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)
#248	Gemini 3.1 Flash Lite Preview low	Google	1	0.8	$0.736	2/3	2.10s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.736 Muda wa majibu (wastani) 2.10s
#249	Gemini 3.1 Flash Lite low	Google	1	0.8	$0.717	2/3	1.44s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.717 Muda wa majibu (wastani) 1.44s
#251	Qwen3.5 Plus 2026-02-15 none	Qwen	1	0.8	$0.176	2/3	1.24s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.176 Muda wa majibu (wastani) 1.24s
#258	Grok 4.20 medium	X AI	1	0.3	$1.246	0/3	49.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.246 Muda wa majibu (wastani) 49.7s
#259	Space Bunny Alpha xhigh	Stealth	1	0.6	$0.000	1/3	234.1s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 234.1s
#275	Claude Sonnet 4.6 none	Anthropic	1	0.8	$0.661	2/3	2.27s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.661 Muda wa majibu (wastani) 2.27s
#285	Nemotron 3 Ultra none	NVIDIA	1	0.5	$0.164	1/3	758ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.164 Muda wa majibu (wastani) 758ms
#289	DeepSeek V4.1 Flash none	DeepSeek	1	0.8	$0.391	2/3	5.46s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.391 Muda wa majibu (wastani) 5.46s
#296	Seed 2.1 Turbo none	Bytedance Seed	1	0.8	$0.182	2/3	1.36s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.182 Muda wa majibu (wastani) 1.36s
#314	Claude Opus 4.7 none	Anthropic	1	0.8	$0.505	2/3	1.19s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.505 Muda wa majibu (wastani) 1.19s
#315	Qwen3.8 27B none	Qwen	1	0.8	~$0.010	2/3	552ms
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama ~$0.010 Muda wa majibu (wastani) 552ms
#331	KAT Coder AIR V2.5 high	Kwaipilot	1	0.3	$0.077	0/3	7.28s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.077 Muda wa majibu (wastani) 7.28s
#332	Mimo V2 PRO medium	Xiaomi	1	0.5	$0.333	1/3	8.82s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.333 Muda wa majibu (wastani) 8.82s
#342	MiniMax M2.7 medium	Minimax	1	0.3	$0.326	0/3	39.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.326 Muda wa majibu (wastani) 39.7s
#355	Mimo V2 Omni medium	Xiaomi	1	0.3	$0.683	0/3	47.9s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.683 Muda wa majibu (wastani) 47.9s

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 inayokadiriwaMakadirio yanahusu umeme wa GPU pekee. Hayajumuishi sehemu nyingine za kompyuta wala gharama ya kununua maunzi. NVIDIA GeForce RTX 3090: 0.0968 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.009566.

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa