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. Panga kwa: Muda wa majibu (wastani) ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Kimi K3 2

Sababu za kushindwa

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

Kategoria

Mahususi kwa domeni43 Uandishi wa msimbo26 Mchanganyiko5 Utatuzi wa mafumbo5 Akili ya jumla4 Mbinu za kupinga AI4 Uchanganuzi na uchimbaji wa data1 Ufuataji wa maagizo1

32/32

Nafasi	Modeli	Kampuni	Idadi ya Muda umeisha	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#33	Kimi K3 max	Moonshot AI	2	5.9	$3.112	1/3	490.1s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $3.112 Muda wa majibu (wastani) 490.1s
#97	LongCat 2.0 high	Meituan	2	3.6	$0.469	0/3	400.3s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.469 Muda wa majibu (wastani) 400.3s
#60	LongCat 2.0 medium	Meituan	1	2.9	$0.478	0/3	339.9s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.478 Muda wa majibu (wastani) 339.9s
#190	MiniMax M2.5 medium	Minimax	1	2.9	$0.340	0/3	237.3s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.340 Muda wa majibu (wastani) 237.3s
#47	MiniMax M3 medium	Minimax	2	5.5	$0.286	1/3	233.1s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.286 Muda wa majibu (wastani) 233.1s
#52	Kimi K2.7 Code medium	Moonshot AI	2	5.5	$0.751	1/3	213.3s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.751 Muda wa majibu (wastani) 213.3s
#128	GPT-5 Nano medium	OpenAI	1	5.2	$0.114	1/3	204.0s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.114 Muda wa majibu (wastani) 204.0s
#68	Kimi K2.6 medium	Moonshot AI	2	5.3	$1.036	1/3	202.4s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.036 Muda wa majibu (wastani) 202.4s
#114	Qwen3.5-Flash medium	Qwen	1	5.3	$0.139	1/3	146.5s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.139 Muda wa majibu (wastani) 146.5s
#204	Qwen3.5-9B medium	Qwen	3	3.6	$0.036	0/3	137.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.036 Muda wa majibu (wastani) 137.7s
#77	Kimi K2.5 medium	Moonshot AI	1	3.5	$0.600	0/3	137.3s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.600 Muda wa majibu (wastani) 137.3s
#185	Grok 4.1 Fast medium	X AI	1	5.8	$0.069	1/3	121.8s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.069 Muda wa majibu (wastani) 121.8s
#119	Qwen3.5-35B-A3B medium	Qwen	2	4.1	$0.837	0/3	88.3s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.837 Muda wa majibu (wastani) 88.3s
#91	LongCat 2.0 low	Meituan	1	3.0	$0.391	0/3	86.1s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.391 Muda wa majibu (wastani) 86.1s
#58	Qwen3.5-27B medium	Qwen	1	5.3	$1.627	1/3	79.5s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.627 Muda wa majibu (wastani) 79.5s

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