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) |
|---|---|---|---|---|---|---|---|
| #110 | Owl Alpha none | Openrouter | 1 | 3.0 | $0.000 | 0/1 | 2.50s |
| #111 | Kimi K2.6 none | Moonshot AI | 1 | 3.0 | $0.079 | 0/1 | 1.36s |
| #112 | GPT-5.4 none | OpenAI | 1 | 3.0 | $0.122 | 0/1 | 990ms |
| #114 | Mimo V2 Omni none | Xiaomi | 1 | 3.0 | $0.021 | 0/1 | 1.30s |
| #115 | Grok 4.1 Fast medium | X AI | 1 | 3.0 | $0.069 | 0/1 | 25.5s |
| #116 | GLM 5.1 none | Z.ai | 1 | 3.0 | $0.058 | 0/1 | 2.34s |
| #117 | DeepSeek V4 Flash none | DeepSeek | 1 | 3.0 | $0.007 | 0/1 | 3.07s |
| #118 | Kimi K2.5 none | Moonshot AI | 1 | 3.0 | $0.027 | 0/1 | 3.90s |
| #119 | MiMo-V2.5-Pro none | Xiaomi | 1 | 3.0 | $0.017 | 0/1 | 1.89s |
| #120 | Qwen3.6 27B none | Qwen | 1 | 3.0 | $0.028 | 0/1 | 4.03s |
| #121 | Gemma 4 26B A4B none | 1 | 3.0 | $0.004 | 0/1 | 778ms | |
| #122 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 3.0 | $0.032 | 0/1 | 33.3s |
| #123 | GLM 5 Turbo none | Z.ai | 1 | 3.0 | $0.047 | 0/1 | 2.37s |
| #124 | GPT-5.4 Mini none | OpenAI | 1 | 3.0 | $0.038 | 0/1 | 1.33s |
| #125 | Qwen3.5-122B-A10B none | Qwen | 1 | 3.0 | $0.020 | 0/1 | 295ms |