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

878

Наиболее затронутая модель

Claude Opus 5 3

Причины сбоев

Неверный ответ878 Нет ответа63 Тайм-аут46 Ошибка API40 Лишнее форматирование36 Не соблюдены инструкции3

Категории

Предметно-ориентированное878 Анти-ИИ уловки502 Программирование477 Решение головоломок344 Эрудиция306 Общий интеллект129 Агентные задачи126 Комбинированный126 Следование инструкциям111 Парсинг и извлечение данных93

414/414

Ранг	Модель	Компания	Количество Неверный ответ	Оценка категории	Общая стоимость	Тестов верно	Время ответа (среднее)
#137	Qwen3.7 Flash low	Qwen	3	0.4	$0.071	0/3	37.6s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $0.071 Время ответа (среднее) 37.6s
#138	Muse Glimmer 30B medium	Meta	3	0.3	$0.288	0/3	44.6s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $0.288 Время ответа (среднее) 44.6s
#140	Qwen3.8 Flash Next medium	Qwen	3	0.3	~$0.047	0/3	17.3s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость ~$0.047 Время ответа (среднее) 17.3s
#146	Mistral Large 4 high	Mistral	3	0.3	$1.391	0/3	289.4s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $1.391 Время ответа (среднее) 289.4s
#148	GPT-5.6 Luna medium	OpenAI	3	0.3	$0.065	0/3	18.5s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $0.065 Время ответа (среднее) 18.5s
#149	Qwen3.6 Flash medium	Qwen	3	0.3	$0.783	0/3	17.0s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $0.783 Время ответа (среднее) 17.0s
#150	DeepSeek V4 Flash 0731 low	DeepSeek	3	0.3	$0.306	0/3	255.5s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $0.306 Время ответа (среднее) 255.5s
#152	GLM 5.3 FlashX high	Z.ai	3	0.4	$0.210	0/3	50.0s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $0.210 Время ответа (среднее) 50.0s
#155	DeepSeek V4 Pro 0423 none	DeepSeek	3	0.3	$0.083	0/3	4.91s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $0.083 Время ответа (среднее) 4.91s
#163	Qwen3.6 Plus medium	Qwen	3	0.3	$0.554	0/3	46.4s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $0.554 Время ответа (среднее) 46.4s
#164	Gemini 3.5 Flash Lite medium	Google	3	0.4	$0.440	0/3	5.34s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $0.440 Время ответа (среднее) 5.34s
#170	Qwen3.7 Flash high	Qwen	3	0.3	$0.063	0/3	34.4s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $0.063 Время ответа (среднее) 34.4s
#173	Step 3.7 Flash low	Stepfun	3	0.3	$0.449	0/3	22.7s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $0.449 Время ответа (среднее) 22.7s
#176	Qwen3.8 Flash Next xhigh	Qwen	3	0.3	~$0.195	0/3	327.0s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость ~$0.195 Время ответа (среднее) 327.0s
#177	GLM 5.3 FlashX medium	Z.ai	3	0.4	$0.114	0/3	3.52s
Всего тестов 3 Ошибочных тестов 3 Общая стоимость $0.114 Время ответа (среднее) 3.52s

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)