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

Seed-2.0-Mini 2

Sababu za kushindwa

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

Kategoria

Mahususi kwa domeni46 Uandishi wa msimbo26 Kazi za mawakala11 Mchanganyiko11 Utatuzi wa mafumbo11 Mbinu za kupinga AI8 Ufuataji wa maagizo5 Akili ya jumla4 Maarifa ya jumla2 Uchanganuzi na uchimbaji wa data2

41/41

Nafasi	Modeli	Kampuni	Idadi ya Muda umeisha	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#105	Claude Opus 4.7 medium	Anthropic	1	0.8	$3.636	2/3	1.19s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $3.636 Muda wa majibu (wastani) 1.19s
#114	Qwen3.5-27B medium	Qwen	1	0.6	$1.135	1/3	89.4s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.135 Muda wa majibu (wastani) 89.4s
#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
#157	Gemma 4 26B A4B medium	Google	1	0.5	$0.101	1/3	35.1s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.101 Muda wa majibu (wastani) 35.1s
#162	LongCat 2.0 high	Meituan	1	0.4	$0.778	0/3	433.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.778 Muda wa majibu (wastani) 433.7s
#166	Qwen3.5 Plus 2026-02-15 medium	Qwen	1	0.5	$0.567	1/3	56.0s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.567 Muda wa majibu (wastani) 56.0s
#171	LongCat 2.0 medium	Meituan	1	0.3	$0.767	0/3	390.6s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.767 Muda wa majibu (wastani) 390.6s
#172	GLM 5 medium	Z.ai	1	0.3	$0.479	0/3	0ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.479 Muda wa majibu (wastani) 0ms
#183	Kimi K2.7 Code medium	Moonshot AI	1	0.4	$1.136	0/3	184.2s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.136 Muda wa majibu (wastani) 184.2s
#197	Qwen3.5-Flash medium	Qwen	1	0.3	$0.184	0/3	143.8s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.184 Muda wa majibu (wastani) 143.8s
#217	LongCat 2.0 low	Meituan	1	0.3	$0.630	0/3	183.6s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.630 Muda wa majibu (wastani) 183.6s
#236	Claude Sonnet 4.6 medium	Anthropic	1	0.3	$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
#237	Kimi K2.5 medium	Moonshot AI	1	0.3	$0.841	0/3	111.6s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.841 Muda wa majibu (wastani) 111.6s
#245	Qwen3.5-35B-A3B medium	Qwen	1	0.3	$0.716	0/3	76.4s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.716 Muda wa majibu (wastani) 76.4s
#255	DeepSeek V3.2 medium	DeepSeek	1	0.3	$0.152	0/3	22.9s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.152 Muda wa majibu (wastani) 22.9s

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