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: Muda wa majibu (wastani) ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

177

Modeli iliyoathirika zaidi

Nemotron 3.5 Lightning 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

Mchanganyiko177 Kazi za mawakala44 Mwito wa zana11

154/154

Nafasi	Modeli	Kampuni	Idadi ya Mwito wa zana si sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#397	Nemotron 3.5 Lightning none	NVIDIA	1	0.3	$0.009	0/2	2.02s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.009 Muda wa majibu (wastani) 2.02s
#388	Mercury 2.5 none	Inception	1	0.3	$0.026	0/2	3.24s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.026 Muda wa majibu (wastani) 3.24s
#328	Inkling Small low	Thinkingmachines	1	0.3	$0.055	0/2	4.08s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.055 Muda wa majibu (wastani) 4.08s
#403	Laguna M.1 default	Poolside	1	0.2	$0.009	0/1	4.32s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.009 Muda wa majibu (wastani) 4.32s
#318	MiMo-V2.6-Flash none	Xiaomi	1	0.4	$0.060	0/2	4.78s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.060 Muda wa majibu (wastani) 4.78s
#407	Grok 4.20 none	X AI	1	0.2	$0.057	0/1	6.04s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.057 Muda wa majibu (wastani) 6.04s
#402	Grok 4.20 Beta default	X AI	1	0.2	$0.087	0/1	6.48s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.087 Muda wa majibu (wastani) 6.48s
#322	GPT-5.6 Luna none	OpenAI	1	0.3	$0.042	0/2	6.68s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.042 Muda wa majibu (wastani) 6.68s
#288	GPT-5.6 Terra none	OpenAI	1	0.3	$0.377	0/2	7.02s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.377 Muda wa majibu (wastani) 7.02s
#218	Mercury 2 medium	Inception	1	0.7	$0.121	1/2	7.84s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.121 Muda wa majibu (wastani) 7.84s
#329	Ling 3.0 Flash none	Inclusionai	1	0.3	$0.004	0/2	8.58s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.004 Muda wa majibu (wastani) 8.58s
#278	Inkling Small medium	Thinkingmachines	2	0.4	$0.113	0/2	8.89s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.113 Muda wa majibu (wastani) 8.89s
#396	Granite 4.1 8b default	IBM Granite	2	0.3	$0.007	0/2	9.28s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.007 Muda wa majibu (wastani) 9.28s
#347	Inkling Small none	Thinkingmachines	1	0.7	$0.054	1/2	9.33s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.054 Muda wa majibu (wastani) 9.33s
#113	GPT-5.6 Terra low	OpenAI	1	0.9	$0.435	1/2	9.68s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.435 Muda wa majibu (wastani) 9.68s

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