Rezolvare de puzzle-uri: Răspuns greșit
Rezolvare de puzzle-uri
Răspuns greșit
Vezi ce modele AI au cele mai mari șanse să întâmpine Răspuns greșit la Rezolvare de puzzle-uri, ca să găsești mai repede punctele slabe. Sortează după: Teste corecte ↑.
Motive de eșec
142/142
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) |
|---|---|---|---|---|---|---|---|
| #53 | GPT-5.4 Nano medium | OpenAI | 2 | 4.1 | $0.138 | 0/3 | 3.79s |
| #91 | LongCat 2.0 low | Meituan | 2 | 3.1 | $0.391 | 0/3 | 8.15s |
| #97 | LongCat 2.0 high | Meituan | 2 | 3.1 | $0.469 | 0/3 | 9.18s |
| #111 | LongCat 2.0 none | Meituan | 2 | 4.0 | $0.044 | 0/3 | 2.74s |
| #124 | Qwen3.6 Flash none | Qwen | 2 | 3.5 | $0.062 | 0/3 | 1.21s |
| #125 | Qwen3.5-Flash none | Qwen | 3 | 3.1 | $0.073 | 0/3 | 10.9s |
| #127 | Qwen3.5-35B-A3B none | Qwen | 2 | 3.7 | $0.106 | 0/3 | 1.35s |
| #137 | North Mini Code medium | Cohere | 3 | 3.3 | $0.000 | 0/3 | 19.7s |
| #138 | Kimi K2.6 none | Moonshot AI | 2 | 3.1 | $0.184 | 0/3 | 1.40s |
| #140 | Nemotron 3 Super medium | NVIDIA | 2 | 3.0 | $0.050 | 0/3 | 3.15s |
| #142 | Qwen3.5-122B-A10B none | Qwen | 2 | 3.8 | $0.247 | 0/3 | 1.00s |
| #144 | KAT-Coder-Air V2.5 high | Kwaipilot | 3 | 3.5 | $0.077 | 0/3 | 2.47s |
| #149 | KAT-Coder-Air V2.5 medium | Kwaipilot | 3 | 3.6 | $0.048 | 0/3 | 1.87s |
| #150 | DeepSeek V4 Flash none | DeepSeek | 1 | 3.1 | $0.044 | 0/3 | 23.7s |
| #155 | Kimi K2.5 none | Moonshot AI | 3 | 3.0 | $0.127 | 0/3 | 4.04s |