 2.5 low | Inception | 3 | 0.4 | $0.020 | 0/3 | 846ms |
| #338 | MiMo-V2.5-Pro none | Xiaomi | 3 | 0.3 | $0.135 | 0/3 | 1.79s |
| #339 | Apodex 1.1 Mini default | Apodex | 3 | 0.3 | $0.000 | 0/3 | 870ms |
| #340 | Laguna S 2.1 medium | Poolside | 3 | 0.3 | $0.092 | 0/3 | 2.68s |