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

519

Modeli iliyoathirika zaidi

Qwen3.5-Flash 4

Sababu za kushindwa

Jibu lisilo sahihi519 Hakufuata maelekezo52 Hitilafu ya API44 Muundo wa ziada34 Hakuna jibu13 Muda umeisha8

Kategoria

Mahususi kwa domeni893 Mbinu za kupinga AI519 Uandishi wa msimbo484 Utatuzi wa mafumbo352 Maarifa ya jumla315 Akili ya jumla134 Kazi za mawakala128 Mchanganyiko128 Ufuataji wa maagizo117 Uchanganuzi na uchimbaji wa data93

258/258

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#416	Grok 4.20 none	X AI	3	0.5	$0.057	1/4	501ms
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $0.057 Muda wa majibu (wastani) 501ms
#424	Grok 4.1 Fast default	X AI	3	0.3	$0.008	0/4	1.07s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.008 Muda wa majibu (wastani) 1.07s
#436	GPT-6 Luna Decisions default	OpenAI	3	0.2	$0.005	0/3	436ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.005 Muda wa majibu (wastani) 436ms
#437	Kev 4B default	Jaredpalmer	3	0.2	$0.002	0/3	3.65s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.002 Muda wa majibu (wastani) 3.65s
#445	LFM2-24B-A2B default	Liquid	3	0.3	$0.001	0/3	471ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.001 Muda wa majibu (wastani) 471ms
#59	Pareto 26.9 default	Unbiased	2	0.7	$1.864	2/4	6.44s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $1.864 Muda wa majibu (wastani) 6.44s
#72	Muse Spark 1.1 low	Meta	2	0.8	$0.885	2/4	4.36s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.885 Muda wa majibu (wastani) 4.36s
#106	DeepSeek V4 Pro 0423 high	DeepSeek	2	0.6	$0.149	1/4	25.7s
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $0.149 Muda wa majibu (wastani) 25.7s
#120	Qwen3.7 Max none	Qwen	2	0.7	$0.451	2/4	1.08s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.451 Muda wa majibu (wastani) 1.08s
#123	MiMo-V2.6-Flash medium	Xiaomi	2	0.6	$0.218	1/4	1.42s
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $0.218 Muda wa majibu (wastani) 1.42s
#131	Qwen3.7 Plus none	Qwen	2	0.7	$0.178	2/4	1.38s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.178 Muda wa majibu (wastani) 1.38s
#146	Space Bunny Alpha high	Stealth	2	0.6	$0.000	2/4	3.48s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 3.48s
#154	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
#158	DeepSeek V4 Pro 0423 none	DeepSeek	2	0.3	$0.083	0/4	4.02s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.083 Muda wa majibu (wastani) 4.02s
#180	GLM 5.3 FlashX medium	Z.ai	2	0.7	$0.114	2/4	1.71s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.114 Muda wa majibu (wastani) 1.71s

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