Ratele de respingere pe familii de modele
Fiecare întrebare scrisă pentru acest site trece prin aceleași verificări, indiferent ce model a scris-o. Acestea sunt cifrele pentru cât pierde fiecare familie de modele, în ultimele 30 de zile, cu numărul din care sunt calculate ratele.
Aceste rate sunt numărate din jurnalul de apeluri, ținut din 14 septembrie 2026. Totalurile curente afișate în alte părți ale site-ului numără fiecare întrebare de la deschiderea site-ului, pe 11 septembrie 2026, așa că cele două seturi de cifre acoperă perioade diferite și nu sunt menite să se potrivească între ele.
Numărat între și : 2.459 de apeluri de generare care au întors 6.183 de întrebări. O familie este publicată când a întors 200 de întrebări în perioadă; sub acest prag pagina spune asta, în loc să afișeze o rată scoasă dintr-o mână de apeluri.
| Familie de modele | Întrebări scrise | Citatul nu a fost găsit pe pagina indicată | Al doilea model nu a fost de acord | Duplicat | Defect | Necerută sau prea târziu | Acceptate |
|---|---|---|---|---|---|---|---|
| qwen | 4,583 | 6.2% | 6.1% | 14.0% | 28.9% | 2.1% | 42.7% |
| deepseek | 503 | 14.3% | 3.0% | 2.4% | 11.5% | 2.0% | 66.8% |
| glm | 410 | 2.0% | 7.3% | 5.6% | 51.5% | 2.2% | 31.5% |
| nemotron | 393 | 3.1% | 0.5% | 2.5% | 53.9% | 1.3% | 38.7% |
| gpt-oss | 281 | 7.8% | 1.4% | 1.8% | 38.4% | 1.8% | 48.8% |
| openrouter-primary | 13 | date insuficiente | date insuficiente | date insuficiente | date insuficiente | date insuficiente | date insuficiente |
| gemma | 0 | date insuficiente | date insuficiente | date insuficiente | date insuficiente | date insuficiente | date insuficiente |
Pe linii
Linia gratuită rulează întâi DeepSeek V4 Flash pe Cloudflare Workers AI, cu alte modele cu ponderi deschise ca rezervă. Linia plătită rulează modelele prioritare: DeepSeek V4 Pro scrie, iar Kimi K2,6 răspunde orbește. Ambele linii trec prin aceleași verificări și ambele sunt numărate aici, de aceea pagina aceasta este despre familii de modele, nu despre linii.
| Linie | Întrebări scrise | Citatul nu a fost găsit pe pagina indicată | Al doilea model nu a fost de acord | Duplicat | Defect | Necerută sau prea târziu | Acceptate |
|---|---|---|---|---|---|---|---|
| gratuită | 6,140 | 6.5% | 5.3% | 11.2% | 31.1% | 2.0% | 43.9% |
| plătită | 43 | date insuficiente | date insuficiente | date insuficiente | date insuficiente | date insuficiente | date insuficiente |
Ce înseamnă fiecare coloană
- Întrebări scrise: întrebările returnate de model într-un răspuns care poate fi citit automat. Răspunsurile care nu au putut fi citite ca JSON sunt numărate separat în CSV, pe apel, pentru că nu au returnat nicio întrebare de numărat.
- Citat negăsit pe pagina citată: citatul exact nu se afla în textul stocat al paginii indicate de model, sau modelul a citat o pagină din afara secțiunii pe care a primit-o. CSV-ul le separă pe cele două.
- Al doilea model nu a fost de acord: un model dintr-o altă familie, căruia i s-a arătat întrebarea și citatele ei, dar niciodată cheia de răspuns, a ales alt răspuns.
- Duplicat: întrebarea o repeta pe una deja acceptată din același document.
- Defect: o regulă de structură sau de calitate a respins-o, de exemplu un set de variante cu un indiciu evident sau un enunț fără un singur răspuns cel mai bun. Acele reguli sunt cele pe care verificatorul de grile le rulează în browserul tău.
- Necerută sau prea târziu: întrebarea era corectă, dar oricum nu a ajuns la un student. Fie era de un tip pe care sarcina nu l-a cerut (un item cu răspuns scurt într-o sarcină cu variante multiple), fie sarcina s-a umplut din alte apeluri în timp ce aceasta era scrisă. Ambele sunt numărate ca să iasă rândul la total; niciuna nu este un reproș pentru model.
- Acceptate: ce a trecut de tot și a ajuns la un student.
Metodă
Fiecare cifră de aici vine din sarcini de producție de pe acest site. Se scrie un rând pentru fiecare apel către furnizor, în momentul în care rezultatul apelului este cunoscut, care conține numărători și nimic altceva: niciun text de întrebare, niciun text de document și niciun utilizator. Numărătorile sunt atribuite modelului care a răspuns efectiv, care nu este întotdeauna modelul cerut de sarcină, pentru că grupul trece pe alt model când unul este limitat sau lent. Atribuirea rezultatului unui model de rezervă modelului care nu a rulat ar publica o cifră despre modelul greșit.
Fereastra este ultimele 30 de zile, renumărată cel mult de două ori pe oră, și este una dintre trei ferestre fixe. Ratele sunt cote din întrebările returnate de o familie, iar fiecare întrebare returnată de un apel se află exact într-una dintre aceste coloane, așa că, împreună cu cota acceptată, dau întregul. Un apel care s-a întors la o sarcină deja încheiată nu scrie niciun rând: întrebările lui nu au fost niciodată evaluate, iar un model care a răspuns târziu nu este un model care a răspuns prost. O familie cu sub 200 de întrebări returnate este trecută ca date insuficiente, pentru că la acea dimensiune o singură secțiune slabă mișcă o rată cu câteva puncte.
Descarcă aceleași cifre în format CSV, sau citește-le ca JSON. Cifrele sunt publicate sub licența Creative Commons Attribution 4,0: folosește-le, citează-le și indică MedUni Exam ca sursă.
Actualizat pe 24 septembrie 2026.
Generează din propriul tău capitol
Nu ai nevoie de cont ca să încerci. Înregistrarea îți păstrează biblioteca, notele și coada de recapitulare pe toate dispozitivele.
Publicat , actualizat .