Orodha ya Mahususi kwa domeni x Jibu lisilo sahihi

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Jibu lisilo sahihi katika Mahususi kwa domeni, ili uone udhaifu haraka. Panga kwa: Muda wa majibu (wastani) ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

878

Modeli iliyoathirika zaidi

GLM 5 2

Sababu za kushindwa

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

Kategoria

Mahususi kwa domeni878 Mbinu za kupinga AI502 Uandishi wa msimbo477 Utatuzi wa mafumbo344 Maarifa ya jumla306 Akili ya jumla129 Kazi za mawakala126 Mchanganyiko126 Ufuataji wa maagizo111 Uchanganuzi na uchimbaji wa data93

414/414

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#172	GLM 5 medium	Z.ai	2	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
#441	Nimble v3 9B default	Bespoke Labs	2	0.2	~$0.001	0/2	80ms
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama ~$0.001 Muda wa majibu (wastani) 80ms
#396	Granite 4.1 8b default	IBM Granite	3	0.3	$0.007	0/3	287ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.007 Muda wa majibu (wastani) 287ms
#436	LFM2-24B-A2B default	Liquid	1	0.6	$0.001	1/3	287ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.001 Muda wa majibu (wastani) 287ms
#326	Laguna XS 2.1 none	Poolside	2	0.5	$0.020	1/3	303ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.020 Muda wa majibu (wastani) 303ms
#425	Decider V1.1 27B default	Perplexity	2	0.5	$0.002	1/3	313ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.002 Muda wa majibu (wastani) 313ms
#361	Laguna S 2.1 none	Poolside	3	0.3	$0.044	0/3	337ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.044 Muda wa majibu (wastani) 337ms
#416	Laguna Xs.2 default	Poolside	2	0.5	$0.004	1/3	371ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.004 Muda wa majibu (wastani) 371ms
#335	Mistral Small 4 none	Mistral	2	0.5	$0.047	1/3	377ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.047 Muda wa majibu (wastani) 377ms
#347	Inkling Small none	Thinkingmachines	2	0.5	$0.054	1/3	442ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.054 Muda wa majibu (wastani) 442ms
#429	Jev 1.14 default	Typesafe	1	0.8	$0.003	2/3	444ms
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.003 Muda wa majibu (wastani) 444ms
#309	Gemini 2.5 Flash none	Google	3	0.4	$0.017	0/3	449ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.017 Muda wa majibu (wastani) 449ms
#422	Nemotron 3 Nano Omni 30b A3b Reasoning default	NVIDIA	3	0.4	$0.000	0/3	489ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 489ms
#382	Mercury 2 none	Inception	2	0.6	$0.033	1/3	500ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.033 Muda wa majibu (wastani) 500ms
#304	Qwen3.5-35B-A3B none	Qwen	2	0.5	$0.120	1/3	507ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.120 Muda wa majibu (wastani) 507ms

Chuja miundo

Modeli bora kwa Idadi ya Jibu lisilo sahihi

Idadi ya Jibu lisilo sahihi dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Mahususi kwa domeni: Jibu lisilo sahihi

Chuja miundo

Modeli bora kwa Idadi ya Jibu lisilo sahihi

Idadi ya Jibu lisilo sahihi dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwaMakadirio yanahusu umeme wa GPU pekee. Hayajumuishi sehemu nyingine za kompyuta wala gharama ya kununua maunzi. NVIDIA GeForce RTX 3090: 0.0021 h × 0.377 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.000263.

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa