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.

Modeli zilizoonyeshwa

Jumla ya kushindwa

893

Modeli iliyoathirika zaidi

Claude Opus 5 3

Sababu za kushindwa

Jibu lisilo sahihi893 Hakuna jibu66 Muda umeisha46 Hitilafu ya API40 Muundo wa ziada36 Hakufuata maelekezo3

Kategoria

Mahususi kwa domeni893 Mbinu za kupinga AI519 Uandishi wa msimbo484 Utatuzi wa mafumbo352 Maarifa ya jumla315 Akili ya jumla134 Kazi za mawakala128 Mchanganyiko128 Ufuataji wa maagizo117 Uchanganuzi na uchimbaji wa data93

423/423

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#142	Muse Wonder xhigh	Meta	2	0.4	$4.012	0/3	150.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $4.012 Muda wa majibu (wastani) 150.7s
#144	GPT-6 Luna low	OpenAI	2	0.5	$0.033	1/3	18.1s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.033 Muda wa majibu (wastani) 18.1s
#145	Qwen3.8 27B low	Qwen	2	0.5	~$0.089	1/3	60.8s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama ~$0.089 Muda wa majibu (wastani) 60.8s
#150	Seed-2.0-Code high	Bytedance Seed	2	0.3	$1.448	0/3	419.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.448 Muda wa majibu (wastani) 419.7s
#154	Seed-2.0-Code medium	Bytedance Seed	2	0.5	$1.275	1/3	429.8s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.275 Muda wa majibu (wastani) 429.8s
#156	Grok 4.7 low	X AI	2	0.5	$1.933	1/3	159.1s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.933 Muda wa majibu (wastani) 159.1s
#157	Inkling Small high	Thinkingmachines	2	0.5	$0.398	1/3	56.3s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.398 Muda wa majibu (wastani) 56.3s
#159	Inkling medium	Thinkingmachines	2	0.5	$0.527	1/3	31.6s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.527 Muda wa majibu (wastani) 31.6s
#161	GLM 5.3 Flash high	Z.ai	2	0.3	$0.056	0/3	85.9s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.056 Muda wa majibu (wastani) 85.9s
#163	Grok 4.7 medium	X AI	2	0.5	$2.938	1/3	300.4s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $2.938 Muda wa majibu (wastani) 300.4s
#164	Gemini 2.5 Flash medium	Google	2	0.6	$0.680	1/3	37.1s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.680 Muda wa majibu (wastani) 37.1s
#165	LongCat 2.0 high	Meituan	2	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
#168	Qwen3.5-27B none	Qwen	2	0.5	$0.116	1/3	634ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.116 Muda wa majibu (wastani) 634ms
#170	Qwen3.8 27B medium	Qwen	2	0.5	~$0.073	1/3	77.0s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama ~$0.073 Muda wa majibu (wastani) 77.0s
#171	Gemini 3.8 Flash low	Google	2	0.6	$0.323	1/3	6.50s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.323 Muda wa majibu (wastani) 6.50s

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: 0.8932 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.088310.

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa