Orodha ya Mchanganyiko x Jibu lisilo sahihi

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Jibu lisilo sahihi katika Mchanganyiko, ili uone udhaifu haraka.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Gemini 3 Flash Preview 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

Mahususi kwa domeni654 Mbinu za kupinga AI386 Uandishi wa msimbo361 Utatuzi wa mafumbo275 Maarifa ya jumla244 Mchanganyiko95 Akili ya jumla90 Ufuataji wa maagizo82 Uchanganuzi na uchimbaji wa data66 Mwito wa zana5

90/90

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#107	Gemini 3 Flash Preview low	Google	2	3.0	$0.185	0/2	10.2s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.185 Muda wa majibu (wastani) 10.2s
#209	GPT-5.4 none	OpenAI	2	3.0	$0.397	0/2	9.26s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.397 Muda wa majibu (wastani) 9.26s
#251	Mistral Small 4 none	Mistral	2	3.0	$0.022	0/2	7.44s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.022 Muda wa majibu (wastani) 7.44s
#267	Nemotron 3 Super none	NVIDIA	2	3.0	$0.008	0/2	18.2s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.008 Muda wa majibu (wastani) 18.2s
#281	Mercury 2 none	Inception	2	3.0	$0.030	0/2	2.56s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.030 Muda wa majibu (wastani) 2.56s
#33	Gemini 3.6 Flash low	Google	1	7.3	$0.251	1/2	19.8s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.251 Muda wa majibu (wastani) 19.8s
#46	Grok 4.5 low	X AI	1	6.5	$0.945	1/2	12.8s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.945 Muda wa majibu (wastani) 12.8s
#99	Gemini 3.8 Flash low	Google	1	3.8	$0.239	0/2	19.6s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.239 Muda wa majibu (wastani) 19.6s
#101	Qwen3.7 Max none	Qwen	1	6.5	$0.197	1/2	37.2s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.197 Muda wa majibu (wastani) 37.2s
#102	Kimi K2.7 Code medium	Moonshot AI	1	7.3	$0.687	1/2	66.0s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.687 Muda wa majibu (wastani) 66.0s
#106	Grok 4.6 low	X AI	1	6.5	$0.449	1/2	23.3s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.449 Muda wa majibu (wastani) 23.3s
#109	GLM 5.3 high	Z.ai	1	6.4	$0.403	1/2	64.0s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.403 Muda wa majibu (wastani) 64.0s
#127	GPT-5.6 Sol none	OpenAI	1	6.5	$0.201	1/2	8.37s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.201 Muda wa majibu (wastani) 8.37s
#130	GPT-5.5 none	OpenAI	1	6.5	$0.544	1/2	8.90s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.544 Muda wa majibu (wastani) 8.90s
#146	GLM 5.3 low	Z.ai	1	3.8	$0.257	0/2	53.0s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.257 Muda wa majibu (wastani) 53.0s

1 2 3 4 5 6

→

Chuja miundo

Modeli bora kwa Idadi ya Jibu lisilo sahihi

Idadi ya Jibu lisilo sahihi dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Mchanganyiko: Jibu lisilo sahihi

Chuja miundo

Modeli bora kwa Idadi ya Jibu lisilo sahihi

Idadi ya Jibu lisilo sahihi dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa