Orodha ya Mchanganyiko x Mwito wa zana si sahihi

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Mwito wa zana si sahihi katika Mchanganyiko, ili uone udhaifu haraka. Panga kwa: Idadi ya kushindwa ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Gemini 3.5 Flash 1

Sababu za kushindwa

Mwito wa zana si sahihi91 Jibu lisilo sahihi68 Hakuna jibu29 Hitilafu ya API26 Muda umeisha5 Hakufuata maelekezo1 Muundo wa ziada1

Kategoria

Mchanganyiko91 Mwito wa zana9

77/77

Nafasi	Modeli	Kampuni	Idadi ya Mwito wa zana si sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#2	Gemini 3.5 Flash high	Google	1	8.2	$1.976	1/2	84.1s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $1.976 Muda wa majibu (wastani) 84.1s
#8	Qwen3.7 Max medium	Qwen	1	8.7	$1.116	1/2	287.8s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $1.116 Muda wa majibu (wastani) 287.8s
#11	Gemini 3.5 Flash low	Google	1	8.2	$0.433	1/2	30.0s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.433 Muda wa majibu (wastani) 30.0s
#16	Muse Spark 1.1 medium	Meta	1	8.3	$1.357	1/2	42.6s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $1.357 Muda wa majibu (wastani) 42.6s
#17	Claude Fable 5 medium	Anthropic	1	6.5	$3.478	1/2	27.5s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $3.478 Muda wa majibu (wastani) 27.5s
#23	Claude Sonnet 5 medium	Anthropic	1	7.3	$0.922	1/2	51.9s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.922 Muda wa majibu (wastani) 51.9s
#24	Muse Spark 1.1 low	Meta	1	6.6	$0.647	1/2	29.4s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.647 Muda wa majibu (wastani) 29.4s
#28	Inkling high	Thinkingmachines	1	7.3	$1.006	1/2	63.8s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $1.006 Muda wa majibu (wastani) 63.8s
#29	Step 3.7 Flash medium	Stepfun	1	7.3	$0.515	1/2	80.9s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.515 Muda wa majibu (wastani) 80.9s
#34	GPT-5.6 Terra high	OpenAI	1	8.7	$1.055	1/2	13.7s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $1.055 Muda wa majibu (wastani) 13.7s
#36	Qwen3.7 Plus medium	Qwen	1	8.2	$0.267	1/2	190.3s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.267 Muda wa majibu (wastani) 190.3s
#45	DeepSeek V4 Flash high	DeepSeek	1	6.4	$0.042	1/2	104.1s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.042 Muda wa majibu (wastani) 104.1s
#51	Nemotron 3 Ultra medium	NVIDIA	1	6.3	$0.774	1/2	218.2s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.774 Muda wa majibu (wastani) 218.2s
#55	GPT-5.6 Terra low	OpenAI	1	8.7	$0.519	1/2	9.68s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.519 Muda wa majibu (wastani) 9.68s
#56	GPT-5.4 Mini medium	OpenAI	1	6.9	$0.756	1/2	59.6s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.756 Muda wa majibu (wastani) 59.6s

1 2 3 4 5 6

→

Chuja miundo

Modeli bora kwa Idadi ya Mwito wa zana si sahihi

Idadi ya Mwito wa zana si sahihi dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Mchanganyiko: Mwito wa zana si sahihi

Chuja miundo

Modeli bora kwa Idadi ya Mwito wa zana si sahihi

Idadi ya Mwito wa zana si sahihi dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa