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 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) |
|---|---|---|---|---|---|---|---|
| #286 | Inkling Small medium | Thinkingmachines | 6 | 0.6 | $0.113 | 10/23 | 6.03s |
| #448 | Solar Decide default | Upstage | 5 | 0.1 | $0.009 | 2/7 | 6.01s |
| #318 | Gemini 2.5 Flash none | 13 | 0.5 | $0.017 | 8/23 | 6.00s | |
| #99 | Gemini 4 Argon low | 5 | 0.8 | $0.438 | 15/23 | 5.72s | |
| #295 | Qwen3.8 Flash Next none | Qwen | 14 | 0.6 | ~$0.011 | 8/23 | 5.71s |
| #437 | Kev 4B default | Jaredpalmer | 9 | 0.2 | $0.002 | 3/12 | 5.63s |
| #352 | Dots 3 Note Preview default | Dots Studio | 16 | 0.5 | $0.000 | 3/23 | 5.36s |
| #277 | Inkling none | Thinkingmachines | 13 | 0.6 | $0.292 | 7/23 | 5.30s |
| #397 | Mercury 2.5 none | Inception | 15 | 0.4 | $0.026 | 2/23 | 5.10s |
| #324 | Qwen3.8 27B none | Qwen | 12 | 0.5 | ~$0.010 | 9/23 | 5.05s |
| #350 | Mercury 2.5 Preview low | Inception | 13 | 0.5 | $0.015 | 6/23 | 4.92s |
| #245 | Beam 1.0 501B A23B low | Reflection | 6 | 0.6 | $0.432 | 11/23 | 4.89s |
| #254 | Gemini 3.5 Flash Lite low | 9 | 0.6 | $0.183 | 12/23 | 4.79s | |
| #219 | GPT-5.5 none | OpenAI | 11 | 0.7 | $1.212 | 12/23 | 4.75s |
| #415 | Hunter Alpha default | OpenRouter | 9 | 0.3 | $0.000 | 6/18 | 4.70s |