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: Teste corecte ↑.
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) |
|---|---|---|---|---|---|---|---|
| #327 | MiMo-V2.6-Flash none | Xiaomi | 15 | 0.5 | $0.060 | 6/23 | 6.20s |
| #331 | GPT-5.6 Luna none | OpenAI | 15 | 0.5 | $0.042 | 6/23 | 3.78s |
| #338 | Ling 3.0 Flash none | Inclusionai | 13 | 0.5 | $0.004 | 6/23 | 3.40s |
| #345 | Mercury 2.5 low | Inception | 14 | 0.5 | $0.020 | 6/23 | 3.34s |
| #350 | Mercury 2.5 Preview low | Inception | 13 | 0.5 | $0.015 | 6/23 | 4.92s |
| #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 |
| #425 | Laguna Xs.2 default | Poolside | 8 | 0.3 | $0.004 | 5/19 | 806ms |
| #396 | GLM 5 Turbo none | Z.ai | 13 | 0.4 | $0.047 | 6/21 | 2.82s |
| #414 | Elephant Alpha medium | Openrouter | 9 | 0.4 | $0.000 | 6/21 | 1.27s |
| #448 | Solar Decide default | Upstage | 5 | 0.1 | $0.009 | 2/7 | 6.01s |
| #395 | gpt-oss-120b none | OpenAI | 9 | 0.4 | $0.016 | 6/20 | 28.6s |
| #238 | Qwen3.5-122B-A10B none | Qwen | 13 | 0.6 | $0.308 | 7/23 | 14.8s |
| #277 | Inkling none | Thinkingmachines | 13 | 0.6 | $0.292 | 7/23 | 5.30s |
| #291 | Qwen3.6 Flash none | Qwen | 13 | 0.6 | $0.139 | 7/23 | 7.63s |