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)
#278	Qwen3.5 Plus 2026-04-20 none	Qwen	2	0.5	$0.216	1/3	1.06s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.216 Muda wa majibu (wastani) 1.06s
#280	Granite 4.2 8B medium	IBM Granite	2	0.5	$0.029	1/3	14.0s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.029 Muda wa majibu (wastani) 14.0s
#285	MiMo-V2.6-Pro none	Xiaomi	2	0.5	$0.193	1/3	791ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.193 Muda wa majibu (wastani) 791ms
#291	Qwen3.6 Flash none	Qwen	2	0.5	$0.139	1/3	963ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.139 Muda wa majibu (wastani) 963ms
#294	Qwen3.7 Flash none	Qwen	2	0.5	$0.028	1/3	814ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.028 Muda wa majibu (wastani) 814ms
#297	GPT-5.6 Terra none	OpenAI	2	0.5	$0.377	1/3	843ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.377 Muda wa majibu (wastani) 843ms
#299	Ling 3.0 Flash high	Inclusionai	2	0.3	$0.021	0/3	30.3s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.021 Muda wa majibu (wastani) 30.3s
#302	GPT-5 Nano medium	OpenAI	2	0.3	$0.159	0/3	124.1s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.159 Muda wa majibu (wastani) 124.1s
#307	Gemma 4 31B none	Google	2	0.5	$0.031	1/3	3.65s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.031 Muda wa majibu (wastani) 3.65s
#308	Space Bunny Alpha low	Stealth	2	0.5	$0.000	1/3	65.7s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 65.7s
#309	GPT-5.4 none	OpenAI	2	0.5	$0.690	1/3	1.15s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.690 Muda wa majibu (wastani) 1.15s
#313	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
#314	Nemotron 3.5 Super VL none	NVIDIA	2	0.6	$0.040	1/3	5.20s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.040 Muda wa majibu (wastani) 5.20s
#315	Nemotron 3 Super medium	NVIDIA	2	0.3	$0.081	0/3	19.4s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.081 Muda wa majibu (wastani) 19.4s
#317	Ling 3.1 Flash none	Inclusionai	2	0.3	$0.000	0/3	1.72s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 1.72s

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 inayokadiriwa