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) |
|---|---|---|---|---|---|---|---|
| #101 | Qwen3.7 Max none | Qwen | 7 | 7.4 | $0.197 | 15/22 | 4.56s |
| #112 | Gemini 3.1 Flash Lite medium | 7 | 7.3 | $0.120 | 13/22 | 4.38s | |
| #178 | Seed-2.0-Lite none | Bytedance Seed | 13 | 6.2 | $0.066 | 8/22 | 4.37s |
| #237 | MiMo-V2.5-Pro none | Xiaomi | 12 | 5.4 | $0.068 | 5/22 | 4.24s |
| #213 | GLM 5 none | Z.ai | 12 | 5.7 | $0.027 | 9/21 | 4.03s |
| #163 | Mercury 2.5 Preview high | Inception | 6 | 6.6 | $0.030 | 12/22 | 4.01s |
| #193 | Nemotron 3 Ultra none | NVIDIA | 11 | 6.1 | $0.084 | 8/22 | 3.88s |
| #14 | Gemini 3.7 Flash low | 2 | 9.2 | $0.207 | 20/22 | 3.85s | |
| #190 | Qwen3.6 Flash none | Qwen | 12 | 6.1 | $0.062 | 7/22 | 3.73s |
| #96 | Mercury 2.5 Preview medium | Inception | 4 | 7.5 | $0.024 | 15/22 | 3.58s |
| #215 | Ling-3.0-flash none | Inclusionai | 13 | 5.7 | $0.004 | 6/22 | 3.56s |
| #247 | Dots 3 Note Preview none | Dots Studio | 15 | 5.2 | $0.000 | 3/22 | 3.53s |
| #265 | Mercury 2.5 Preview none | Inception | 16 | 4.9 | $0.018 | 4/22 | 3.51s |
| #248 | Inkling none | Thinkingmachines | 13 | 5.2 | $0.147 | 6/22 | 3.47s |
| #231 | Qwen3.8 27B none | Qwen | 11 | 5.5 | ~$0.006 | 9/22 | 3.12s |