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) |
|---|---|---|---|---|---|---|---|
| #112 | Gemini 3.1 Flash Lite Preview none | 2 | 5.3 | $0.052 | 1/3 | 942ms | |
| #113 | Qwen3.5 Plus 2026-02-15 none | Qwen | 2 | 5.3 | $0.073 | 1/3 | 1.17s |
| #118 | Claude Sonnet 5 none | Anthropic | 2 | 5.3 | $0.548 | 1/3 | 3.28s |
| #119 | MiMo-V2-Flash medium | Xiaomi | 2 | 5.9 | $0.043 | 1/3 | 96.0s |
| #124 | Gemini 2.5 Flash none | 2 | 5.9 | $0.017 | 1/3 | 495ms | |
| #129 | Inkling low | Thinkingmachines | 2 | 5.3 | $0.187 | 1/3 | 1.99s |
| #130 | Qwen3.6 Flash none | Qwen | 2 | 5.3 | $0.062 | 1/3 | 1.11s |
| #132 | Qwen3.5 Plus 2026-04-20 none | Qwen | 2 | 5.3 | $0.122 | 1/3 | 4.43s |
| #135 | Nemotron 3 Ultra none | NVIDIA | 2 | 5.3 | $0.095 | 1/3 | 698ms |
| #136 | Step 3.5 Flash medium | Stepfun | 2 | 5.3 | $0.108 | 1/3 | 170.5s |
| #137 | Grok 4.20 Beta medium | X AI | 2 | 5.3 | $0.750 | 1/3 | 21.3s |
| #138 | GPT-5.6 Terra none | OpenAI | 2 | 5.3 | $0.349 | 1/3 | 757ms |
| #139 | Gemini 3 PRO Preview medium | 2 | 5.3 | $0.385 | 1/3 | 7.01s | |
| #141 | Hy3 preview high | Tencent | 2 | 5.3 | $0.048 | 1/3 | 109.0s |
| #143 | North Mini Code medium | Cohere | 2 | 5.3 | $0.000 | 1/3 | 71.4s |