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)
#270	Qwen3.5 Plus 2026-04-20 none	Qwen	1	0.6	$0.216	1/2	109.7s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.216 Muda wa majibu (wastani) 109.7s
#273	KAT-Coder-Pro V2.5 default	Kwaipilot	1	0.4	$0.742	0/2	183.1s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.742 Muda wa majibu (wastani) 183.1s
#276	GLM 5.3 FlashX low	Z.ai	1	0.3	$0.157	0/2	42.4s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.157 Muda wa majibu (wastani) 42.4s
#279	Seed-2.0-Lite none	Bytedance Seed	1	0.3	$0.114	0/2	25.6s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.114 Muda wa majibu (wastani) 25.6s
#280	Gemini 3.1 Flash Lite minimal	Google	1	0.3	$0.080	0/2	7.75s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.080 Muda wa majibu (wastani) 7.75s
#282	Gemini 3.1 Flash Lite none	Google	1	0.3	$0.069	0/2	9.49s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.069 Muda wa majibu (wastani) 9.49s
#285	Nemotron 3 Ultra none	NVIDIA	1	0.3	$0.164	0/2	21.1s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.164 Muda wa majibu (wastani) 21.1s
#286	Qwen3.7 Flash none	Qwen	1	0.4	$0.028	0/2	94.6s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.028 Muda wa majibu (wastani) 94.6s
#287	Qwen3.8 Flash Next none	Qwen	1	0.3	~$0.011	0/2	12.0s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama ~$0.011 Muda wa majibu (wastani) 12.0s
#289	DeepSeek V4.1 Flash none	DeepSeek	1	0.3	$0.391	0/2	10.4s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.391 Muda wa majibu (wastani) 10.4s
#294	GPT-5.4 Mini none	OpenAI	1	0.7	$0.170	1/2	6.22s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.170 Muda wa majibu (wastani) 6.22s
#296	Seed 2.1 Turbo none	Bytedance Seed	1	0.4	$0.182	0/2	41.3s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.182 Muda wa majibu (wastani) 41.3s
#298	Gemma 4 31B none	Google	1	0.4	$0.031	0/2	30.0s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.031 Muda wa majibu (wastani) 30.0s
#301	Solar Pro 4 none	Upstage	1	0.3	$0.022	0/2	35.1s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.022 Muda wa majibu (wastani) 35.1s
#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

←

1 3 4 5 8

→

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 inayokadiriwaMakadirio yanahusu umeme wa GPU pekee. Hayajumuishi sehemu nyingine za kompyuta wala gharama ya kununua maunzi. NVIDIA GeForce RTX 3090: 0.1095 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.010823.

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa