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.
Motive de eșec
145/145
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) |
|---|---|---|---|---|---|---|---|
| #77 | Grok 4.3 medium | X AI | 1 | 5.9 | $0.779 | 1/3 | 22.5s |
| #78 | GLM 5.1 medium | Z.ai | 1 | 8.2 | $0.535 | 2/3 | 31.6s |
| #79 | Grok 4.20 medium | X AI | 1 | 7.7 | $0.777 | 2/3 | 6.22s |
| #80 | DeepSeek V3.2 medium | DeepSeek | 1 | 7.0 | $0.078 | 1/3 | 37.7s |
| #81 | Kimi K2.5 medium | Moonshot AI | 1 | 5.3 | $0.600 | 1/3 | 43.2s |
| #82 | Mercury 2 medium | Inception | 1 | 5.4 | $0.093 | 1/3 | 949ms |
| #84 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 8.2 | $0.101 | 2/3 | 31.8s |
| #87 | GPT-5.6 Sol none | OpenAI | 1 | 7.7 | $0.524 | 2/3 | 1.49s |
| #88 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 6.7 | $0.187 | 1/3 | 5.31s |
| #91 | GPT-5.5 none | OpenAI | 1 | 7.7 | $0.544 | 2/3 | 1.29s |
| #93 | Gemini 3 Flash Preview none | 1 | 7.7 | $0.085 | 2/3 | 1.05s | |
| #94 | Qwen3.6 35B A3B medium | Qwen | 1 | 8.0 | $0.746 | 2/3 | 5.95s |
| #95 | Gemini 3.5 Flash-Lite low | 1 | 7.8 | $0.145 | 2/3 | 1.22s | |
| #97 | KAT-Coder-Pro V2.5 none | Kwaipilot | 1 | 8.2 | $0.476 | 2/3 | 3.03s |
| #98 | GLM 5V Turbo medium | Z.ai | 1 | 7.7 | $0.457 | 2/3 | 10.2s |