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) |
|---|---|---|---|---|---|---|---|
| #70 | Claude Opus 4.8 none | Anthropic | 2 | 5.3 | $1.166 | 1/3 | 1.70s |
| #71 | Step 3.7 Flash low | Stepfun | 2 | 5.3 | $0.454 | 1/3 | 43.3s |
| #77 | Grok 4.3 medium | X AI | 2 | 5.3 | $0.779 | 1/3 | 181.7s |
| #80 | DeepSeek V3.2 medium | DeepSeek | 2 | 2.9 | $0.078 | 0/3 | 24.3s |
| #81 | Kimi K2.5 medium | Moonshot AI | 2 | 3.5 | $0.600 | 0/3 | 137.3s |
| #86 | DeepSeek V4 Pro none | DeepSeek | 2 | 5.3 | $0.096 | 1/3 | 3.72s |
| #90 | Step 3.7 Flash high | Stepfun | 2 | 4.1 | $1.207 | 0/3 | 149.6s |
| #94 | Qwen3.6 35B A3B medium | Qwen | 2 | 5.3 | $0.746 | 1/3 | 22.5s |
| #96 | LongCat 2.0 low | Meituan | 2 | 3.0 | $0.391 | 0/3 | 86.1s |
| #98 | GLM 5V Turbo medium | Z.ai | 2 | 5.3 | $0.457 | 1/3 | 38.1s |
| #100 | Gemma 4 26B A4B medium | 2 | 2.9 | $0.089 | 0/3 | 23.6s | |
| #101 | GLM 5.2 none | Z.ai | 2 | 5.3 | $0.128 | 1/3 | 4.04s |
| #106 | Hy3 preview medium | Tencent | 2 | 5.3 | $0.018 | 1/3 | 22.3s |
| #110 | Gemini 3.1 Flash Lite Preview low | 2 | 5.3 | $0.646 | 1/3 | 2.36s | |
| #111 | Gemini 3.1 Flash Lite low | 2 | 5.3 | $0.621 | 1/3 | 1.52s |