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 domeniului654 În categoria Trucuri anti-AI386 În categoria Programare361 În categoria Rezolvare de puzzle-uri275 În categoria Cultură generală244 În categoria Combinat95 În categoria Inteligență generală90 În categoria Respectarea instrucțiunilor82 În categoria Parsare și extragere de date66 În categoria Apelare instrumente5
309/309
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) |
|---|---|---|---|---|---|---|---|
| #223 | Gemma 4 26B A4B none | 9 | 5.6 | $0.015 | 9/22 | 7.58s | |
| #103 | GPT-5.6 Luna medium | OpenAI | 9 | 7.4 | $0.072 | 13/22 | 7.43s |
| #32 | Claude Opus 5 low | Anthropic | 4 | 8.7 | $1.121 | 18/22 | 6.99s |
| #74 | GPT-5.6 Terra medium | OpenAI | 8 | 7.8 | $0.523 | 14/22 | 6.85s |
| #208 | Seed 2.1 Turbo none | Bytedance Seed | 11 | 5.9 | $0.092 | 10/22 | 6.84s |
| #216 | GLM 5.1 none | Z.ai | 12 | 5.7 | $0.164 | 8/22 | 6.74s |
| #294 | Laguna Xs.2 medium | Poolside | 6 | 4.1 | $0.015 | 6/19 | 6.73s |
| #93 | GPT 5.3 Chat none | OpenAI | 6 | 7.5 | $0.533 | 13/22 | 6.56s |
| #107 | Gemini 3 Flash Preview low | 6 | 7.4 | $0.185 | 16/22 | 6.51s | |
| #160 | Inkling Small medium | Thinkingmachines | 6 | 6.6 | $0.113 | 10/22 | 6.30s |
| #195 | Gemini 2.5 Flash none | 13 | 6.0 | $0.017 | 8/22 | 6.19s | |
| #181 | Claude Sonnet 5 none | Anthropic | 8 | 6.1 | $0.548 | 7/22 | 6.05s |
| #267 | Nemotron 3 Super none | NVIDIA | 15 | 4.8 | $0.008 | 5/22 | 6.04s |
| #8 | Gemini 3.7 Flash medium | 2 | 9.4 | $0.309 | 20/22 | 5.87s | |
| #28 | Gemini 3.5 Flash low | 3 | 8.8 | $0.449 | 18/22 | 5.76s |