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.

Modeli zilizoonyeshwa

Jumla ya kushindwa

456

Modeli iliyoathirika zaidi

Qwen3.6 Flash 3

Sababu za kushindwa

Jibu lisilo sahihi456 Hitilafu ya API64 Hakufuata maelekezo41 Hakuna jibu41 Muundo wa ziada36 Muda umeisha24

Kategoria

Mahususi kwa domeni811 Mbinu za kupinga AI470 Uandishi wa msimbo456 Utatuzi wa mafumbo323 Maarifa ya jumla289 Akili ya jumla121 Mchanganyiko121 Kazi za mawakala120 Ufuataji wa maagizo101 Uchanganuzi na uchimbaji wa data77

265/265

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#147	Qwen3.6 Plus medium	Qwen	1	0.6	$0.554	1/3	153.1s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.554 Muda wa majibu (wastani) 153.1s
#148	Gemini 3.5 Flash Lite medium	Google	1	0.8	$0.440	2/3	9.96s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.440 Muda wa majibu (wastani) 9.96s
#153	Claude Opus 4.8 low	Anthropic	1	0.7	$3.787	1/3	7.58s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $3.787 Muda wa majibu (wastani) 7.58s
#154	Qwen3.7 Flash high	Qwen	1	0.8	$0.063	2/3	58.8s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.063 Muda wa majibu (wastani) 58.8s
#157	Step 3.7 Flash low	Stepfun	1	0.8	$0.449	2/3	9.46s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.449 Muda wa majibu (wastani) 9.46s
#159	Claude Opus 5 none	Anthropic	1	0.6	$2.766	1/3	5.54s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $2.766 Muda wa majibu (wastani) 5.54s
#162	MiMo-V2.6-Flash low	Xiaomi	1	0.8	$0.200	2/3	11.0s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.200 Muda wa majibu (wastani) 11.0s
#164	GPT-5.2 Chat default	OpenAI	1	0.9	$0.594	2/3	9.82s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.594 Muda wa majibu (wastani) 9.82s
#165	Qwen3.6 Max Preview medium	Qwen	1	0.9	$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
#169	Qwen3.5-122B-A10B medium	Qwen	1	0.6	$1.152	1/3	114.5s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.152 Muda wa majibu (wastani) 114.5s
#172	Muse Glimmer 30B low	Meta	1	0.8	$0.219	2/3	16.5s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.219 Muda wa majibu (wastani) 16.5s
#175	Gemma 4 31B medium	Google	1	0.4	$0.144	0/3	219.8s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.144 Muda wa majibu (wastani) 219.8s
#178	Claude Opus 4.8 none	Anthropic	1	0.5	$2.334	1/3	3.29s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $2.334 Muda wa majibu (wastani) 3.29s
#182	Mercury 2.5 Preview medium	Inception	1	0.8	$0.039	2/3	3.86s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.039 Muda wa majibu (wastani) 3.86s
#185	Solar Pro 4 xhigh	Upstage	1	0.6	$0.067	1/3	292.2s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.067 Muda wa majibu (wastani) 292.2s

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