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

147

Modeli iliyoathirika zaidi

Muse Spark 1.1 2

Sababu za kushindwa

Mwito wa zana si sahihi147 Jibu lisilo sahihi95 Hakuna jibu43 Hitilafu ya API37 Muda umeisha9 Hakufuata maelekezo1 Muundo wa ziada1

Kategoria

Mchanganyiko147 Mwito wa zana11

125/125

Nafasi	Modeli	Kampuni	Idadi ya Mwito wa zana si sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#241	Inkling Small none	Thinkingmachines	1	6.5	$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
#242	Laguna XS 2.1 none	Poolside	1	3.0	$0.008	0/2	10.4s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.008 Muda wa majibu (wastani) 10.4s
#247	Dots 3 Note Preview none	Dots Studio	1	3.0	$0.000	0/2	14.8s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 14.8s
#248	Inkling none	Thinkingmachines	1	2.9	$0.147	0/2	25.7s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.147 Muda wa majibu (wastani) 25.7s
#250	Nemotron 3.5 Lightning medium	NVIDIA	1	6.2	$0.156	1/2	136.9s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.156 Muda wa majibu (wastani) 136.9s
#259	MiniMax M2.7 medium	Minimax	1	3.8	$0.208	0/2	72.1s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.208 Muda wa majibu (wastani) 72.1s
#261	Laguna S 2.1 low	Poolside	1	3.2	$0.082	0/2	412.5s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.082 Muda wa majibu (wastani) 412.5s
#265	Mercury 2.5 Preview none	Inception	1	3.0	$0.018	0/2	31.3s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.018 Muda wa majibu (wastani) 31.3s
#270	Nemotron 3.5 Lightning low	NVIDIA	1	6.3	$0.140	1/2	142.4s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.140 Muda wa majibu (wastani) 142.4s
#280	Cobuddy medium	Baidu	1	1.5	$0.000	0/1	47.4s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 47.4s
#282	Granite 4.2 8B high	IBM Granite	1	5.0	$0.084	0/2	570.4s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.084 Muda wa majibu (wastani) 570.4s
#284	MiniMax M2.5 medium	Minimax	1	3.7	$0.327	0/2	83.2s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.327 Muda wa majibu (wastani) 83.2s
#286	Grok 4.20 Beta none	X AI	1	1.5	$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
#287	Laguna M.1 none	Poolside	1	1.5	$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
#293	Grok 4.20 none	X AI	1	1.5	$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

←

1 7 8 9

→

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