Orodha ya Mahususi kwa domeni x Muda umeisha

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

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

MiniMax M3 2

Sababu za kushindwa

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

Kategoria

Mahususi kwa domeni41 Uandishi wa msimbo29 Utatuzi wa mafumbo11 Mchanganyiko9 Mbinu za kupinga AI6 Ufuataji wa maagizo5 Akili ya jumla4 Uchanganuzi na uchimbaji wa data2 Maarifa ya jumla1

35/35

Nafasi	Modeli	Kampuni	Idadi ya Muda umeisha	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#92	MiniMax M3 medium	Minimax	2	3.2	$0.300	0/3	235.0s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.300 Muda wa majibu (wastani) 235.0s
#102	Kimi K2.7 Code medium	Moonshot AI	2	3.7	$0.687	0/3	184.2s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.687 Muda wa majibu (wastani) 184.2s
#116	Kimi K2.6 medium	Moonshot AI	2	5.3	$1.247	1/3	264.4s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.247 Muda wa majibu (wastani) 264.4s
#133	Seed-2.0-Mini medium	Bytedance Seed	2	3.0	$0.116	0/3	103.4s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.116 Muda wa majibu (wastani) 103.4s
#259	MiniMax M2.7 medium	Minimax	2	3.0	$0.208	0/3	39.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.208 Muda wa majibu (wastani) 39.7s
#304	Qwen3.5-9B medium	Qwen	2	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
#35	Claude Opus 4.7 medium	Anthropic	1	7.7	$1.476	2/3	1.19s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.476 Muda wa majibu (wastani) 1.19s
#47	GPT-5.2 medium	OpenAI	1	5.9	$1.182	1/3	97.3s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.182 Muda wa majibu (wastani) 97.3s
#57	GPT-5 Mini medium	OpenAI	1	3.5	$0.241	0/3	44.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.241 Muda wa majibu (wastani) 44.7s
#63	GLM 5.2 high	Z.ai	1	3.1	$1.188	0/3	126.8s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.188 Muda wa majibu (wastani) 126.8s
#66	Kimi K3 max	Moonshot AI	1	5.3	$3.467	1/3	683.6s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $3.467 Muda wa majibu (wastani) 683.6s
#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
#75	Claude Sonnet 4.6 medium	Anthropic	1	3.0	$2.126	0/3	58.4s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $2.126 Muda wa majibu (wastani) 58.4s
#80	GLM 5 medium	Z.ai	1	3.5	$0.228	0/3	0ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.228 Muda wa majibu (wastani) 0ms
#85	GLM 5 Turbo medium	Z.ai	1	2.9	$0.323	0/3	71.1s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.323 Muda wa majibu (wastani) 71.1s

Chuja miundo

Modeli bora kwa Idadi ya Muda umeisha

Idadi ya Muda umeisha dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Mahususi kwa domeni: Muda umeisha

Chuja miundo

Modeli bora kwa Idadi ya Muda umeisha

Idadi ya Muda umeisha dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa