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) |
|---|---|---|---|---|---|---|---|
| #187 | Qwen3.5-Flash medium | Qwen | 5 | 6.1 | $0.142 | 11/22 | 84.4s |
| #114 | DeepSeek V4 Flash 0731 medium | DeepSeek | 5 | 7.3 | $0.066 | 11/22 | 84.7s |
| #261 | Laguna S 2.1 low | Poolside | 15 | 5.0 | $0.082 | 3/22 | 85.3s |
| #189 | Trinity Large Thinking medium | Arcee AI | 8 | 6.1 | $0.756 | 8/22 | 85.4s |
| #291 | Granite 4.2 8B none | IBM Granite | 11 | 4.3 | $0.026 | 3/22 | 86.3s |
| #94 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 4 | 7.5 | $0.459 | 14/22 | 91.8s |
| #83 | DeepSeek V4 Pro high | DeepSeek | 7 | 7.7 | $0.489 | 10/22 | 92.5s |
| #133 | Seed-2.0-Mini medium | Bytedance Seed | 5 | 7.0 | $0.116 | 11/22 | 93.1s |
| #58 | Muse Glimmer 30B xhigh | Meta | 4 | 8.1 | $0.510 | 13/22 | 95.6s |
| #194 | Trinity Large Thinking low | Arcee AI | 7 | 6.0 | $0.625 | 8/22 | 96.6s |
| #134 | Kimi K2.5 medium | Moonshot AI | 5 | 7.0 | $0.479 | 10/22 | 98.2s |
| #142 | Seed-2.0-Code medium | Bytedance Seed | 4 | 6.8 | $1.153 | 10/22 | 101.1s |
| #149 | Gemma 4 26B A4B medium | 2 | 6.8 | $0.092 | 15/22 | 104.9s | |
| #165 | Qwen3.6 27B medium | Qwen | 5 | 6.5 | $1.045 | 10/22 | 106.1s |
| #304 | Qwen3.5-9B medium | Qwen | 2 | 3.8 | $0.062 | 3/22 | 107.5s |