Clasament Cultură generală x Răspuns greșit

Vezi ce modele AI au cele mai mari șanse să întâmpine Răspuns greșit la Cultură generală, ca să găsești mai repede punctele slabe. Sortează după: Timp de răspuns (mediu) ↓.

Modele afișate

Eșecuri totale

323

Modelul cel mai afectat

Qwen3.8 Max (0902) 1

Motive de eșec

Răspuns greșit323 Fără răspuns63 Eroare API19 Timp expirat2

Categorii

Specific domeniului907 Trucuri anti-AI521 Programare486 Rezolvare de puzzle-uri357 Cultură generală323 Inteligență generală134 Combinat131 Sarcini agentice128 Respectarea instrucțiunilor118 Parsare și extragere de date93

323/323

Rang	Model	Companie	Număr de Răspuns greșit	Scor de categorie	Cost total	Teste corecte	Timp de răspuns (mediu)
#42	Qwen3.8 Max (0902) high	Qwen	1	0.3	$3.306	0/1	532.6s
Total teste 1 Teste greșite 1 Cost total $3.306 Timp de răspuns (mediu) 532.6s
#91	Qwen3.8 2.4T A95B low	Qwen	1	0.3	$4.016	0/1	422.5s
Total teste 1 Teste greșite 1 Cost total $4.016 Timp de răspuns (mediu) 422.5s
#276	Space Bunny Alpha xhigh	Stealth	1	0.3	$0.000	0/1	367.8s
Total teste 1 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 367.8s
#131	Qwen3.8 2.4T A95B high	Qwen	1	0.3	$2.949	0/1	348.0s
Total teste 1 Teste greșite 1 Cost total $2.949 Timp de răspuns (mediu) 348.0s
#196	Kimi K2.7 Code medium	Moonshot AI	1	0.3	$1.136	0/1	341.8s
Total teste 1 Teste greșite 1 Cost total $1.136 Timp de răspuns (mediu) 341.8s
#317	Space Bunny Alpha low	Stealth	1	0.3	$0.000	0/1	340.9s
Total teste 1 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 340.9s
#188	Qwen3.8 Flash Next xhigh	Qwen	1	0.3	~$0.195	0/1	325.0s
Total teste 1 Teste greșite 1 Cost total ~$0.195 Timp de răspuns (mediu) 325.0s
#74	Qwen3.8 27B high	Qwen	1	0.3	~$0.298	0/1	264.0s
Total teste 1 Teste greșite 1 Cost total ~$0.298 Timp de răspuns (mediu) 264.0s
#380	Granite 4.2 8B high	IBM Granite	1	0.3	$0.111	0/1	252.5s
Total teste 1 Teste greșite 1 Cost total $0.111 Timp de răspuns (mediu) 252.5s
#162	DeepSeek V4 Flash 0731 low	DeepSeek	1	0.3	$0.306	0/1	246.9s
Total teste 1 Teste greșite 1 Cost total $0.306 Timp de răspuns (mediu) 246.9s
#155	Space Bunny Alpha high	Stealth	1	0.3	$0.000	0/1	234.6s
Total teste 1 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 234.6s
#373	Mimo V2 Omni medium	Xiaomi	1	0.3	$0.683	0/1	234.2s
Total teste 1 Teste greșite 1 Cost total $0.683 Timp de răspuns (mediu) 234.2s
#386	Laguna S 2.1 low	Poolside	1	0.3	$0.108	0/1	202.5s
Total teste 1 Teste greșite 1 Cost total $0.108 Timp de răspuns (mediu) 202.5s
#379	Laguna S 2.1 none	Poolside	1	0.3	$0.044	0/1	200.5s
Total teste 1 Teste greșite 1 Cost total $0.044 Timp de răspuns (mediu) 200.5s
#271	Space Bunny Alpha medium	Stealth	1	0.3	$0.000	0/1	197.3s
Total teste 1 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 197.3s

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

Cultură generală: 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: 1.9676 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.194534.

Top modele după Cost irosit estimat