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: Muda wa majibu (wastani) ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

502

Modeli iliyoathirika zaidi

Muse Spark Open 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)
#61	Muse Spark Open medium	Meta	1	0.7	$1.260	2/4	175.4s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $1.260 Muda wa majibu (wastani) 175.4s
#398	Xing4.0 29b A4b medium	Xingchen AGI	3	0.4	$0.000	0/4	145.4s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.000 Muda wa majibu (wastani) 145.4s
#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
#368	Laguna S 2.1 low	Poolside	4	0.3	$0.108	0/4	80.7s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.108 Muda wa majibu (wastani) 80.7s
#145	Seed-2.0-Mini medium	Bytedance Seed	1	0.7	$0.140	2/4	74.7s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.140 Muda wa majibu (wastani) 74.7s
#349	Laguna S 2.1 high	Poolside	3	0.3	$0.145	0/4	52.2s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.145 Muda wa majibu (wastani) 52.2s
#340	Laguna S 2.1 medium	Poolside	3	0.3	$0.092	0/4	51.8s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.092 Muda wa majibu (wastani) 51.8s
#237	Kimi K2.5 medium	Moonshot AI	1	0.7	$0.841	2/4	51.4s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.841 Muda wa majibu (wastani) 51.4s
#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
#151	Seed-2.0-Code medium	Bytedance Seed	2	0.7	$1.275	2/4	46.0s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $1.275 Muda wa majibu (wastani) 46.0s
#166	Qwen3.5 Plus 2026-02-15 medium	Qwen	1	0.8	$0.567	3/4	45.8s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.567 Muda wa majibu (wastani) 45.8s
#231	Laguna XS 2.1 medium	Poolside	2	0.5	$0.083	1/4	42.0s
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $0.083 Muda wa majibu (wastani) 42.0s
#342	MiniMax M2.7 medium	Minimax	1	0.8	$0.326	2/4	40.3s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.326 Muda wa majibu (wastani) 40.3s
#103	Seed-2.0-Code low	Bytedance Seed	1	0.9	$0.881	3/4	39.6s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.881 Muda wa majibu (wastani) 39.6s
#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

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