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

344

Modelul cel mai afectat

Qwen3.5-Flash 3

Motive de eșec

Răspuns greșit344 Nu a urmat instrucțiunile160 Eroare API35 Formatare suplimentară16 Fără răspuns14 Timp expirat11

Categorii

Specific domeniului878 Trucuri anti-AI502 Programare477 Rezolvare de puzzle-uri344 Cultură generală306 Inteligență generală129 Combinat126 Sarcini agentice126 Respectarea instrucțiunilor111 Parsare și extragere de date93

239/239

Rang	Model	Companie	Număr de Răspuns greșit	Scor de categorie	Cost total	Teste corecte	Timp de răspuns (mediu)
#121	MiMo-V2.6-Flash medium	Xiaomi	1	0.8	$0.218	2/3	52.9s
Total teste 3 Teste greșite 1 Cost total $0.218 Timp de răspuns (mediu) 52.9s
#125	GLM 5.3 high	Z.ai	1	0.8	$0.495	2/3	4.74s
Total teste 3 Teste greșite 1 Cost total $0.495 Timp de răspuns (mediu) 4.74s
#128	Qwen3.7 Plus none	Qwen	1	0.8	$0.178	2/3	1.71s
Total teste 3 Teste greșite 1 Cost total $0.178 Timp de răspuns (mediu) 1.71s
#132	GPT-6 Luna high	OpenAI	1	0.8	$0.074	2/3	7.51s
Total teste 3 Teste greșite 1 Cost total $0.074 Timp de răspuns (mediu) 7.51s
#133	Muse Glimmer 30B high	Meta	1	0.6	$0.506	1/3	64.8s
Total teste 3 Teste greșite 2 Cost total $0.506 Timp de răspuns (mediu) 64.8s
#136	Qwen3.5 Plus 2026-04-20 medium	Qwen	1	0.8	$0.435	2/3	17.7s
Total teste 3 Teste greșite 1 Cost total $0.435 Timp de răspuns (mediu) 17.7s
#137	Qwen3.7 Flash low	Qwen	1	0.7	$0.071	1/3	9.79s
Total teste 3 Teste greșite 2 Cost total $0.071 Timp de răspuns (mediu) 9.79s
#140	Qwen3.8 Flash Next medium	Qwen	1	0.8	~$0.047	2/3	2.23s
Total teste 3 Teste greșite 1 Cost total ~$0.047 Timp de răspuns (mediu) 2.23s
#142	Qwen3.8 27B low	Qwen	1	0.8	~$0.089	2/3	4.91s
Total teste 3 Teste greșite 1 Cost total ~$0.089 Timp de răspuns (mediu) 4.91s
#143	Space Bunny Alpha high	Stealth	1	0.8	$0.000	2/3	6.43s
Total teste 3 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 6.43s
#144	GLM 5.1 medium	Z.ai	1	0.8	$1.546	2/3	31.6s
Total teste 3 Teste greșite 1 Cost total $1.546 Timp de răspuns (mediu) 31.6s
#145	Seed-2.0-Mini medium	Bytedance Seed	1	0.8	$0.140	2/3	31.8s
Total teste 3 Teste greșite 1 Cost total $0.140 Timp de răspuns (mediu) 31.8s
#148	GPT-5.6 Luna medium	OpenAI	1	0.8	$0.065	2/3	4.04s
Total teste 3 Teste greșite 1 Cost total $0.065 Timp de răspuns (mediu) 4.04s
#153	Grok 4.7 low	X AI	1	0.8	$1.933	2/3	12.4s
Total teste 3 Teste greșite 1 Cost total $1.933 Timp de răspuns (mediu) 12.4s
#161	Gemini 2.5 Flash medium	Google	1	0.8	$0.680	2/3	3.18s
Total teste 3 Teste greșite 1 Cost total $0.680 Timp de răspuns (mediu) 3.18s

Filtrează modelele

Top modele după Număr de Răspuns greșit

Număr de Răspuns greșit vs Scor

Top modele după Timp de răspuns (mediu)

Top modele după Cost irosit estimat

Rezolvare de puzzle-uri: Răspuns greșit

Filtrează modelele

Top modele după Număr de Răspuns greșit

Număr de Răspuns greșit vs Scor

Top modele după Timp de răspuns (mediu)

Top modele după Cost irosit estimatEstimarea include numai energia electrică a plăcii GPU. Restul computerului și achiziția hardware-ului nu sunt incluse. NVIDIA GeForce RTX 3090: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.

Top modele după Cost irosit estimat