Orodha ya Akili ya jumla x Jibu lisilo sahihi

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Jibu lisilo sahihi katika Akili ya jumla, ili uone udhaifu haraka. Panga kwa: Jumla ya gharama ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Grok 4.5 1

Sababu za kushindwa

Hakufuata maelekezo78 Jibu lisilo sahihi59 Hitilafu ya API12 Muda umeisha4

Kategoria

Mahususi kwa domeni412 Mbinu za kupinga AI293 Uandishi wa msimbo252 Utatuzi wa mafumbo201 Maarifa ya jumla168 Mchanganyiko68 Ufuataji wa maagizo61 Akili ya jumla59 Uchanganuzi na uchimbaji wa data41 Mwito wa zana3

59/59

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#22	Grok 4.5 medium	X AI	1	6.5	$1.928	0/1	12.8s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.928 Muda wa majibu (wastani) 12.8s
#86	Step 3.7 Flash high	Stepfun	1	5.5	$1.207	0/1	4.17s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.207 Muda wa majibu (wastani) 4.17s
#48	Grok Build 0.1 medium	X AI	1	4.4	$1.097	0/1	18.4s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.097 Muda wa majibu (wastani) 18.4s
#34	GPT-5.6 Terra high	OpenAI	1	5.1	$1.055	0/1	3.03s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.055 Muda wa majibu (wastani) 3.03s
#44	GPT-5.6 Luna high	OpenAI	1	5.0	$1.017	0/1	3.65s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.017 Muda wa majibu (wastani) 3.65s
#20	Grok 4.5 low	X AI	1	6.1	$0.935	0/1	4.88s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.935 Muda wa majibu (wastani) 4.88s
#85	Qwen3.6 Flash medium	Qwen	1	4.8	$0.738	0/1	9.88s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.738 Muda wa majibu (wastani) 9.88s
#134	Mimo V2 Omni medium	Xiaomi	1	5.4	$0.683	0/1	3.61s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.683 Muda wa majibu (wastani) 3.61s
#39	GPT-5.6 Terra medium	OpenAI	1	5.5	$0.676	0/1	2.37s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.676 Muda wa majibu (wastani) 2.37s
#105	Gemini 3.1 Flash Lite low	Google	1	4.0	$0.621	0/1	1.37s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.621 Muda wa majibu (wastani) 1.37s
#202	Grok Build 0.1 none	X AI	1	4.3	$0.547	0/1	12.5s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.547 Muda wa majibu (wastani) 12.5s
#83	GPT-5.6 Sol none	OpenAI	1	6.5	$0.524	0/1	1.52s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.524 Muda wa majibu (wastani) 1.52s
#55	GPT-5.6 Terra low	OpenAI	1	4.8	$0.519	0/1	3.52s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.519 Muda wa majibu (wastani) 3.52s
#29	Step 3.7 Flash medium	Stepfun	1	4.0	$0.515	0/1	6.85s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.515 Muda wa majibu (wastani) 6.85s
#69	KAT-Coder-Pro V2.5 high	Kwaipilot	1	5.1	$0.482	0/1	3.27s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.482 Muda wa majibu (wastani) 3.27s

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

Akili ya jumla: 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