Orodha ya Mbinu za kupinga AI x Hitilafu ya API

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Hitilafu ya API katika Mbinu za kupinga AI, ili uone udhaifu haraka.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Hy4 preview 4

Sababu za kushindwa

Jibu lisilo sahihi386 Hakufuata maelekezo44 Muundo wa ziada29 Hitilafu ya API20 Hakuna jibu13 Muda umeisha6

Kategoria

Uandishi wa msimbo56 Mchanganyiko37 Mwito wa zana25 Mbinu za kupinga AI20 Mahususi kwa domeni17 Uchanganuzi na uchimbaji wa data17 Utatuzi wa mafumbo15 Akili ya jumla14 Maarifa ya jumla14 Ufuataji wa maagizo2

16/16

Nafasi	Modeli	Kampuni	Idadi ya Hitilafu ya API	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#228	Hy4 preview low	Tencent	4	6.0	$1.745	0/4	129.6s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $1.745 Muda wa majibu (wastani) 129.6s
#205	Hy3 preview high	Tencent	2	6.4	$0.135	2/4	15.1s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.135 Muda wa majibu (wastani) 15.1s
#64	Inkling medium	Thinkingmachines	1	8.7	$0.383	3/4	6.49s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.383 Muda wa majibu (wastani) 6.49s
#128	DeepSeek V3.2 medium	DeepSeek	1	8.2	$0.078	3/4	24.2s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.078 Muda wa majibu (wastani) 24.2s
#142	Seed-2.0-Code medium	Bytedance Seed	1	6.9	$1.153	2/4	46.0s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $1.153 Muda wa majibu (wastani) 46.0s
#220	KAT-Coder-Air V2.5 high	Kwaipilot	1	6.9	$0.077	2/4	2.49s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.077 Muda wa majibu (wastani) 2.49s
#230	Hy3 preview low	Tencent	1	8.3	$0.042	3/4	9.32s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.042 Muda wa majibu (wastani) 9.32s
#261	Laguna S 2.1 low	Poolside	1	3.4	$0.082	0/4	80.7s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.082 Muda wa majibu (wastani) 80.7s
#262	DeepSeek V3.2 none	DeepSeek	1	3.2	$0.054	0/4	9.35s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.054 Muda wa majibu (wastani) 9.35s
#264	Qwen3.6 Plus Preview medium	Qwen	1	8.3	$0.000	3/4	11.7s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 11.7s
#279	Laguna M.1 medium	Poolside	1	6.5	$0.033	2/4	4.87s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.033 Muda wa majibu (wastani) 4.87s
#287	Laguna M.1 none	Poolside	1	3.4	$0.009	0/4	705ms
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.009 Muda wa majibu (wastani) 705ms
#294	Laguna Xs.2 medium	Poolside	1	6.9	$0.015	2/4	2.68s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.015 Muda wa majibu (wastani) 2.68s
#306	Laguna Xs.2 none	Poolside	1	3.0	$0.004	0/4	534ms
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.004 Muda wa majibu (wastani) 534ms
#308	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	1	6.4	$0.000	2/4	1.20s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 1.20s

Chuja miundo

Modeli bora kwa Idadi ya Hitilafu ya API

Idadi ya Hitilafu ya API dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Mbinu za kupinga AI: Hitilafu ya API

Chuja miundo

Modeli bora kwa Idadi ya Hitilafu ya API

Idadi ya Hitilafu ya API dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa