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
1558
Modelul cel mai afectat
Nemotron 3 Nano Omni 30b A3b Reasoning 9Categorii
În categoria Specific domeniului412 În categoria Trucuri anti-AI293 În categoria Programare252 În categoria Rezolvare de puzzle-uri201 În categoria Cultură generală168 În categoria Combinat68 În categoria Respectarea instrucțiunilor61 În categoria Inteligență generală59 În categoria Parsare și extragere de date41 În categoria Apelare instrumente3
209/209
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) |
|---|---|---|---|---|---|---|---|
| #208 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 9 | 3.2 | $0.000 | 2/19 | 728ms |
| #210 | LFM2-24B-A2B none | Liquid | 9 | 2.2 | $0.001 | 2/16 | 782ms |
| #205 | Laguna Xs.2 none | Poolside | 8 | 3.8 | $0.004 | 5/19 | 806ms |
| #189 | Mercury 2 none | Inception | 17 | 4.6 | $0.030 | 4/22 | 829ms |
| #197 | Grok 4.20 none | X AI | 10 | 4.1 | $0.057 | 6/18 | 1.11s |
| #191 | Grok 4.20 Beta none | X AI | 10 | 4.4 | $0.087 | 6/18 | 1.19s |
| #165 | Mistral Small 4 none | Mistral | 16 | 5.1 | $0.022 | 5/22 | 1.20s |
| #193 | Elephant Alpha none | Openrouter | 9 | 4.3 | $0.000 | 5/21 | 1.22s |
| #195 | Elephant Alpha medium | Openrouter | 9 | 4.3 | $0.000 | 6/21 | 1.27s |
| #201 | Granite 4.1 8B none | IBM Granite | 13 | 4.0 | $0.007 | 2/22 | 1.45s |
| #159 | GPT-5.6 Luna none | OpenAI | 14 | 5.4 | $0.142 | 6/22 | 1.50s |
| #136 | GPT-5.4 Mini none | OpenAI | 13 | 5.9 | $0.095 | 6/22 | 1.53s |
| #160 | Laguna XS 2.1 none | Poolside | 14 | 5.3 | $0.008 | 5/22 | 1.55s |
| #106 | Gemini 3.1 Flash Lite Preview none | 7 | 6.4 | $0.052 | 12/22 | 1.58s | |
| #203 | Grok 4.1 Fast none | X AI | 13 | 3.8 | $0.008 | 3/19 | 1.62s |