Orodha ya Mchanganyiko x Hakuna jibu

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Hakuna jibu katika Mchanganyiko, ili uone udhaifu haraka. Panga kwa: Muda wa majibu (wastani) ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Qwen3.5-35B-A3B 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

Mchanganyiko29 Uandishi wa msimbo18 Maarifa ya jumla13 Mahususi kwa domeni8 Uchanganuzi na uchimbaji wa data8 Mbinu za kupinga AI4 Utatuzi wa mafumbo3 Mwito wa zana2 Ufuataji wa maagizo2

29/29

Nafasi	Modeli	Kampuni	Idadi ya Hakuna jibu	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#119	Qwen3.5-35B-A3B medium	Qwen	1	3.8	$0.837	0/2	512.8s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.837 Muda wa majibu (wastani) 512.8s
#80	Seed-2.0-Mini medium	Bytedance Seed	1	7.3	$0.101	1/2	282.3s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.101 Muda wa majibu (wastani) 282.3s
#128	GPT-5 Nano medium	OpenAI	1	6.4	$0.114	1/2	146.9s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.114 Muda wa majibu (wastani) 146.9s
#26	GPT-5 Mini medium	OpenAI	1	7.3	$0.237	1/2	99.8s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.237 Muda wa majibu (wastani) 99.8s
#190	MiniMax M2.5 medium	Minimax	1	3.7	$0.340	0/2	83.2s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.340 Muda wa majibu (wastani) 83.2s
#138	Kimi K2.6 none	Moonshot AI	1	3.0	$0.184	0/2	77.8s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.184 Muda wa majibu (wastani) 77.8s
#172	MiniMax M2.7 medium	Minimax	1	3.8	$0.163	0/2	72.1s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.163 Muda wa majibu (wastani) 72.1s
#155	Kimi K2.5 none	Moonshot AI	1	2.8	$0.127	0/2	61.0s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.127 Muda wa majibu (wastani) 61.0s
#35	Seed-2.0-Lite medium	Bytedance Seed	1	6.4	$0.234	1/2	58.5s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.234 Muda wa majibu (wastani) 58.5s
#73	Grok 4.3 medium	X AI	1	6.5	$0.779	1/2	55.1s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.779 Muda wa majibu (wastani) 55.1s
#186	Laguna M.1 medium	Poolside	1	1.5	$0.033	0/1	53.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.033 Muda wa majibu (wastani) 53.1s
#151	GLM 5.1 none	Z.ai	1	2.8	$0.164	0/2	46.9s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.164 Muda wa majibu (wastani) 46.9s
#32	Inkling medium	Thinkingmachines	1	7.3	$0.391	1/2	41.2s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.391 Muda wa majibu (wastani) 41.2s
#161	Qwen3.6 35B A3B none	Qwen	1	3.8	$0.061	0/2	39.5s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.061 Muda wa majibu (wastani) 39.5s
#167	Mistral Small 4 medium	Mistral	1	3.0	$0.096	0/2	32.4s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.096 Muda wa majibu (wastani) 32.4s

Chuja miundo

Modeli bora kwa Idadi ya Hakuna jibu

Idadi ya Hakuna jibu dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Mchanganyiko: Hakuna jibu

Chuja miundo

Modeli bora kwa Idadi ya Hakuna jibu

Idadi ya Hakuna jibu dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa