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

878

Modeli iliyoathirika zaidi

Claude Opus 5 3

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)
#82	Qwen3.8 2.4T A95B low	Qwen	3	0.3	$4.016	0/3	287.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $4.016 Muda wa majibu (wastani) 287.7s
#95	Claude Opus 4.8 medium	Anthropic	3	0.4	$3.490	0/3	18.1s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $3.490 Muda wa majibu (wastani) 18.1s
#97	Qwen3.7 Plus medium	Qwen	3	0.4	$0.415	0/3	60.1s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.415 Muda wa majibu (wastani) 60.1s
#102	Seed-2.0-Lite medium	Bytedance Seed	3	0.4	$0.271	0/3	84.4s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.271 Muda wa majibu (wastani) 84.4s
#103	Seed-2.0-Code low	Bytedance Seed	3	0.4	$0.881	0/3	238.4s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.881 Muda wa majibu (wastani) 238.4s
#104	DeepSeek V4 Pro 0423 high	DeepSeek	3	0.4	$0.149	0/3	249.5s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.149 Muda wa majibu (wastani) 249.5s
#106	DeepSeek V4 Flash 0423 high	DeepSeek	3	0.4	$0.261	0/3	115.4s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.261 Muda wa majibu (wastani) 115.4s
#107	DeepSeek V4.1 Flash low	DeepSeek	3	0.3	$0.494	0/3	95.6s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.494 Muda wa majibu (wastani) 95.6s
#109	Nemotron 3 Ultra medium	NVIDIA	3	0.4	$0.674	0/3	35.2s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.674 Muda wa majibu (wastani) 35.2s
#112	Qwen3.8 Flash Next low	Qwen	3	0.4	~$0.045	0/3	23.3s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama ~$0.045 Muda wa majibu (wastani) 23.3s
#117	GPT-5.4 Mini medium	OpenAI	3	0.4	$1.102	0/3	71.1s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.102 Muda wa majibu (wastani) 71.1s
#120	Qwen3.8 2.4T A95B high	Qwen	3	0.4	$2.949	0/3	301.1s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $2.949 Muda wa majibu (wastani) 301.1s
#129	Grok 4.5 low	X AI	3	0.3	$1.345	0/3	77.1s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.345 Muda wa majibu (wastani) 77.1s
#130	DeepSeek V4 Flash 0731 medium	DeepSeek	3	0.3	$0.460	0/3	203.1s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.460 Muda wa majibu (wastani) 203.1s
#136	Qwen3.5 Plus 2026-04-20 medium	Qwen	3	0.3	$0.435	0/3	57.4s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.435 Muda wa majibu (wastani) 57.4s

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: 0.4535 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.044834.

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa