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.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Muse Spark 1.1 2

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)
#58	Qwen3.5-27B medium	Qwen	1	7.3	$1.627	1/2	595.2s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $1.627 Muda wa majibu (wastani) 595.2s
#64	Gemini 3.1 Flash Lite Preview medium	Google	1	7.2	$0.115	1/2	16.6s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.115 Muda wa majibu (wastani) 16.6s
#65	Gemini 3.1 Flash Lite medium	Google	1	7.2	$0.117	1/2	18.5s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.117 Muda wa majibu (wastani) 18.5s
#67	Step 3.7 Flash low	Stepfun	1	7.3	$0.454	1/2	66.2s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.454 Muda wa majibu (wastani) 66.2s
#68	Kimi K2.6 medium	Moonshot AI	1	6.9	$1.036	1/2	458.6s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $1.036 Muda wa majibu (wastani) 458.6s
#69	KAT-Coder-Pro V2.5 high	Kwaipilot	1	7.3	$0.482	1/2	106.7s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.482 Muda wa majibu (wastani) 106.7s
#72	Qwen3.5-122B-A10B medium	Qwen	1	6.4	$1.046	1/2	313.5s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $1.046 Muda wa majibu (wastani) 313.5s
#75	Grok 4.20 medium	X AI	1	8.7	$0.777	1/2	42.2s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.777 Muda wa majibu (wastani) 42.2s
#76	DeepSeek V3.2 medium	DeepSeek	1	7.3	$0.078	1/2	79.9s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.078 Muda wa majibu (wastani) 79.9s
#77	Kimi K2.5 medium	Moonshot AI	1	6.7	$0.600	1/2	89.2s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.600 Muda wa majibu (wastani) 89.2s
#78	Mercury 2 medium	Inception	1	6.7	$0.093	1/2	7.84s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.093 Muda wa majibu (wastani) 7.84s
#82	DeepSeek V4 Pro none	DeepSeek	1	7.9	$0.096	1/2	71.6s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.096 Muda wa majibu (wastani) 71.6s
#84	MiMo-V2.5-Pro medium	Xiaomi	1	6.9	$0.187	1/2	125.4s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.187 Muda wa majibu (wastani) 125.4s
#85	Qwen3.6 Flash medium	Qwen	1	6.5	$0.738	1/2	299.2s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.738 Muda wa majibu (wastani) 299.2s
#86	Step 3.7 Flash high	Stepfun	1	8.7	$1.207	1/2	41.2s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $1.207 Muda wa majibu (wastani) 41.2s

←

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