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)
#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
#272	Granite 4.2 8B medium	IBM Granite	1	0.8	$0.029	3/4	10.3s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.029 Muda wa majibu (wastani) 10.3s
#273	KAT-Coder-Pro V2.5 default	Kwaipilot	1	0.9	$0.742	3/4	4.58s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.742 Muda wa majibu (wastani) 4.58s
#275	Claude Sonnet 4.6 none	Anthropic	1	0.5	$0.661	1/4	2.94s
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $0.661 Muda wa majibu (wastani) 2.94s
#276	GLM 5.3 FlashX low	Z.ai	1	0.8	$0.157	3/4	1.56s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.157 Muda wa majibu (wastani) 1.56s
#280	Gemini 3.1 Flash Lite minimal	Google	1	0.8	$0.080	3/4	1.10s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.080 Muda wa majibu (wastani) 1.10s
#281	gpt-oss-120b medium	OpenAI	1	0.7	$0.030	2/4	10.2s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.030 Muda wa majibu (wastani) 10.2s
#284	Claude Sonnet 5 none	Anthropic	1	0.5	$1.095	1/4	3.60s
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $1.095 Muda wa majibu (wastani) 3.60s
#297	Dots 3 Note Preview medium	Dots Studio	1	0.9	$0.000	3/4	7.76s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 7.76s
#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
#311	Gemma 4 26B A4B none	Google	1	0.8	$0.031	3/4	1.28s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.031 Muda wa majibu (wastani) 1.28s
#312	GLM 5V Turbo medium	Z.ai	1	0.7	$0.457	2/4	10.8s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.457 Muda wa majibu (wastani) 10.8s
#314	Claude Opus 4.7 none	Anthropic	1	0.8	$0.505	3/4	2.12s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.505 Muda wa majibu (wastani) 2.12s
#323	Granite 4.2 8B low	IBM Granite	1	0.8	$0.036	3/4	11.7s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.036 Muda wa majibu (wastani) 11.7s
#331	KAT Coder AIR V2.5 high	Kwaipilot	1	0.7	$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

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