Orodha ya Mahususi kwa domeni x Hitilafu ya API

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Hitilafu ya API katika Mahususi kwa domeni, ili uone udhaifu haraka.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Sababu za kushindwa

Jibu lisilo sahihi412 Muda umeisha43 Muundo wa ziada17 Hakuna jibu8 Hitilafu ya API7 Hakufuata maelekezo1

Kategoria

Uandishi wa msimbo45 Mchanganyiko26 Mwito wa zana17 Mbinu za kupinga AI14 Uchanganuzi na uchimbaji wa data14 Maarifa ya jumla13 Akili ya jumla12 Utatuzi wa mafumbo12 Mahususi kwa domeni7 Ufuataji wa maagizo1

7/7

Nafasi	Modeli	Kampuni	Idadi ya Hitilafu ya API	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#27	Muse Spark 1.1 high	Meta	1	3.5	$1.694	0/3	67.4s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.694 Muda wa majibu (wastani) 67.4s
#158	KAT-Coder-Air V2.5 low	Kwaipilot	1	2.9	$0.041	0/3	4.99s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.041 Muda wa majibu (wastani) 4.99s
#167	Mistral Small 4 medium	Mistral	1	5.3	$0.096	1/3	6.11s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.096 Muda wa majibu (wastani) 6.11s
#173	DeepSeek V3.2 none	DeepSeek	1	2.9	$0.054	0/3	4.17s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.054 Muda wa majibu (wastani) 4.17s
#175	Qwen3.6 Plus Preview medium	Qwen	1	3.0	$0.000	0/3	22.1s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 22.1s
#199	Hy3 preview none	Tencent	1	3.6	$0.003	0/3	17.6s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.003 Muda wa majibu (wastani) 17.6s
#210	LFM2-24B-A2B none	Liquid	1	5.9	$0.001	1/3	287ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.001 Muda wa majibu (wastani) 287ms

Chuja miundo