Eșecuri Răspuns greșit
Vezi ce modele AI se lovesc cel mai des de Răspuns greșit, ca să identifici riscurile de fiabilitate înainte să alegi. Sortează după: Număr de eșecuri ↑.
Categorii
În categoria Specific domeniului893 În categoria Trucuri anti-AI519 În categoria Programare484 În categoria Rezolvare de puzzle-uri352 În categoria Cultură generală315 În categoria Inteligență generală134 În categoria Combinat128 În categoria Sarcini agentice128 În categoria Respectarea instrucțiunilor117 În categoria Parsare și extragere de date93
443/443
Filtrează modelele
Niciun model nu corespunde căutării și filtrelor curente.
| Rang | Model | Companie | Număr de Răspuns greșit | Scor | Cost total | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|
| #230 | Mercury 2.5 Preview high | Inception | 6 | 0.6 | $0.040 | 12/23 | 7.61s |
| #236 | Grok 4.3 medium | X AI | 6 | 0.6 | $0.989 | 12/23 | 44.5s |
| #240 | Beam 1.0 501B A23B max | Reflection | 6 | 0.6 | $0.799 | 12/23 | 11.1s |
| #241 | Solar Pro 4 medium | Upstage | 6 | 0.6 | $0.098 | 12/23 | 133.9s |
| #245 | Beam 1.0 501B A23B low | Reflection | 6 | 0.6 | $0.432 | 11/23 | 4.89s |
| #258 | Solar Pro 4 high | Upstage | 6 | 0.6 | $0.077 | 11/23 | 128.9s |
| #263 | DeepSeek V3.2 medium | DeepSeek | 6 | 0.6 | $0.152 | 11/23 | 70.1s |
| #286 | Inkling Small medium | Thinkingmachines | 6 | 0.6 | $0.113 | 10/23 | 6.03s |
| #300 | Ring 2.6 1t medium | Inclusionai | 6 | 0.6 | $0.102 | 11/23 | 65.5s |
| #315 | Nemotron 3 Super medium | NVIDIA | 6 | 0.6 | $0.081 | 8/23 | 56.4s |
| #328 | Step 3.5 Flash medium | Stepfun | 6 | 0.5 | $0.105 | 10/22 | 190.5s |
| #351 | MiniMax M2.7 medium | Minimax | 6 | 0.5 | $0.326 | 5/23 | 50.3s |
| #408 | Ling 3.0 Tiny high | Inclusionai | 6 | 0.4 | $0.000 | 4/23 | 72.2s |
| #418 | Laguna Xs.2 medium | Poolside | 6 | 0.3 | $0.015 | 6/19 | 6.73s |
| #428 | Span-02 default | Respan | 6 | 0.3 | $0.001 | 6/12 | 1.36s |