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.

Modeli zilizoonyeshwa

Jumla ya kushindwa

386

Modeli iliyoathirika zaidi

Seed-2.0-Lite 4

Sababu za kushindwa

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

Kategoria

Mahususi kwa domeni654 Mbinu za kupinga AI386 Uandishi wa msimbo361 Utatuzi wa mafumbo275 Maarifa ya jumla244 Mchanganyiko95 Akili ya jumla90 Ufuataji wa maagizo82 Uchanganuzi na uchimbaji wa data66 Mwito wa zana5

188/188

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#219	Gemini 3.1 Flash Lite high	Google	1	8.7	$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
#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
#223	Gemma 4 26B A4B none	Google	1	8.3	$0.015	3/4	1.28s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.015 Muda wa majibu (wastani) 1.28s
#226	KAT-Coder-Air V2.5 medium	Kwaipilot	1	8.7	$0.048	3/4	3.79s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.048 Muda wa majibu (wastani) 3.79s
#249	Granite 4.2 8B medium	IBM Granite	1	8.4	$0.009	3/4	10.3s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.009 Muda wa majibu (wastani) 10.3s
#253	Granite 4.2 8B low	IBM Granite	1	8.3	$0.012	3/4	11.7s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.012 Muda wa majibu (wastani) 11.7s
#259	MiniMax M2.7 medium	Minimax	1	7.9	$0.208	2/4	40.3s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.208 Muda wa majibu (wastani) 40.3s
#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
#266	Ling-2.6-flash none	Inclusionai	1	6.8	$0.002	2/4	11.8s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.002 Muda wa majibu (wastani) 11.8s
#273	Grok 4.20 Multi Agent Beta medium	X AI	1	6.9	$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
#278	Grok 4.1 Fast medium	X AI	1	8.7	$0.069	3/4	3.81s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.069 Muda wa majibu (wastani) 3.81s
#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
#280	Cobuddy medium	Baidu	1	8.7	$0.000	3/4	10.00s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 10.00s
#288	Elephant Alpha none	Openrouter	1	6.6	$0.000	2/4	963ms
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 963ms
#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

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