Eșecuri Fără răspuns
Vezi ce modele AI se lovesc cel mai des de Fără răspuns, ca să identifici riscurile de fiabilitate înainte să alegi. Sortează după: Cost total ↓.
Categorii
În categoria Combinat29 În categoria Programare18 În categoria Cultură generală13 În categoria Parsare și extragere de date8 În categoria Specific domeniului8 În categoria Trucuri anti-AI4 În categoria Rezolvare de puzzle-uri3 În categoria Apelare instrumente2 În categoria Respectarea instrucțiunilor2
67/67
Filtrează modelele
Niciun model nu corespunde căutării și filtrelor curente.
| Rang | Model | Companie | Număr de Fără răspuns | Scor | Cost total | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|
| #17 | Claude Fable 5 medium | Anthropic | 2 | 8.6 | $3.478 | 17/22 | 17.2s |
| #33 | Kimi K3 max | Moonshot AI | 1 | 8.0 | $3.112 | 16/22 | 122.5s |
| #41 | Claude Opus 4.8 low | Anthropic | 1 | 7.8 | $2.077 | 16/22 | 12.7s |
| #143 | Gemini 3.1 Flash Lite high | 1 | 5.6 | $2.044 | 10/18 | 62.0s | |
| #14 | Claude Opus 4.8 medium | Anthropic | 1 | 8.8 | $1.931 | 18/22 | 12.5s |
| #12 | Grok 4.5 high | X AI | 2 | 8.9 | $1.707 | 17/22 | 76.5s |
| #27 | Muse Spark 1.1 high | Meta | 1 | 8.1 | $1.694 | 12/22 | 31.5s |
| #86 | Step 3.7 Flash high | Stepfun | 4 | 6.9 | $1.207 | 11/22 | 64.7s |
| #66 | Claude Opus 4.8 none | Anthropic | 1 | 7.3 | $1.166 | 13/22 | 4.91s |
| #68 | Kimi K2.6 medium | Moonshot AI | 1 | 7.2 | $1.036 | 12/22 | 110.0s |
| #31 | GLM 5.2 high | Z.ai | 1 | 8.0 | $0.970 | 14/22 | 62.7s |
| #21 | GPT-5.2 medium | OpenAI | 1 | 8.4 | $0.951 | 14/22 | 22.6s |
| #119 | Qwen3.5-35B-A3B medium | Qwen | 2 | 6.2 | $0.837 | 11/22 | 112.5s |
| #73 | Grok 4.3 medium | X AI | 1 | 7.1 | $0.779 | 13/22 | 47.4s |
| #99 | Qwen3.6 27B medium | Qwen | 3 | 6.5 | $0.779 | 10/22 | 106.3s |