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

421

Modeli iliyoathirika zaidi

Muse Spark 1.1 3

Sababu za kushindwa

Jibu lisilo sahihi421 Muda umeisha43 Muundo wa ziada17 Hakuna jibu8 Hitilafu ya API7 Hakufuata maelekezo1

Kategoria

Mahususi kwa domeni421 Mbinu za kupinga AI293 Uandishi wa msimbo259 Utatuzi wa mafumbo204 Maarifa ya jumla172 Mchanganyiko69 Akili ya jumla62 Ufuataji wa maagizo61 Uchanganuzi na uchimbaji wa data41 Mwito wa zana3

202/202

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#144	Kimi K2.6 none	Moonshot AI	2	5.3	$0.184	1/3	1.48s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.184 Muda wa majibu (wastani) 1.48s
#145	GPT-5.4 none	OpenAI	2	5.3	$0.397	1/3	1.07s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.397 Muda wa majibu (wastani) 1.07s
#146	Nemotron 3 Super medium	NVIDIA	2	2.9	$0.055	0/3	16.2s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.055 Muda wa majibu (wastani) 16.2s
#148	Qwen3.5-122B-A10B none	Qwen	2	5.3	$0.247	1/3	465ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.247 Muda wa majibu (wastani) 465ms
#151	GLM 5V Turbo none	Z.ai	2	5.3	$0.052	1/3	2.09s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.052 Muda wa majibu (wastani) 2.09s
#152	Owl Alpha medium	Openrouter	2	5.3	$0.000	1/3	8.58s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 8.58s
#153	Mimo V2 PRO none	Xiaomi	2	5.3	$0.045	1/3	1.78s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.045 Muda wa majibu (wastani) 1.78s
#154	Owl Alpha none	Openrouter	2	5.3	$0.000	1/3	3.00s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 3.00s
#156	DeepSeek V4 Flash none	DeepSeek	2	5.3	$0.042	1/3	19.7s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.042 Muda wa majibu (wastani) 19.7s
#159	Hy3 preview low	Tencent	2	5.9	$0.015	1/3	40.4s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.015 Muda wa majibu (wastani) 40.4s
#160	MiMo-V2.5-Pro none	Xiaomi	2	5.3	$0.068	1/3	877ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.068 Muda wa majibu (wastani) 877ms
#161	Kimi K2.5 none	Moonshot AI	2	5.3	$0.127	1/3	4.38s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.127 Muda wa majibu (wastani) 4.38s
#163	Mimo V2 Omni none	Xiaomi	2	5.3	$0.021	1/3	2.10s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.021 Muda wa majibu (wastani) 2.10s
#166	Laguna XS 2.1 none	Poolside	2	5.3	$0.008	1/3	364ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.008 Muda wa majibu (wastani) 364ms
#169	Gemini 3.1 Flash Lite Preview high	Google	2	5.3	$2.310	1/3	127.6s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $2.310 Muda wa majibu (wastani) 127.6s

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