Orodha ya Mbinu za kupinga AI x Jibu lisilo sahihi

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Jibu lisilo sahihi katika Mbinu za kupinga AI, ili uone udhaifu haraka. Panga kwa: Jumla ya gharama ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

502

Modeli iliyoathirika zaidi

Grok 4.20 Multi Agent Beta 1

Sababu za kushindwa

Jibu lisilo sahihi502 Hakufuata maelekezo52 Hitilafu ya API44 Muundo wa ziada34 Hakuna jibu13 Muda umeisha8

Kategoria

Mahususi kwa domeni878 Mbinu za kupinga AI502 Uandishi wa msimbo477 Utatuzi wa mafumbo344 Maarifa ya jumla306 Akili ya jumla129 Kazi za mawakala126 Mchanganyiko126 Ufuataji wa maagizo111 Uchanganuzi na uchimbaji wa data93

249/249

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#391	Grok 4.20 Multi Agent Beta medium	X AI	1	0.7	$5.599	2/4	3.46s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $5.599 Muda wa majibu (wastani) 3.46s
#185	Step 5 Preview high	Stepfun	1	0.7	$4.513	2/4	14.7s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $4.513 Muda wa majibu (wastani) 14.7s
#271	Step 5 Preview medium	Stepfun	1	0.6	$4.136	2/4	12.6s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $4.136 Muda wa majibu (wastani) 12.6s
#302	Step 5 Preview low	Stepfun	1	0.7	$4.110	2/4	9.50s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $4.110 Muda wa majibu (wastani) 9.50s
#105	Claude Opus 4.7 medium	Anthropic	1	0.8	$3.636	3/4	1.85s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $3.636 Muda wa majibu (wastani) 1.85s
#175	Claude Opus 5 none	Anthropic	3	0.6	$2.766	1/4	4.33s
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $2.766 Muda wa majibu (wastani) 4.33s
#87	Muse Spark 1.1 high	Meta	1	0.7	$2.570	2/4	8.60s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $2.570 Muda wa majibu (wastani) 8.60s
#60	GPT-5.4 medium	OpenAI	1	0.8	$2.213	3/4	4.11s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $2.213 Muda wa majibu (wastani) 4.11s
#236	Claude Sonnet 4.6 medium	Anthropic	1	0.7	$2.126	2/4	2.98s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $2.126 Muda wa majibu (wastani) 2.98s
#366	Gemini 3.1 Flash Lite high	Google	1	0.9	$2.044	3/4	37.2s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $2.044 Muda wa majibu (wastani) 37.2s
#68	Seed 2.1 Turbo medium	Bytedance Seed	1	0.8	$2.042	3/4	28.2s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $2.042 Muda wa majibu (wastani) 28.2s
#42	Seed 2.1 Turbo high	Bytedance Seed	1	0.8	$1.892	3/4	47.0s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $1.892 Muda wa majibu (wastani) 47.0s
#58	Pareto 26.9 default	Unbiased	2	0.7	$1.864	2/4	6.44s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $1.864 Muda wa majibu (wastani) 6.44s
#317	Hy4 preview low	Tencent	4	0.6	$1.844	0/4	129.6s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $1.844 Muda wa majibu (wastani) 129.6s
#29	Seed 2.1 Turbo low	Bytedance Seed	1	0.8	$1.645	3/4	34.8s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $1.645 Muda wa majibu (wastani) 34.8s

Chuja miundo

Modeli bora kwa Idadi ya Jibu lisilo sahihi

Idadi ya Jibu lisilo sahihi dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Mbinu za kupinga AI: Jibu lisilo sahihi

Chuja miundo

Modeli bora kwa Idadi ya Jibu lisilo sahihi

Idadi ya Jibu lisilo sahihi dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa