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) |
|---|---|---|---|---|---|---|---|
| #126 | DeepSeek V3.2 none | DeepSeek | 1 | 3.0 | $0.017 | 0/1 | 17.2s |
| #127 | MiniMax M2.7 medium | Minimax | 1 | 3.0 | $0.104 | 0/1 | 22.8s |
| #128 | Qwen3.6 35B A3B none | Qwen | 1 | 3.0 | $0.031 | 0/1 | 414ms |
| #129 | Mistral Small 4 none | Mistral | 1 | 3.0 | $0.007 | 0/1 | 397ms |
| #130 | Qwen3 Coder Next none | Qwen | 1 | 3.0 | $0.009 | 0/1 | 601ms |
| #131 | North Mini Code none | Cohere | 1 | 3.0 | $0.000 | 0/1 | 37.4s |
| #133 | Mistral Small 4 medium | Mistral | 1 | 3.0 | $0.068 | 0/1 | 5.92s |
| #134 | MiMo-V2.5 none | Xiaomi | 1 | 3.0 | $0.007 | 0/1 | 3.89s |
| #135 | Qwen3.5-9B none | Qwen | 1 | 3.0 | $0.006 | 0/1 | 2.32s |
| #137 | Trinity Large Preview none | Arcee AI | 1 | 3.0 | $0.008 | 0/1 | 777ms |
| #139 | GPT-4o-mini none | OpenAI | 1 | 3.0 | $0.006 | 0/1 | 794ms |
| #140 | Cobuddy medium | Baidu | 1 | 3.0 | $0.000 | 0/1 | 37.0s |
| #141 | GLM 4.7 Flash none | Z.ai | 1 | 3.0 | $0.004 | 0/1 | 692ms |
| #142 | Nemotron 3 Super none | NVIDIA | 1 | 3.0 | $0.007 | 0/1 | 8.94s |
| #143 | Ling-2.6-flash none | Inclusionai | 1 | 3.0 | $0.001 | 0/1 | 1.06s |