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)
#44	Muse Spark Open xhigh	Meta	1	0.3	$2.081	0/3	341.5s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $2.081 Muda wa majibu (wastani) 341.5s
#51	Gemini 3.6 Flash low	Google	1	0.8	$0.363	2/3	4.65s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.363 Muda wa majibu (wastani) 4.65s
#57	Claude Fable 5 medium	Anthropic	1	0.5	$5.089	1/3	37.3s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $5.089 Muda wa majibu (wastani) 37.3s
#65	GPT-5.2 medium	OpenAI	1	0.6	$1.558	1/3	97.3s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.558 Muda wa majibu (wastani) 97.3s
#66	Qwen3.8 27B high	Qwen	1	0.5	~$0.298	1/3	526.7s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama ~$0.298 Muda wa majibu (wastani) 526.7s
#67	MiMo-V2.6-Pro medium	Xiaomi	1	0.3	$0.586	0/3	619.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.586 Muda wa majibu (wastani) 619.7s
#74	Claude Haiku 5.5 low	Anthropic	1	0.6	$0.061	1/3	7.35s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.061 Muda wa majibu (wastani) 7.35s
#81	Nemotron 3.5 Super VL high	NVIDIA	1	0.4	$0.349	0/3	113.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.349 Muda wa majibu (wastani) 113.7s
#85	Gemini 3.1 Pro Preview medium	Google	1	0.8	$1.585	2/3	20.3s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.585 Muda wa majibu (wastani) 20.3s
#86	Inkling high	Thinkingmachines	1	0.8	$1.238	2/3	174.7s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.238 Muda wa majibu (wastani) 174.7s
#87	Muse Spark 1.1 high	Meta	1	0.3	$2.570	0/3	94.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $2.570 Muda wa majibu (wastani) 94.7s
#89	GLM 5.2 high	Z.ai	1	0.3	$4.632	0/3	126.8s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $4.632 Muda wa majibu (wastani) 126.8s
#91	Claude Haiku 5.5 high	Anthropic	1	0.4	$0.088	0/3	16.3s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.088 Muda wa majibu (wastani) 16.3s
#96	Ling 3.1 Flash medium	Inclusionai	1	0.3	$0.000	0/3	262.3s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 262.3s
#100	GLM 5.2 medium	Z.ai	1	0.4	$1.007	0/3	45.5s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.007 Muda wa majibu (wastani) 45.5s

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: 3.0102 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.297613.

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa