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)
#123	Inkling low	Thinkingmachines	1	8.3	$0.187	3/4	2.51s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.187 Muda wa majibu (wastani) 2.51s
#131	Grok 4.20 Beta medium	X AI	1	8.7	$0.750	3/4	3.16s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.750 Muda wa majibu (wastani) 3.16s
#143	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
#144	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
#149	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
#156	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
#172	MiniMax M2.7 medium	Minimax	1	7.9	$0.163	2/4	40.3s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.163 Muda wa majibu (wastani) 40.3s
#173	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
#178	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
#181	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
#185	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
#186	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
#188	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
#193	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
#198	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