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)
#392	Hunter Alpha medium	OpenRouter	1	0.3	$0.000	0/3	10.5s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 10.5s
#393	Grok 4.1 Fast medium	X AI	1	0.6	$0.069	1/3	121.8s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.069 Muda wa majibu (wastani) 121.8s
#398	Xing4.0 29b A4b medium	Xingchen AGI	1	0.4	$0.000	0/3	381.9s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 381.9s
#423	Jev 1.13 default	Typesafe	1	0.8	$0.003	2/3	632ms
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.003 Muda wa majibu (wastani) 632ms
#424	Decider V1.2 default	Perplexity	1	0.6	$0.001	1/3	541ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.001 Muda wa majibu (wastani) 541ms
#429	Jev 1.14 default	Typesafe	1	0.8	$0.003	2/3	444ms
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.003 Muda wa majibu (wastani) 444ms
#436	LFM2-24B-A2B default	Liquid	1	0.6	$0.001	1/3	287ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.001 Muda wa majibu (wastani) 287ms
#437	Solar Decide Flash default	Upstage	1	0.4	$0.003	1/2	1.11s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.003 Muda wa majibu (wastani) 1.11s
#439	Solar Decide default	Upstage	1	0.4	$0.009	1/2	7.26s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.009 Muda wa majibu (wastani) 7.26s

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