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) ↑.
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) |
|---|---|---|---|---|---|---|---|
| #64 | DeepSeek V4.1 Flash medium | DeepSeek | 5 | 0.9 | $0.591 | 16/23 | 32.9s |
| #6 | GPT-6.1 Sol xhigh | OpenAI | 1 | 1.0 | $1.377 | 22/23 | 33.1s |
| #63 | DeepSeek V4.1 Flash high | DeepSeek | 5 | 0.9 | $0.617 | 16/23 | 33.3s |
| #42 | Pareto default | Unbiased | 3 | 0.9 | $1.520 | 19/23 | 33.5s |
| #276 | Apodex 1.1 Mini low | Apodex | 9 | 0.6 | $0.000 | 11/23 | 33.7s |
| #141 | Muse Glimmer 30B medium | Meta | 9 | 0.8 | $0.288 | 12/23 | 34.0s |
| #228 | Minimax M3.1 Flash high | Minimax | 8 | 0.7 | $0.000 | 9/23 | 34.0s |
| #142 | Muse Wonder xhigh | Meta | 3 | 0.8 | $4.012 | 14/23 | 34.4s |
| #188 | Ember-1 low | Fireworks | 3 | 0.7 | $1.488 | 13/23 | 34.9s |
| #333 | Kimi K2.5 none | Moonshot AI | 17 | 0.5 | $0.262 | 5/23 | 35.9s |
| #206 | Space Bunny Alpha max | Stealth | 10 | 0.7 | $0.000 | 11/23 | 36.2s |
| #266 | Grok 4.20 medium | X AI | 7 | 0.6 | $1.246 | 11/23 | 36.7s |
| #362 | Qwen3.5-9B none | Qwen | 15 | 0.5 | $0.041 | 4/23 | 37.2s |
| #88 | Muse Spark 1.1 high | Meta | 3 | 0.8 | $2.570 | 13/23 | 37.4s |
| #390 | Cobuddy medium | Baidu | 9 | 0.4 | $0.000 | 7/22 | 38.0s |