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)
#354	Hy4 preview none	Tencent	2	0.7	$0.165	1/3	25.6s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.165 Muda wa majibu (wastani) 25.6s
#356	Hy3 preview high	Tencent	2	0.5	$0.135	1/3	109.0s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.135 Muda wa majibu (wastani) 109.0s
#357	GLM 4.7 Flash none	Z.ai	2	0.5	$0.027	1/3	2.22s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.027 Muda wa majibu (wastani) 2.22s
#362	Granite 4.2 8B high	IBM Granite	2	0.3	$0.111	0/3	167.2s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.111 Muda wa majibu (wastani) 167.2s
#367	GLM 5V Turbo none	Z.ai	2	0.5	$0.052	1/3	2.09s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.052 Muda wa majibu (wastani) 2.09s
#370	Owl Alpha medium	Openrouter	2	0.5	$0.000	1/3	8.58s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 8.58s
#371	Mimo V2 PRO default	Xiaomi	2	0.5	$0.045	1/3	1.78s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.045 Muda wa majibu (wastani) 1.78s
#372	Owl Alpha default	Openrouter	2	0.5	$0.000	1/3	3.00s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 3.00s
#374	Hy3 preview low	Tencent	2	0.6	$0.042	1/3	40.4s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.042 Muda wa majibu (wastani) 40.4s
#375	Ring 2.6 1t default	Inclusionai	2	0.5	$0.026	1/3	56.8s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.026 Muda wa majibu (wastani) 56.8s
#376	Mimo V2 Omni default	Xiaomi	2	0.5	$0.021	1/3	2.10s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.021 Muda wa majibu (wastani) 2.10s
#379	Trinity Large Preview default	Arcee AI	2	0.5	$0.008	1/3	877ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.008 Muda wa majibu (wastani) 877ms
#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
#383	Gemini 3.1 Flash Lite Preview high	Google	2	0.5	$2.310	1/3	127.6s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $2.310 Muda wa majibu (wastani) 127.6s
#384	MiniMax M2.5 medium	Minimax	2	0.3	$0.440	0/3	158.9s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.440 Muda wa majibu (wastani) 158.9s

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