Eșecuri pe categorii AI BENCHY
Cultură generală: Răspuns greșit
Cultură generală
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: Teste corecte ↓.
Motive de eșec
| Rang | Model | Companie | Număr de Răspuns greșit | Scor de categorie | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|
| #3 | Claude Opus 4.7 medium | Anthropic | 1 | 3.0 | 0/1 | 2.25s |
| #4 | GPT-5.5 medium | OpenAI | 1 | 2.8 | 0/1 | 37.9s |
| #5 | Claude Opus 4.7 none | Anthropic | 1 | 3.0 | 0/1 | 1.46s |
| #6 | GPT-5.5 low | OpenAI | 1 | 3.0 | 0/1 | 10.1s |
| #9 | Qwen3.6 Max Preview medium | Qwen | 1 | 3.0 | 0/1 | 60.6s |
| #11 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 3.0 | 0/1 | 48.3s |
| #12 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 3.0 | 0/1 | 103.8s |
| #13 | GPT-5.3-Codex medium | OpenAI | 1 | 2.8 | 0/1 | 14.4s |
| #14 | Gemma 4 31B medium | 1 | 3.0 | 0/1 | 90.1s | |
| #17 | Qwen3.5-27B medium | Qwen | 1 | 3.0 | 0/1 | 85.1s |
| #19 | GLM 5 medium | Z.ai | 1 | 3.0 | 0/1 | 67.4s |
| #20 | GLM 5 Turbo medium | Z.ai | 1 | 3.0 | 0/1 | 40.2s |
| #21 | Qwen3.6 35B A3B medium | Qwen | 1 | 3.0 | 0/1 | 32.9s |
| #22 | HY3 Preview high | Tencent | 1 | 3.0 | 0/1 | 47.7s |
| #23 | Gemini 3.1 Flash Lite Preview medium | 1 | 3.0 | 0/1 | 2.68s |