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

293

Modeli iliyoathirika zaidi

Seed-2.0-Lite 4

Sababu za kushindwa

Jibu lisilo sahihi293 Hakufuata maelekezo33 Muundo wa ziada20 Hitilafu ya API14 Hakuna jibu4 Muda umeisha4

Kategoria

Mahususi kwa domeni412 Mbinu za kupinga AI293 Uandishi wa msimbo252 Utatuzi wa mafumbo201 Maarifa ya jumla168 Mchanganyiko68 Ufuataji wa maagizo61 Akili ya jumla59 Uchanganuzi na uchimbaji wa data41 Mwito wa zana3

140/140

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#165	Mistral Small 4 none	Mistral	4	3.4	$0.022	0/4	395ms
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.022 Muda wa majibu (wastani) 395ms
#168	MiMo-V2.5 none	Xiaomi	4	3.5	$0.025	0/4	2.19s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.025 Muda wa majibu (wastani) 2.19s
#169	Qwen3.5-9B none	Qwen	4	3.1	$0.021	0/4	1.71s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.021 Muda wa majibu (wastani) 1.71s
#170	GLM 5 Turbo none	Z.ai	4	3.0	$0.047	0/4	2.84s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.047 Muda wa majibu (wastani) 2.84s
#180	GPT-5.4 Nano none	OpenAI	4	3.5	$0.041	0/4	1.18s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.041 Muda wa majibu (wastani) 1.18s
#183	Trinity Large Preview none	Arcee AI	4	3.1	$0.008	0/4	2.07s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.008 Muda wa majibu (wastani) 2.07s
#189	Mercury 2 none	Inception	4	3.0	$0.030	0/4	483ms
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.030 Muda wa majibu (wastani) 483ms
#191	Grok 4.20 Beta none	X AI	4	4.0	$0.087	0/4	597ms
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.087 Muda wa majibu (wastani) 597ms
#196	Hunter Alpha none	OpenRouter	4	3.5	$0.000	0/4	3.81s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.000 Muda wa majibu (wastani) 3.81s
#200	MiMo-V2-Flash none	Xiaomi	4	3.2	$0.025	0/4	1.19s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.025 Muda wa majibu (wastani) 1.19s
#98	Qwen3.6 Max Preview none	Qwen	3	5.2	$0.231	1/4	2.63s
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $0.231 Muda wa majibu (wastani) 2.63s
#103	Qwen3.5-27B none	Qwen	3	4.8	$0.090	1/4	788ms
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $0.090 Muda wa majibu (wastani) 788ms
#107	Qwen3.5 Plus 2026-02-15 none	Qwen	3	4.8	$0.073	1/4	1.91s
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $0.073 Muda wa majibu (wastani) 1.91s
#111	LongCat 2.0 none	Meituan	3	4.8	$0.044	1/4	2.87s
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $0.044 Muda wa majibu (wastani) 2.87s
#126	Qwen3.5 Plus 2026-04-20 none	Qwen	3	4.8	$0.122	1/4	1.88s
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $0.122 Muda wa majibu (wastani) 1.88s

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