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

502

Modeli iliyoathirika zaidi

Qwen3.5-Flash 4

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)
#211	GPT-5.6 Sol none	OpenAI	1	0.8	$0.795	3/4	1.27s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.795 Muda wa majibu (wastani) 1.27s
#213	GLM 5.3 Flash low	Z.ai	1	0.9	$0.038	3/4	2.14s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.038 Muda wa majibu (wastani) 2.14s
#215	GLM 5.2 none	Z.ai	1	0.8	$0.250	3/4	3.70s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.250 Muda wa majibu (wastani) 3.70s
#218	Mercury 2 medium	Inception	1	0.7	$0.121	2/4	1.12s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.121 Muda wa majibu (wastani) 1.12s
#226	Beam 1.0 501B A23B xhigh	Reflection	1	0.9	$0.688	3/4	1.52s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.688 Muda wa majibu (wastani) 1.52s
#233	Gemini 3 Flash Preview none	Google	1	0.8	$0.155	3/4	1.25s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.155 Muda wa majibu (wastani) 1.25s
#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
#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
#242	Dots 3 Note Preview high	Dots Studio	1	0.9	$0.000	3/4	6.97s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 6.97s
#248	Gemini 3.1 Flash Lite Preview low	Google	1	0.8	$0.736	3/4	2.12s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.736 Muda wa majibu (wastani) 2.12s
#256	Trinity Large Thinking low	Arcee AI	1	0.8	$0.918	3/4	5.70s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.918 Muda wa majibu (wastani) 5.70s
#258	Grok 4.20 medium	X AI	1	0.8	$1.246	3/4	3.95s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $1.246 Muda wa majibu (wastani) 3.95s
#260	KAT-Coder-Pro V2.5 medium	Kwaipilot	1	0.8	$0.669	3/4	3.90s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.669 Muda wa majibu (wastani) 3.90s
#263	Gemini 3.1 Flash Lite Preview none	Google	1	0.7	$0.090	2/4	1.04s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.090 Muda wa majibu (wastani) 1.04s
#268	Apodex 1.1 Mini low	Apodex	1	0.9	$0.000	3/4	9.10s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 9.10s

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