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.
Motive de eșec
133/133
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) |
|---|---|---|---|---|---|---|---|
| #59 | Gemma 4 26B A4B medium | 1 | 3.0 | $0.045 | 0/1 | 180.9s | |
| #60 | Qwen3.7 Plus none | Qwen | 1 | 3.0 | $0.023 | 0/1 | 1.21s |
| #61 | GLM 5.2 none | Z.ai | 1 | 3.0 | $0.076 | 0/1 | 3.41s |
| #62 | MiMo-V2-Flash medium | Xiaomi | 1 | 3.0 | $0.043 | 0/1 | 1.96s |
| #64 | GLM 5.1 medium | Z.ai | 1 | 3.0 | $0.292 | 0/1 | 29.4s |
| #65 | Kimi K2.7 Code medium | Moonshot AI | 1 | 3.0 | $0.583 | 0/1 | 341.8s |
| #66 | Gemini 3.5 Flash none | 1 | 2.8 | $1.079 | 0/1 | 4.87s | |
| #67 | Gemini 3 Flash Preview none | 1 | 3.0 | $0.025 | 0/1 | 1.07s | |
| #68 | Qwen3.7 Max none | Qwen | 1 | 3.0 | $0.054 | 0/1 | 856ms |
| #70 | Qwen3.5-Flash medium | Qwen | 1 | 3.0 | $0.080 | 0/1 | 49.0s |
| #71 | Gemini 3.5 Flash minimal | 1 | 3.0 | $0.108 | 0/1 | 1.76s | |
| #72 | Ring-2.6-1T medium | Inclusionai | 1 | 3.0 | $0.033 | 0/1 | 113.9s |
| #73 | Mimo V2 Omni medium | Xiaomi | 1 | 3.0 | $0.683 | 0/1 | 234.2s |
| #74 | Hy3 preview high | Tencent | 1 | 3.0 | $0.059 | 0/1 | 47.7s |
| #75 | Qwen3.6 35B A3B medium | Qwen | 1 | 3.0 | $0.146 | 0/1 | 32.9s |