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) |
|---|---|---|---|---|---|---|---|
| #373 | DeepSeek V3.2 none | DeepSeek | 9 | 0.5 | $0.119 | 6/23 | 22.4s |
| #382 | Ling 2.6 Flash default | Inclusionai | 9 | 0.5 | $0.002 | 6/23 | 10.2s |
| #390 | Cobuddy medium | Baidu | 9 | 0.4 | $0.000 | 7/22 | 38.0s |
| #395 | gpt-oss-120b none | OpenAI | 9 | 0.4 | $0.016 | 6/20 | 28.6s |
| #407 | Xing4.0 29b A4b medium | Xingchen AGI | 9 | 0.4 | $0.000 | 1/23 | 371.7s |
| #413 | Elephant Alpha default | Openrouter | 9 | 0.4 | $0.000 | 5/21 | 1.22s |
| #414 | Elephant Alpha medium | Openrouter | 9 | 0.4 | $0.000 | 6/21 | 1.27s |
| #415 | Hunter Alpha default | OpenRouter | 9 | 0.3 | $0.000 | 6/18 | 4.70s |
| #431 | Nemotron 3 Nano Omni 30b A3b Reasoning default | NVIDIA | 9 | 0.3 | $0.000 | 2/19 | 728ms |
| #437 | Kev 4B default | Jaredpalmer | 9 | 0.2 | $0.002 | 3/12 | 5.63s |
| #440 | Clef Omni default | Cloudflare | 9 | 0.2 | $0.011 | 2/12 | 880ms |
| #441 | Decider Flash V1.2 default | Perplexity | 9 | 0.2 | $0.001 | 3/12 | 462ms |
| #445 | LFM2-24B-A2B default | Liquid | 9 | 0.2 | $0.001 | 2/16 | 782ms |
| #146 | Space Bunny Alpha high | Stealth | 10 | 0.8 | $0.000 | 13/23 | 29.4s |
| #198 | GPT-5.6 Luna low | OpenAI | 10 | 0.7 | $0.049 | 11/23 | 6.96s |