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)
#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
#399	Ling 3.0 Tiny high	Inclusionai	1	0.3	$0.000	0/2	179.9s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 179.9s
#400	Ling 3.0 Tiny low	Inclusionai	1	0.3	$0.000	0/2	134.8s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 134.8s
#401	Ling 3.0 Tiny medium	Inclusionai	1	0.3	$0.000	0/2	139.8s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 139.8s
#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
#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
#406	Hunter Alpha default	OpenRouter	1	0.2	$0.000	0/1	15.2s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 15.2s
#409	Laguna Xs.2 medium	Poolside	1	0.2	$0.015	0/1	15.9s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.015 Muda wa majibu (wastani) 15.9s
#410	Hy3 preview none	Tencent	1	0.2	$0.007	0/1	35.8s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.007 Muda wa majibu (wastani) 35.8s
#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
#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
#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

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