Рейтинг Предметно-ориентированное x Неверный ответ

Посмотрите, какие AI-модели чаще всего сталкиваются с Неверный ответ в Предметно-ориентированное, чтобы быстрее находить слабые места.

Показано моделей

Всего сбоев

893

Наиболее затронутая модель

Claude Opus 5 3

Причины сбоев

Неверный ответ893 Нет ответа66 Тайм-аут46 Ошибка API40 Лишнее форматирование36 Не соблюдены инструкции3

Категории

Предметно-ориентированное893 Анти-ИИ уловки519 Программирование484 Решение головоломок352 Эрудиция315 Общий интеллект134 Агентные задачи128 Комбинированный128 Следование инструкциям117 Парсинг и извлечение данных93

423/423

Ранг	Модель	Компания	Количество Неверный ответ	Оценка категории	Общая стоимость	Тестов верно	Время ответа (среднее)
#142	Muse Wonder xhigh	Meta	2	0.4	$4.012	0/3	150.7s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $4.012 Время ответа (среднее) 150.7s
#144	GPT-6 Luna low	OpenAI	2	0.5	$0.033	1/3	18.1s
Всего тестов 3 Ошибочных тестов 2 Общая стоимость $0.033 Время ответа (среднее) 18.1s
#145	Qwen3.8 27B low	Qwen	2	0.5	~$0.089	1/3	60.8s
Всего тестов 3 Ошибочных тестов 2 Общая стоимость ~$0.089 Время ответа (среднее) 60.8s
#150	Seed-2.0-Code high	Bytedance Seed	2	0.3	$1.448	0/3	419.7s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $1.448 Время ответа (среднее) 419.7s
#154	Seed-2.0-Code medium	Bytedance Seed	2	0.5	$1.275	1/3	429.8s
Всего тестов 3 Ошибочных тестов 2 Общая стоимость $1.275 Время ответа (среднее) 429.8s
#156	Grok 4.7 low	X AI	2	0.5	$1.933	1/3	159.1s
Всего тестов 3 Ошибочных тестов 2 Общая стоимость $1.933 Время ответа (среднее) 159.1s
#157	Inkling Small high	Thinkingmachines	2	0.5	$0.398	1/3	56.3s
Всего тестов 3 Ошибочных тестов 2 Общая стоимость $0.398 Время ответа (среднее) 56.3s
#159	Inkling medium	Thinkingmachines	2	0.5	$0.527	1/3	31.6s
Всего тестов 3 Ошибочных тестов 2 Общая стоимость $0.527 Время ответа (среднее) 31.6s
#161	GLM 5.3 Flash high	Z.ai	2	0.3	$0.056	0/3	85.9s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $0.056 Время ответа (среднее) 85.9s
#163	Grok 4.7 medium	X AI	2	0.5	$2.938	1/3	300.4s
Всего тестов 3 Ошибочных тестов 2 Общая стоимость $2.938 Время ответа (среднее) 300.4s
#164	Gemini 2.5 Flash medium	Google	2	0.6	$0.680	1/3	37.1s
Всего тестов 3 Ошибочных тестов 2 Общая стоимость $0.680 Время ответа (среднее) 37.1s
#165	LongCat 2.0 high	Meituan	2	0.4	$0.778	0/3	433.7s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $0.778 Время ответа (среднее) 433.7s
#168	Qwen3.5-27B none	Qwen	2	0.5	$0.116	1/3	634ms
Всего тестов 3 Ошибочных тестов 2 Общая стоимость $0.116 Время ответа (среднее) 634ms
#170	Qwen3.8 27B medium	Qwen	2	0.5	~$0.073	1/3	77.0s
Всего тестов 3 Ошибочных тестов 2 Общая стоимость ~$0.073 Время ответа (среднее) 77.0s
#171	Gemini 3.8 Flash low	Google	2	0.6	$0.323	1/3	6.50s
Всего тестов 3 Ошибочных тестов 2 Общая стоимость $0.323 Время ответа (среднее) 6.50s

Фильтровать модели

Лучшие модели по Количество Неверный ответ

Количество Неверный ответ против Оценка

Лучшие модели по Время ответа (среднее)

Лучшие модели по Оценочная стоимость потерь

Предметно-ориентированное: Неверный ответ

Фильтровать модели

Лучшие модели по Количество Неверный ответ

Количество Неверный ответ против Оценка

Лучшие модели по Время ответа (среднее)