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.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Seed 2.1 Turbo 2

Sababu za kushindwa

Jibu lisilo sahihi654 Muda umeisha41 Hakuna jibu35 Muundo wa ziada23 Hitilafu ya API17 Hakufuata maelekezo2

Kategoria

Mchanganyiko43 Uandishi wa msimbo39 Mahususi kwa domeni35 Maarifa ya jumla27 Mbinu za kupinga AI13 Utatuzi wa mafumbo11 Uchanganuzi na uchimbaji wa data9 Mwito wa zana2 Ufuataji wa maagizo2

30/30

Nafasi	Modeli	Kampuni	Idadi ya Hakuna jibu	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#73	GLM 5.2 medium	Z.ai	1	4.1	$0.224	0/3	45.5s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.224 Muda wa majibu (wastani) 45.5s
#105	Qwen3.8 2.4T A95B high	Qwen	1	4.1	$2.357	0/3	301.1s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $2.357 Muda wa majibu (wastani) 301.1s
#118	Muse Glimmer 30B high	Meta	1	2.9	$0.430	0/3	182.6s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.430 Muda wa majibu (wastani) 182.6s
#129	GLM 5.1 medium	Z.ai	1	3.0	$0.727	0/3	114.0s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.727 Muda wa majibu (wastani) 114.0s
#138	Seed-2.0-Code high	Bytedance Seed	1	3.5	$1.273	0/3	419.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.273 Muda wa majibu (wastani) 419.7s
#147	MiMo-V2.5-Pro medium	Xiaomi	1	2.9	$0.221	0/3	146.1s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.221 Muda wa majibu (wastani) 146.1s
#166	Laguna XS 2.1 medium	Poolside	1	3.5	$0.068	0/3	67.5s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.068 Muda wa majibu (wastani) 67.5s
#173	MiMo-V2.5 medium	Xiaomi	1	3.6	$0.104	0/3	137.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.104 Muda wa majibu (wastani) 137.7s
#183	Qwen3.5-35B-A3B medium	Qwen	1	3.5	$1.140	0/3	76.4s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.140 Muda wa majibu (wastani) 76.4s
#194	Trinity Large Thinking low	Arcee AI	1	2.9	$0.625	0/3	140.3s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.625 Muda wa majibu (wastani) 140.3s
#204	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
#289	GLM 4.7 Flash medium	Z.ai	1	3.5	$0.168	0/3	96.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.168 Muda wa majibu (wastani) 96.7s
#294	Laguna Xs.2 medium	Poolside	1	4.1	$0.015	0/3	11.1s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.015 Muda wa majibu (wastani) 11.1s
#304	Qwen3.5-9B medium	Qwen	1	3.6	$0.062	0/3	272.5s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.062 Muda wa majibu (wastani) 272.5s
#308	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	1	2.9	$0.000	0/3	56.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 56.7s

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