Inteligență generală: Răspuns greșit
Inteligență generală
Răspuns greșit
Vezi ce modele AI au cele mai mari șanse să întâmpine Răspuns greșit la Inteligență generală, ca să găsești mai repede punctele slabe. Sortează după: Cost total ↓.
Motive de eșec
129/129
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) |
|---|---|---|---|---|---|---|---|
| #185 | Step 5 Preview high | Stepfun | 1 | 0.3 | $4.513 | 0/1 | 36.6s |
| #82 | Qwen3.8 2.4T A95B low | Qwen | 1 | 0.6 | $4.016 | 0/1 | 23.0s |
| #203 | Grok 4.7 xhigh | X AI | 1 | 0.5 | $3.398 | 0/1 | 26.3s |
| #124 | Grok 4.5 medium | X AI | 1 | 0.6 | $2.996 | 0/1 | 12.8s |
| #160 | Grok 4.7 medium | X AI | 1 | 0.5 | $2.938 | 0/1 | 32.4s |
| #127 | Grok 4.6 medium | X AI | 1 | 0.4 | $2.270 | 0/1 | 17.3s |
| #44 | Muse Spark Open xhigh | Meta | 1 | 0.6 | $2.081 | 0/1 | 7.26s |
| #153 | Grok 4.7 low | X AI | 1 | 0.4 | $1.933 | 0/1 | 11.3s |
| #317 | Hy4 preview low | Tencent | 1 | 0.8 | $1.844 | 0/1 | 110.4s |
| #219 | Step 3.7 Flash high | Stepfun | 1 | 0.6 | $1.478 | 0/1 | 4.17s |
| #147 | Seed-2.0-Code high | Bytedance Seed | 1 | 0.5 | $1.448 | 0/1 | 36.4s |
| #204 | Grok Build 0.1 medium | X AI | 1 | 0.4 | $1.419 | 0/1 | 18.4s |
| #129 | Grok 4.5 low | X AI | 1 | 0.6 | $1.345 | 0/1 | 4.88s |
| #73 | Claude Sonnet 5.5 high | Anthropic | 1 | 0.6 | $1.175 | 0/1 | 6.93s |
| #75 | Qwen3.8 Max (0902) low | Qwen | 1 | 0.6 | $1.131 | 0/1 | 8.91s |