Orodha ya Uandishi wa msimbo x Jibu lisilo sahihi

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Jibu lisilo sahihi katika Uandishi wa msimbo, ili uone udhaifu haraka. Panga kwa: Jumla ya gharama ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

337

Modeli iliyoathirika zaidi

GPT-5.5 1

Sababu za kushindwa

Jibu lisilo sahihi337 Hitilafu ya API51 Hakuna jibu39 Muda umeisha27 Hakufuata maelekezo25 Muundo wa ziada25

Kategoria

Mahususi kwa domeni608 Mbinu za kupinga AI373 Uandishi wa msimbo337 Utatuzi wa mafumbo267 Maarifa ya jumla229 Mchanganyiko88 Akili ya jumla86 Ufuataji wa maagizo78 Uchanganuzi na uchimbaji wa data59 Mwito wa zana5

197/197

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#19	GPT-5.5 medium	OpenAI	1	8.8	$4.163	2/3	59.8s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $4.163 Muda wa majibu (wastani) 59.8s
#67	Claude Sonnet 4.6 medium	Anthropic	1	5.7	$2.126	1/3	33.3s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $2.126 Muda wa majibu (wastani) 33.3s
#70	Claude Opus 4.8 low	Anthropic	1	6.6	$2.089	1/3	7.58s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $2.089 Muda wa majibu (wastani) 7.58s
#37	Grok 4.5 medium	X AI	1	7.6	$2.042	2/3	155.7s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $2.042 Muda wa majibu (wastani) 155.7s
#39	Grok 4.6 medium	X AI	1	8.2	$1.713	2/3	120.0s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.713 Muda wa majibu (wastani) 120.0s
#36	GPT-5.4 medium	OpenAI	1	8.8	$1.560	2/3	44.4s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.560 Muda wa majibu (wastani) 44.4s
#81	Claude Opus 5 none	Anthropic	1	5.9	$1.550	1/3	5.54s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.550 Muda wa majibu (wastani) 5.54s
#29	Claude Opus 4.7 medium	Anthropic	1	7.6	$1.476	2/3	13.0s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.476 Muda wa majibu (wastani) 13.0s
#12	Gemini 3.1 Pro Preview medium	Google	1	7.9	$1.352	2/3	40.2s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.352 Muda wa majibu (wastani) 40.2s
#129	Step 3.7 Flash high	Stepfun	1	4.0	$1.229	0/3	206.2s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.229 Muda wa majibu (wastani) 206.2s
#104	Claude Opus 4.8 none	Anthropic	1	5.5	$1.166	1/3	3.29s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.166 Muda wa majibu (wastani) 3.29s
#130	Seed-2.0-Code medium	Bytedance Seed	1	8.9	$1.153	2/3	89.9s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.153 Muda wa majibu (wastani) 89.9s
#34	Qwen3.6 Max Preview medium	Qwen	1	8.8	$1.132	2/3	146.5s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.132 Muda wa majibu (wastani) 146.5s
#89	Grok Build 0.1 medium	X AI	1	5.7	$1.130	1/3	108.5s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.130 Muda wa majibu (wastani) 108.5s
#27	Claude Opus 5 low	Anthropic	1	7.8	$1.121	2/3	6.70s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.121 Muda wa majibu (wastani) 6.70s

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

Uandishi wa msimbo: 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