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

126

Modeli iliyoathirika zaidi

GLM 5.3 FlashX 2

Sababu za kushindwa

Mwito wa zana si sahihi177 Jibu lisilo sahihi126 Hitilafu ya API62 Hakuna jibu55 Muda umeisha11 Hakufuata maelekezo1 Muundo wa ziada1

Kategoria

Mahususi kwa domeni878 Mbinu za kupinga AI502 Uandishi wa msimbo477 Utatuzi wa mafumbo344 Maarifa ya jumla306 Akili ya jumla129 Kazi za mawakala126 Mchanganyiko126 Ufuataji wa maagizo111 Uchanganuzi na uchimbaji wa data93

117/117

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#152	GLM 5.3 FlashX high	Z.ai	2	0.3	$0.210	0/2	27.7s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.210 Muda wa majibu (wastani) 27.7s
#188	Gemini 3 Flash Preview low	Google	2	0.3	$0.254	0/2	10.2s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.254 Muda wa majibu (wastani) 10.2s
#277	MiMo-V2.6-Pro none	Xiaomi	2	0.3	$0.193	0/2	7.78s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.193 Muda wa majibu (wastani) 7.78s
#295	Mistral Large 4 none	Mistral	2	0.3	$0.290	0/2	36.9s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.290 Muda wa majibu (wastani) 36.9s
#299	Space Bunny Alpha low	Stealth	2	0.4	$0.000	0/2	12.2s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 12.2s
#300	GPT-5.4 none	OpenAI	2	0.3	$0.690	0/2	9.26s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.690 Muda wa majibu (wastani) 9.26s
#335	Mistral Small 4 none	Mistral	2	0.3	$0.047	0/2	7.44s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.047 Muda wa majibu (wastani) 7.44s
#377	Nemotron 3 Super none	NVIDIA	2	0.3	$0.016	0/2	18.2s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.016 Muda wa majibu (wastani) 18.2s
#382	Mercury 2 none	Inception	2	0.3	$0.033	0/2	2.56s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.033 Muda wa majibu (wastani) 2.56s
#49	Gemini 4 Argon medium	Google	1	0.6	$0.674	1/2	15.1s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.674 Muda wa majibu (wastani) 15.1s
#51	Gemini 3.6 Flash low	Google	1	0.7	$0.363	1/2	19.8s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.363 Muda wa majibu (wastani) 19.8s
#81	Nemotron 3.5 Super VL high	NVIDIA	1	0.7	$0.349	1/2	183.5s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.349 Muda wa majibu (wastani) 183.5s
#98	Gemini 4 Argon low	Google	1	0.4	$0.438	0/2	11.9s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.438 Muda wa majibu (wastani) 11.9s
#118	Qwen3.7 Max none	Qwen	1	0.7	$0.451	1/2	37.2s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.451 Muda wa majibu (wastani) 37.2s
#125	GLM 5.3 high	Z.ai	1	0.6	$0.495	1/2	64.0s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.495 Muda wa majibu (wastani) 64.0s

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