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: Cost total ↑.
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) |
|---|---|---|---|---|---|---|---|
| #276 | Apodex 1.1 Mini low | Apodex | 9 | 0.6 | $0.000 | 11/23 | 33.7s |
| #282 | Apodex 1.1 Mini medium | Apodex | 9 | 0.6 | $0.000 | 11/23 | 32.7s |
| #306 | Dots 3 Note Preview medium | Dots Studio | 10 | 0.6 | $0.000 | 8/23 | 70.3s |
| #308 | Space Bunny Alpha low | Stealth | 13 | 0.6 | $0.000 | 8/23 | 30.6s |
| #317 | Ling 3.1 Flash none | Inclusionai | 9 | 0.5 | $0.000 | 5/23 | 15.7s |
| #325 | North Mini Code medium | Cohere | 10 | 0.5 | $0.000 | 8/23 | 140.4s |
| #348 | Apodex 1.1 Mini default | Apodex | 16 | 0.5 | $0.000 | 3/23 | 7.79s |
| #352 | Dots 3 Note Preview default | Dots Studio | 16 | 0.5 | $0.000 | 3/23 | 5.36s |
| #369 | North Mini Code default | Cohere | 13 | 0.5 | $0.000 | 4/23 | 29.5s |
| #379 | Owl Alpha medium | Openrouter | 10 | 0.5 | $0.000 | 8/21 | 11.9s |
| #381 | Owl Alpha default | Openrouter | 10 | 0.5 | $0.000 | 7/21 | 9.88s |
| #390 | Cobuddy medium | Baidu | 9 | 0.4 | $0.000 | 7/22 | 38.0s |
| #398 | Qwen3.6 Plus Preview medium | Qwen | 2 | 0.4 | $0.000 | 9/19 | 15.2s |
| #401 | Hunter Alpha medium | OpenRouter | 4 | 0.4 | $0.000 | 8/18 | 10.3s |
| #404 | Ling 3.0 Tiny default | Inclusionai | 13 | 0.4 | $0.000 | 2/23 | 13.4s |