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)
#304	Qwen3.5-35B-A3B none	Qwen	1	0.4	$0.120	0/2	128.3s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.120 Muda wa majibu (wastani) 128.3s
#305	Nemotron 3.5 Super VL none	NVIDIA	1	0.3	$0.040	0/2	451.9s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.040 Muda wa majibu (wastani) 451.9s
#307	Kimi K2.6 none	Moonshot AI	1	0.3	$0.486	0/2	77.8s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.486 Muda wa majibu (wastani) 77.8s
#308	Ling 3.1 Flash none	Inclusionai	1	0.3	$0.000	0/2	25.4s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 25.4s
#309	Gemini 2.5 Flash none	Google	1	0.3	$0.017	0/2	61.2s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.017 Muda wa majibu (wastani) 61.2s
#310	GPT-6 Luna none	OpenAI	1	0.4	$0.026	0/2	50.9s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.026 Muda wa majibu (wastani) 50.9s
#311	Gemma 4 26B A4B none	Google	1	0.3	$0.031	0/2	37.2s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.031 Muda wa majibu (wastani) 37.2s
#313	Seed-2.0-Code none	Bytedance Seed	1	0.3	$0.257	0/2	78.4s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.257 Muda wa majibu (wastani) 78.4s
#315	Qwen3.8 27B none	Qwen	1	0.3	~$0.010	0/2	24.1s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama ~$0.010 Muda wa majibu (wastani) 24.1s
#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
#320	Ember-1 none	Fireworks	1	0.3	$0.786	0/2	49.0s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.786 Muda wa majibu (wastani) 49.0s
#322	GPT-5.6 Luna none	OpenAI	1	0.3	$0.042	0/2	6.68s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.042 Muda wa majibu (wastani) 6.68s
#324	Kimi K2.5 none	Moonshot AI	1	0.3	$0.262	0/2	61.0s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.262 Muda wa majibu (wastani) 61.0s
#325	Qwen3.6 Max Preview none	Qwen	1	0.7	$0.228	1/2	61.6s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.228 Muda wa majibu (wastani) 61.6s
#326	Laguna XS 2.1 none	Poolside	1	0.3	$0.020	0/2	10.4s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.020 Muda wa majibu (wastani) 10.4s

←

1 4 5 6 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: 0.0968 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.009566.

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa