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. Panga kwa: Muda wa majibu (wastani) ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

126

Modeli iliyoathirika zaidi

Laguna Xs.2 1

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)
#416	Laguna Xs.2 default	Poolside	1	0.2	$0.004	0/1	2.01s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.004 Muda wa majibu (wastani) 2.01s
#397	Nemotron 3.5 Lightning none	NVIDIA	1	0.3	$0.009	0/2	2.02s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.009 Muda wa majibu (wastani) 2.02s
#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
#411	MiMo-V2-Flash default	Xiaomi	1	0.2	$0.025	0/1	2.87s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.025 Muda wa majibu (wastani) 2.87s
#388	Mercury 2.5 none	Inception	1	0.3	$0.026	0/2	3.24s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.026 Muda wa majibu (wastani) 3.24s
#415	Grok 4.1 Fast default	X AI	1	0.2	$0.008	0/1	3.33s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.008 Muda wa majibu (wastani) 3.33s
#405	Elephant Alpha medium	Openrouter	1	0.2	$0.000	0/1	3.70s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 3.70s
#404	Elephant Alpha default	Openrouter	1	0.2	$0.000	0/1	3.81s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 3.81s
#328	Inkling Small low	Thinkingmachines	1	0.3	$0.055	0/2	4.08s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.055 Muda wa majibu (wastani) 4.08s
#341	Mercury 2.5 Preview low	Inception	1	0.3	$0.015	0/2	4.77s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.015 Muda wa majibu (wastani) 4.77s
#318	MiMo-V2.6-Flash none	Xiaomi	1	0.4	$0.060	0/2	4.78s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.060 Muda wa majibu (wastani) 4.78s
#387	GLM 5 Turbo none	Z.ai	1	0.2	$0.047	0/1	4.89s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.047 Muda wa majibu (wastani) 4.89s
#303	GLM 5 none	Z.ai	1	0.2	$0.140	0/1	4.98s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.140 Muda wa majibu (wastani) 4.98s
#336	Mercury 2.5 low	Inception	1	0.3	$0.020	0/2	5.16s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.020 Muda wa majibu (wastani) 5.16s
#376	Mimo V2 Omni default	Xiaomi	1	0.2	$0.021	0/1	5.96s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.021 Muda wa majibu (wastani) 5.96s

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