Orodha ya Mahususi kwa domeni x Hakuna jibu

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Hakuna jibu katika Mahususi kwa domeni, ili uone udhaifu haraka. Panga kwa: Jumla ya gharama ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Claude Sonnet 5.5 2

Sababu za kushindwa

Jibu lisilo sahihi878 Hakuna jibu63 Muda umeisha46 Hitilafu ya API40 Muundo wa ziada36 Hakufuata maelekezo3

Kategoria

Mahususi kwa domeni63 Maarifa ya jumla62 Mchanganyiko55 Uandishi wa msimbo49 Utatuzi wa mafumbo14 Mbinu za kupinga AI13 Uchanganuzi na uchimbaji wa data9 Mwito wa zana3 Ufuataji wa maagizo2

43/43

Nafasi	Modeli	Kampuni	Idadi ya Hakuna jibu	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#34	Claude Sonnet 5.5 max	Anthropic	2	0.5	$8.557	1/3	401.4s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $8.557 Muda wa majibu (wastani) 401.4s
#57	Claude Fable 5 medium	Anthropic	1	0.5	$5.089	1/3	37.3s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $5.089 Muda wa majibu (wastani) 37.3s
#89	GLM 5.2 high	Z.ai	2	0.3	$4.632	0/3	126.8s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $4.632 Muda wa majibu (wastani) 126.8s
#185	Step 5 Preview high	Stepfun	3	0.3	$4.513	0/3	333.4s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $4.513 Muda wa majibu (wastani) 333.4s
#271	Step 5 Preview medium	Stepfun	3	0.3	$4.136	0/3	323.2s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $4.136 Muda wa majibu (wastani) 323.2s
#302	Step 5 Preview low	Stepfun	3	0.4	$4.110	0/3	304.3s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $4.110 Muda wa majibu (wastani) 304.3s
#93	Kimi K3 max	Moonshot AI	1	0.5	$3.409	1/3	683.6s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $3.409 Muda wa majibu (wastani) 683.6s
#203	Grok 4.7 xhigh	X AI	2	0.3	$3.398	0/3	190.6s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $3.398 Muda wa majibu (wastani) 190.6s
#207	Grok 4.7 high	X AI	1	0.5	$3.037	1/3	306.7s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $3.037 Muda wa majibu (wastani) 306.7s
#99	Grok 4.5 high	X AI	1	0.4	$2.687	0/3	301.3s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $2.687 Muda wa majibu (wastani) 301.3s
#2	Gemini 3.8 Flash high	Google	1	0.8	$1.927	2/3	131.3s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.927 Muda wa majibu (wastani) 131.3s
#42	Seed 2.1 Turbo high	Bytedance Seed	1	0.3	$1.892	0/3	506.2s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.892 Muda wa majibu (wastani) 506.2s
#39	Muse Spark 1.3 high	Meta	1	0.3	$1.891	0/3	174.6s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.891 Muda wa majibu (wastani) 174.6s
#29	Seed 2.1 Turbo low	Bytedance Seed	2	0.3	$1.645	0/3	424.5s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.645 Muda wa majibu (wastani) 424.5s
#144	GLM 5.1 medium	Z.ai	1	0.3	$1.546	0/3	114.0s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.546 Muda wa majibu (wastani) 114.0s

Chuja miundo

Modeli bora kwa Idadi ya Hakuna jibu

Idadi ya Hakuna jibu dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Mahususi kwa domeni: Hakuna jibu

Chuja miundo

Modeli bora kwa Idadi ya Hakuna jibu

Idadi ya Hakuna jibu dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa