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)
#111	Gemini 3.8 Flash medium	Google	1	0.8	$0.769	2/3	31.8s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.769 Muda wa majibu (wastani) 31.8s
#114	Qwen3.5-27B medium	Qwen	1	0.6	$1.135	1/3	89.4s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.135 Muda wa majibu (wastani) 89.4s
#115	GLM 5.3 FlashX max	Z.ai	1	0.3	$0.623	0/3	224.0s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.623 Muda wa majibu (wastani) 224.0s
#116	Claude Fable 5.1 high	Anthropic	1	0.8	$3.471	2/3	24.3s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $3.471 Muda wa majibu (wastani) 24.3s
#118	Qwen3.7 Max none	Qwen	1	0.8	$0.451	2/3	1.24s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.451 Muda wa majibu (wastani) 1.24s
#121	MiMo-V2.6-Flash medium	Xiaomi	1	0.5	$0.218	1/3	235.1s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.218 Muda wa majibu (wastani) 235.1s
#122	Muse Wonder max	Meta	1	0.3	$4.766	0/3	189.6s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $4.766 Muda wa majibu (wastani) 189.6s
#125	GLM 5.3 high	Z.ai	1	0.3	$0.495	0/3	112.3s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.495 Muda wa majibu (wastani) 112.3s
#131	Muse Wonder high	Meta	1	0.5	$3.426	1/3	78.6s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $3.426 Muda wa majibu (wastani) 78.6s
#135	Claude Haiku 5.5 medium	Anthropic	1	0.3	$0.063	0/3	7.96s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.063 Muda wa majibu (wastani) 7.96s
#143	Space Bunny Alpha high	Stealth	1	0.8	$0.000	2/3	85.1s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 85.1s
#144	GLM 5.1 medium	Z.ai	1	0.3	$1.546	0/3	114.0s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.546 Muda wa majibu (wastani) 114.0s
#145	Seed-2.0-Mini medium	Bytedance Seed	1	0.3	$0.140	0/3	103.4s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.140 Muda wa majibu (wastani) 103.4s
#157	Gemma 4 26B A4B medium	Google	1	0.5	$0.101	1/3	35.1s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.101 Muda wa majibu (wastani) 35.1s
#159	Claude Fable 5.1 medium	Anthropic	1	0.8	$3.197	2/3	19.3s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $3.197 Muda wa majibu (wastani) 19.3s

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