Orodha ya Mchanganyiko x Hitilafu ya API

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Hitilafu ya API katika Mchanganyiko, ili uone udhaifu haraka. Panga kwa: Jumla ya gharama ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Grok 4.20 Multi Agent Beta 1

Sababu za kushindwa

Mwito wa zana si sahihi177 Jibu lisilo sahihi126 Hitilafu ya API62 Hakuna jibu55 Muda umeisha11 Hakufuata maelekezo1 Muundo wa ziada1

Kategoria

Uandishi wa msimbo65 Mchanganyiko62 Mbinu za kupinga AI44 Mahususi kwa domeni40 Mwito wa zana39 Kazi za mawakala36 Utatuzi wa mafumbo35 Uchanganuzi na uchimbaji wa data32 Ufuataji wa maagizo25 Maarifa ya jumla19

49/49

Nafasi	Modeli	Kampuni	Idadi ya Hitilafu ya API	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#391	Grok 4.20 Multi Agent Beta medium	X AI	1	0.2	$5.599	0/1	0ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $5.599 Muda wa majibu (wastani) 0ms
#93	Kimi K3 max	Moonshot AI	1	0.7	$3.409	1/2	223.0s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $3.409 Muda wa majibu (wastani) 223.0s
#209	Ember-1 max	Fireworks	1	0.7	$3.264	1/2	64.4s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $3.264 Muda wa majibu (wastani) 64.4s
#191	Ember-1 high	Fireworks	1	0.6	$2.405	1/2	79.9s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $2.405 Muda wa majibu (wastani) 79.9s
#317	Hy4 preview low	Tencent	2	0.3	$1.844	0/2	139.4s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $1.844 Muda wa majibu (wastani) 139.4s
#17	Gemini 4 Argon high	Google	1	0.7	$1.802	1/2	56.3s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $1.802 Muda wa majibu (wastani) 56.3s
#265	Gemini 3.5 Flash none	Google	2	0.3	$1.752	0/2	0ms
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $1.752 Muda wa majibu (wastani) 0ms
#184	Ember-1 low	Fireworks	1	0.7	$1.488	1/2	51.5s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $1.488 Muda wa majibu (wastani) 51.5s
#147	Seed-2.0-Code high	Bytedance Seed	1	0.7	$1.448	1/2	144.9s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $1.448 Muda wa majibu (wastani) 144.9s
#151	Seed-2.0-Code medium	Bytedance Seed	2	0.5	$1.275	0/2	102.3s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $1.275 Muda wa majibu (wastani) 102.3s
#103	Seed-2.0-Code low	Bytedance Seed	1	0.7	$0.881	1/2	99.1s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.881 Muda wa majibu (wastani) 99.1s
#223	Qwen3.6 35B A3B medium	Qwen	1	0.3	$0.834	0/2	817.6s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.834 Muda wa majibu (wastani) 817.6s
#234	Beam 1.0 501B A23B max	Reflection	2	0.3	$0.799	0/2	3.04s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.799 Muda wa majibu (wastani) 3.04s
#320	Ember-1 none	Fireworks	1	0.3	$0.786	0/2	49.0s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.786 Muda wa majibu (wastani) 49.0s
#171	LongCat 2.0 medium	Meituan	1	0.7	$0.767	1/2	151.0s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.767 Muda wa majibu (wastani) 151.0s

Chuja miundo

Modeli bora kwa Idadi ya Hitilafu ya API

Idadi ya Hitilafu ya API dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Mchanganyiko: Hitilafu ya API

Chuja miundo

Modeli bora kwa Idadi ya Hitilafu ya API

Idadi ya Hitilafu ya API dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa