Рейтинг Эрудиция x Неверный ответ

Посмотрите, какие AI-модели чаще всего сталкиваются с Неверный ответ в Эрудиция, чтобы быстрее находить слабые места. Сортировать по: Время ответа (среднее) ↓.

Показано моделей

Всего сбоев

323

Наиболее затронутая модель

Qwen3.8 Max (0902) 1

Причины сбоев

Неверный ответ323 Нет ответа63 Ошибка API19 Тайм-аут2

Категории

Предметно-ориентированное907 Анти-ИИ уловки521 Программирование486 Решение головоломок357 Эрудиция323 Общий интеллект134 Комбинированный131 Агентные задачи128 Следование инструкциям118 Парсинг и извлечение данных93

323/323

Ранг	Модель	Компания	Количество Неверный ответ	Оценка категории	Общая стоимость	Тестов верно	Время ответа (среднее)
#42	Qwen3.8 Max (0902) high	Qwen	1	0.3	$3.306	0/1	532.6s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $3.306 Время ответа (среднее) 532.6s
#91	Qwen3.8 2.4T A95B low	Qwen	1	0.3	$4.016	0/1	422.5s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $4.016 Время ответа (среднее) 422.5s
#276	Space Bunny Alpha xhigh	Stealth	1	0.3	$0.000	0/1	367.8s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.000 Время ответа (среднее) 367.8s
#131	Qwen3.8 2.4T A95B high	Qwen	1	0.3	$2.949	0/1	348.0s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $2.949 Время ответа (среднее) 348.0s
#196	Kimi K2.7 Code medium	Moonshot AI	1	0.3	$1.136	0/1	341.8s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $1.136 Время ответа (среднее) 341.8s
#317	Space Bunny Alpha low	Stealth	1	0.3	$0.000	0/1	340.9s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.000 Время ответа (среднее) 340.9s
#188	Qwen3.8 Flash Next xhigh	Qwen	1	0.3	~$0.195	0/1	325.0s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость ~$0.195 Время ответа (среднее) 325.0s
#74	Qwen3.8 27B high	Qwen	1	0.3	~$0.298	0/1	264.0s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость ~$0.298 Время ответа (среднее) 264.0s
#380	Granite 4.2 8B high	IBM Granite	1	0.3	$0.111	0/1	252.5s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.111 Время ответа (среднее) 252.5s
#162	DeepSeek V4 Flash 0731 low	DeepSeek	1	0.3	$0.306	0/1	246.9s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.306 Время ответа (среднее) 246.9s
#155	Space Bunny Alpha high	Stealth	1	0.3	$0.000	0/1	234.6s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.000 Время ответа (среднее) 234.6s
#373	Mimo V2 Omni medium	Xiaomi	1	0.3	$0.683	0/1	234.2s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.683 Время ответа (среднее) 234.2s
#386	Laguna S 2.1 low	Poolside	1	0.3	$0.108	0/1	202.5s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.108 Время ответа (среднее) 202.5s
#379	Laguna S 2.1 none	Poolside	1	0.3	$0.044	0/1	200.5s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.044 Время ответа (среднее) 200.5s
#271	Space Bunny Alpha medium	Stealth	1	0.3	$0.000	0/1	197.3s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.000 Время ответа (среднее) 197.3s

1 2 22

→

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

Эрудиция: Неверный ответ

Фильтровать модели

Лучшие модели по Количество Неверный ответ

Количество Неверный ответ против Оценка

Лучшие модели по Время ответа (среднее)