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: Timp de răspuns (mediu) ↑.
Modele afișate
15
Eșecuri totale
2258
Modelul cel mai afectat
Nemotron 3 Nano Omni 30b A3b Reasoning 9Categorii
În categoria Specific domeniului654 În categoria Trucuri anti-AI386 În categoria Programare361 În categoria Rezolvare de puzzle-uri275 În categoria Cultură generală244 În categoria Combinat95 În categoria Inteligență generală90 În categoria Respectarea instrucțiunilor82 În categoria Parsare și extragere de date66 În categoria Apelare instrumente5
309/309
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) |
|---|---|---|---|---|---|---|---|
| #166 | Laguna XS 2.1 medium | Poolside | 10 | 6.5 | $0.068 | 9/22 | 48.2s |
| #147 | MiMo-V2.5-Pro medium | Xiaomi | 3 | 6.8 | $0.221 | 11/22 | 48.7s |
| #84 | DeepSeek V4 Flash 0423 high | DeepSeek | 6 | 7.6 | $0.039 | 13/22 | 51.8s |
| #269 | Ring-2.6-1T none | Inclusionai | 5 | 4.8 | $0.026 | 9/22 | 52.0s |
| #34 | GLM 5.3 Flash max | Z.ai | 2 | 8.7 | $0.059 | 16/22 | 52.1s |
| #212 | Nemotron 3 Super medium | NVIDIA | 5 | 5.7 | $0.050 | 8/22 | 52.3s |
| #26 | Muse Spark 1.3 high | Meta | 3 | 8.9 | $1.653 | 16/22 | 52.5s |
| #70 | Qwen3.7 Plus medium | Qwen | 5 | 7.9 | $0.277 | 15/22 | 53.5s |
| #199 | GPT-5 Nano medium | OpenAI | 10 | 6.0 | $0.118 | 8/22 | 54.2s |
| #253 | Granite 4.2 8B low | IBM Granite | 10 | 5.1 | $0.012 | 7/22 | 54.4s |
| #98 | Grok Build 0.1 medium | X AI | 6 | 7.5 | $1.130 | 13/22 | 54.5s |
| #205 | Hy3 preview high | Tencent | 3 | 5.9 | $0.135 | 11/21 | 56.6s |
| #227 | Nemotron 3.5 Lightning high | NVIDIA | 11 | 5.6 | $0.134 | 5/22 | 58.3s |
| #234 | Laguna S 2.1 medium | Poolside | 13 | 5.4 | $0.053 | 4/22 | 58.4s |
| #162 | Qwen3.6 35B A3B medium | Qwen | 5 | 6.6 | $0.672 | 12/22 | 58.5s |