Clasament Rezolvare de puzzle-uri x 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.

Modele afișate

Eșecuri totale

275

Modelul cel mai afectat

Motive de eșec

Răspuns greșit275 Nu a urmat instrucțiunile128 Eroare API15 Formatare suplimentară14 Fără răspuns11 Timp expirat11

Categorii

Specific domeniului654 Trucuri anti-AI386 Programare361 Rezolvare de puzzle-uri275 Cultură generală244 Combinat95 Inteligență generală90 Respectarea instrucțiunilor82 Parsare și extragere de date66 Apelare instrumente5

186/186

Rang	Model	Companie	Număr de Răspuns greșit	Scor de categorie	Cost total	Teste corecte	Timp de răspuns (mediu)
#294	Laguna Xs.2 medium	Poolside	1	5.3	$0.015	1/3	1.93s
Total teste 3 Teste greșite 2 Cost total $0.015 Timp de răspuns (mediu) 1.93s
#300	Grok Build 0.1 none	X AI	1	6.4	$0.547	1/3	9.55s
Total teste 3 Teste greșite 2 Cost total $0.547 Timp de răspuns (mediu) 9.55s
#304	Qwen3.5-9B medium	Qwen	1	3.0	$0.062	0/3	32.3s
Total teste 3 Teste greșite 3 Cost total $0.062 Timp de răspuns (mediu) 32.3s
#306	Laguna Xs.2 none	Poolside	1	5.3	$0.004	1/3	650ms
Total teste 3 Teste greșite 2 Cost total $0.004 Timp de răspuns (mediu) 650ms
#307	gpt-oss-120b none	OpenAI	1	6.0	$0.010	1/3	8.21s
Total teste 3 Teste greșite 2 Cost total $0.010 Timp de răspuns (mediu) 8.21s
#309	Nemotron 3 Nano Omni 30b A3b Reasoning none	NVIDIA	1	3.0	$0.000	0/3	532ms
Total teste 3 Teste greșite 3 Cost total $0.000 Timp de răspuns (mediu) 532ms

Filtrează modelele