Clasament modele pentru Specific domeniului

Vezi ce modele AI se descurcă cel mai bine la Specific domeniului, care rămân fiabile și unde apar cele mai mari diferențe. Sortează după: Teste corecte ↑.

Modele afișate

Media pentru Scor Specific domeniului

0.4

Cel mai bun model

Claude Opus 5 0.3

Motive de eșec

Cu motivul de eșec Răspuns greșit893 Cu motivul de eșec Fără răspuns66 Cu motivul de eșec Timp expirat46 Cu motivul de eșec Eroare API40 Cu motivul de eșec Formatare suplimentară36 Cu motivul de eșec Nu a urmat instrucțiunile3

451/451

Rang	Model	Companie	Scor Specific domeniului	Scor	Cost total	Teste corecte	Timp de răspuns (mediu)
#242	Claude Sonnet 4.6 medium	Anthropic	0.3	0.6	$2.126	0/3	58.4s
Total teste 3 Teste greșite 3 Cost total $2.126 Timp de răspuns (mediu) 58.4s
#244	Kimi K2.5 medium	Moonshot AI	0.3	0.6	$0.841	0/3	111.6s
Total teste 3 Teste greșite 3 Cost total $0.841 Timp de răspuns (mediu) 111.6s
#245	Beam 1.0 501B A23B low	Reflection	0.3	0.6	$0.432	0/3	8.45s
Total teste 3 Teste greșite 3 Cost total $0.432 Timp de răspuns (mediu) 8.45s
#246	Mercury 2.5 medium	Inception	0.4	0.6	$0.034	0/3	4.39s
Total teste 3 Teste greșite 3 Cost total $0.034 Timp de răspuns (mediu) 4.39s
#248	MiMo-V2.5-Pro medium	Xiaomi	0.3	0.6	$0.332	0/3	146.1s
Total teste 3 Teste greșite 3 Cost total $0.332 Timp de răspuns (mediu) 146.1s
#250	Dots 3 Note Preview low	Dots Studio	0.4	0.6	$0.000	0/3	49.5s
Total teste 3 Teste greșite 3 Cost total $0.000 Timp de răspuns (mediu) 49.5s
#252	Qwen3.5-35B-A3B medium	Qwen	0.3	0.6	$0.716	0/3	76.4s
Total teste 3 Teste greșite 3 Cost total $0.716 Timp de răspuns (mediu) 76.4s
#256	Minimax M3.1 Flash medium	Minimax	0.4	0.6	$0.000	0/3	31.9s
Total teste 3 Teste greșite 3 Cost total $0.000 Timp de răspuns (mediu) 31.9s
#258	Solar Pro 4 high	Upstage	0.4	0.6	$0.077	0/3	280.8s
Total teste 3 Teste greșite 3 Cost total $0.077 Timp de răspuns (mediu) 280.8s
#260	Ling 3.1 Flash low	Inclusionai	0.3	0.6	$0.000	0/3	274.6s
Total teste 3 Teste greșite 3 Cost total $0.000 Timp de răspuns (mediu) 274.6s
#261	Claude Opus 4.6 medium	Anthropic	0.3	0.6	$2.961	0/3	42.5s
Total teste 3 Teste greșite 3 Cost total $2.961 Timp de răspuns (mediu) 42.5s
#263	DeepSeek V3.2 medium	DeepSeek	0.3	0.6	$0.152	0/3	22.9s
Total teste 3 Teste greșite 3 Cost total $0.152 Timp de răspuns (mediu) 22.9s
#264	Trinity Large Thinking low	Arcee AI	0.3	0.6	$0.918	0/3	140.3s
Total teste 3 Teste greșite 3 Cost total $0.918 Timp de răspuns (mediu) 140.3s
#265	DeepSeek V4 Flash 0423 none	DeepSeek	0.3	0.6	$0.149	0/3	15.3s
Total teste 3 Teste greșite 3 Cost total $0.149 Timp de răspuns (mediu) 15.3s
#266	Grok 4.20 medium	X AI	0.3	0.6	$1.246	0/3	49.7s
Total teste 3 Teste greșite 3 Cost total $1.246 Timp de răspuns (mediu) 49.7s

Clasament Specific domeniului

Filtrează modelele

Top modele după Scor Specific domeniului

Scor Specific domeniului vs cost total

Top modele după Timp de răspuns (mediu)