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)
#341	Mercury 2.5 Preview low	Inception	3	0.4	$0.015	0/3	836ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.015 Muda wa majibu (wastani) 836ms
#343	Dots 3 Note Preview default	Dots Studio	3	0.3	$0.000	0/3	1.10s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 1.10s
#344	GPT-4o-mini default	OpenAI	3	0.3	$0.024	0/3	743ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.024 Muda wa majibu (wastani) 743ms
#349	Laguna S 2.1 high	Poolside	3	0.3	$0.145	0/3	2.51s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.145 Muda wa majibu (wastani) 2.51s
#351	Ling 2.6 1t default	Inclusionai	3	0.3	$0.016	0/3	1.08s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.016 Muda wa majibu (wastani) 1.08s
#352	MiMo-V2.5 none	Xiaomi	3	0.3	$0.049	0/3	1.24s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.049 Muda wa majibu (wastani) 1.24s
#353	Qwen3.5-9B none	Qwen	3	0.3	$0.041	0/3	636ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.041 Muda wa majibu (wastani) 636ms
#358	Mercury 2.5 Preview default	Inception	3	0.4	$0.023	0/3	631ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.023 Muda wa majibu (wastani) 631ms
#359	Nemotron 3.5 Lightning medium	NVIDIA	3	0.3	$0.195	0/3	74.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.195 Muda wa majibu (wastani) 74.7s
#360	North Mini Code default	Cohere	3	0.3	$0.000	0/3	14.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 14.7s
#361	Laguna S 2.1 none	Poolside	3	0.3	$0.044	0/3	337ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.044 Muda wa majibu (wastani) 337ms
#363	Qwen3 Coder Next medium	Qwen	3	0.4	$0.071	0/3	570ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.071 Muda wa majibu (wastani) 570ms
#364	DeepSeek V3.2 none	DeepSeek	3	0.3	$0.119	0/3	1.48s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.119 Muda wa majibu (wastani) 1.48s
#365	GPT-5.4 Nano none	OpenAI	3	0.3	$0.068	0/3	880ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.068 Muda wa majibu (wastani) 880ms
#366	Gemini 3.1 Flash Lite high	Google	3	0.4	$2.044	0/3	139.9s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $2.044 Muda wa majibu (wastani) 139.9s

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