Clasament Rezolvare de puzzle-uri x Eroare API

Vezi ce modele AI au cele mai mari șanse să întâmpine Eroare API la Rezolvare de puzzle-uri, ca să găsești mai repede punctele slabe.

Modele afișate

Eșecuri totale

Modelul cel mai afectat

Motive de eșec

Răspuns greșit352 Nu a urmat instrucțiunile166 Eroare API35 Formatare suplimentară16 Fără răspuns14 Timp expirat11

Categorii

Programare65 Combinat62 Trucuri anti-AI44 Specific domeniului40 Apelare instrumente39 Parsare și extragere de date37 Sarcini agentice36 Rezolvare de puzzle-uri35 Respectarea instrucțiunilor25 Cultură generală19

23/23

Rang	Model	Companie	Număr de Eroare API	Scor de categorie	Cost total	Teste corecte	Timp de răspuns (mediu)
#383	Hy3 preview low	Tencent	1	0.5	$0.042	1/3	7.51s
Total teste 3 Teste greșite 2 Cost total $0.042 Timp de răspuns (mediu) 7.51s
#403	Laguna M.1 medium	Poolside	1	0.5	$0.033	1/3	10.2s
Total teste 3 Teste greșite 2 Cost total $0.033 Timp de răspuns (mediu) 10.2s
#412	Laguna M.1 default	Poolside	1	0.3	$0.009	0/3	891ms
Total teste 3 Teste greșite 3 Cost total $0.009 Timp de răspuns (mediu) 891ms
#418	Laguna Xs.2 medium	Poolside	1	0.5	$0.015	1/3	1.93s
Total teste 3 Teste greșite 2 Cost total $0.015 Timp de răspuns (mediu) 1.93s
#425	Laguna Xs.2 default	Poolside	1	0.5	$0.004	1/3	650ms
Total teste 3 Teste greșite 2 Cost total $0.004 Timp de răspuns (mediu) 650ms
#429	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	1	0.3	$0.000	0/3	1.40s
Total teste 3 Teste greșite 3 Cost total $0.000 Timp de răspuns (mediu) 1.40s
#431	Nemotron 3 Nano Omni 30b A3b Reasoning default	NVIDIA	1	0.3	$0.000	0/3	532ms
Total teste 3 Teste greșite 3 Cost total $0.000 Timp de răspuns (mediu) 532ms
#445	LFM2-24B-A2B default	Liquid	1	0.4	$0.001	0/3	1.78s
Total teste 3 Teste greșite 3 Cost total $0.001 Timp de răspuns (mediu) 1.78s

Filtrează modelele