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: Majaribio sahihi ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

177

Modeli iliyoathirika zaidi

Muse Glimmer 30B 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)
#84	Muse Glimmer 30B xhigh	Meta	1	0.6	$0.585	0/2	272.7s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.585 Muda wa majibu (wastani) 272.7s
#87	Muse Spark 1.1 high	Meta	2	0.6	$2.570	0/2	70.3s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $2.570 Muda wa majibu (wastani) 70.3s
#174	Qwen3.6 27B medium	Qwen	2	0.7	$1.021	0/2	584.1s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $1.021 Muda wa majibu (wastani) 584.1s
#177	GLM 5.3 FlashX medium	Z.ai	1	0.3	$0.114	0/2	16.0s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.114 Muda wa majibu (wastani) 16.0s
#189	Muse Glimmer 30B low	Meta	1	0.4	$0.219	0/2	132.0s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.219 Muda wa majibu (wastani) 132.0s
#192	Gemma 4 31B medium	Google	1	0.3	$0.144	0/2	433.1s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.144 Muda wa majibu (wastani) 433.1s
#193	GPT-5.6 Luna low	OpenAI	1	0.3	$0.049	0/2	13.7s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.049 Muda wa majibu (wastani) 13.7s
#198	Inkling low	Thinkingmachines	2	0.3	$0.293	0/2	22.7s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.293 Muda wa majibu (wastani) 22.7s
#205	Qwen3.5-Flash none	Qwen	1	0.3	$0.089	0/2	243.6s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.089 Muda wa majibu (wastani) 243.6s
#212	Apodex 1.1 Mini high	Apodex	1	0.4	$0.000	0/2	67.5s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 67.5s
#213	GLM 5.3 Flash low	Z.ai	1	0.4	$0.038	0/2	54.7s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.038 Muda wa majibu (wastani) 54.7s
#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
#224	Mercury 2.5 Preview high	Inception	1	0.4	$0.040	0/2	14.4s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.040 Muda wa majibu (wastani) 14.4s
#227	GLM 5.3 low	Z.ai	1	0.4	$0.215	0/2	53.0s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.215 Muda wa majibu (wastani) 53.0s
#228	GLM 5.1 none	Z.ai	1	0.3	$0.451	0/2	46.9s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.451 Muda wa majibu (wastani) 46.9s

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