Эрудиция: Неверный ответ
Эрудиция
Неверный ответ
Посмотрите, какие AI-модели чаще всего сталкиваются с Неверный ответ в Эрудиция, чтобы быстрее находить слабые места.
Причины сбоев
259/259
Фильтровать модели
Нет моделей, соответствующих текущему поиску и фильтрам.
| Ранг | Модель | Компания | Количество Неверный ответ | Оценка категории | Общая стоимость | Тестов верно | Время ответа (среднее) |
|---|---|---|---|---|---|---|---|
| #245 | Hy3 preview low | Tencent | 1 | 3.0 | $0.042 | 0/1 | 41.7s |
| #246 | Qwen3.8 27B none | Qwen | 1 | 3.0 | ~$0.006 | 0/1 | 703ms |
| #247 | Mimo V2 Omni none | Xiaomi | 1 | 3.0 | $0.021 | 0/1 | 1.30s |
| #248 | DeepSeek V4 Flash 0423 none | DeepSeek | 1 | 3.0 | $0.040 | 0/1 | 3.07s |
| #249 | DeepSeek V4.1 Flash none | DeepSeek | 1 | 3.0 | $0.370 | 0/1 | 1.32s |
| #250 | Laguna S 2.1 medium | Poolside | 1 | 3.0 | $0.053 | 0/1 | 7.11s |
| #251 | KAT-Coder-Air V2.5 low | Kwaipilot | 1 | 3.0 | $0.046 | 0/1 | 20.0s |
| #252 | GPT-5.6 Luna none | OpenAI | 1 | 3.0 | $0.029 | 0/1 | 651ms |
| #253 | MiMo-V2.5-Pro none | Xiaomi | 1 | 3.0 | $0.068 | 0/1 | 1.89s |
| #254 | Kimi K2.5 none | Moonshot AI | 1 | 3.0 | $0.101 | 0/1 | 3.90s |
| #255 | DeepSeek V4 Flash 0731 none | DeepSeek | 1 | 3.0 | $0.009 | 0/1 | 1.85s |
| #256 | Laguna S 2.1 high | Poolside | 1 | 3.0 | $0.114 | 0/1 | 6.94s |
| #257 | Inkling Small none | Thinkingmachines | 1 | 3.0 | $0.054 | 0/1 | 481ms |
| #258 | Laguna XS 2.1 none | Poolside | 1 | 3.0 | $0.008 | 0/1 | 254ms |
| #259 | Seed-2.0-Code none | Bytedance Seed | 1 | 3.0 | $0.151 | 0/1 | 5.36s |