Orodha ya Mahususi kwa domeni x Muundo wa ziada

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Muundo wa ziada katika Mahususi kwa domeni, ili uone udhaifu haraka. Panga kwa: Majaribio sahihi ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Grok Build 0.1 1

Sababu za kushindwa

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

Kategoria

Mbinu za kupinga AI20 Uandishi wa msimbo18 Mahususi kwa domeni17 Utatuzi wa mafumbo8 Uchanganuzi na uchimbaji wa data6 Ufuataji wa maagizo3 Mchanganyiko1

13/13

Nafasi	Modeli	Kampuni	Idadi ya Muundo wa ziada	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#48	Grok Build 0.1 medium	X AI	1	5.3	$1.097	1/3	158.0s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.097 Muda wa majibu (wastani) 158.0s
#75	Grok 4.20 medium	X AI	1	5.3	$0.777	1/3	27.0s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.777 Muda wa majibu (wastani) 27.0s
#84	MiMo-V2.5-Pro medium	Xiaomi	2	5.3	$0.187	1/3	37.9s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.187 Muda wa majibu (wastani) 37.9s
#101	MiMo-V2.5 medium	Xiaomi	1	5.3	$0.082	1/3	34.5s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.082 Muda wa majibu (wastani) 34.5s
#40	Claude Sonnet 4.6 medium	Anthropic	1	2.9	$2.057	0/3	0ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $2.057 Muda wa majibu (wastani) 0ms
#43	Claude Opus 4.6 medium	Anthropic	2	3.0	$3.059	0/3	83.4s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $3.059 Muda wa majibu (wastani) 83.4s
#46	DeepSeek V4 Pro high	DeepSeek	1	3.6	$0.200	0/3	151.5s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.200 Muda wa majibu (wastani) 151.5s
#134	Mimo V2 Omni medium	Xiaomi	1	3.0	$0.683	0/3	47.9s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.683 Muda wa majibu (wastani) 47.9s
#144	KAT-Coder-Air V2.5 high	Kwaipilot	2	2.9	$0.077	0/3	7.47s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.077 Muda wa majibu (wastani) 7.47s
#158	KAT-Coder-Air V2.5 low	Kwaipilot	2	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
#181	Grok 4.20 Multi Agent Beta medium	X AI	1	2.9	$5.599	0/3	24.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $5.599 Muda wa majibu (wastani) 24.7s
#184	Hunter Alpha medium	OpenRouter	1	3.0	$0.000	0/3	10.5s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 10.5s
#197	Grok 4.20 none	X AI	1	3.0	$0.057	0/3	687ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.057 Muda wa majibu (wastani) 687ms

Chuja miundo

Modeli bora kwa Idadi ya Muundo wa ziada

Idadi ya Muundo wa ziada dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Mahususi kwa domeni: Muundo wa ziada

Chuja miundo

Modeli bora kwa Idadi ya Muundo wa ziada

Idadi ya Muundo wa ziada dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa