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: Muda wa majibu (wastani) ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

North Mini Code 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)
#171	North Mini Code none	Cohere	1	3.9	$0.000	0/1	34.8s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 34.8s
#70	Qwen3.5 Plus 2026-04-20 medium	Qwen	1	4.9	$0.317	0/1	25.3s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.317 Muda wa majibu (wastani) 25.3s
#137	North Mini Code medium	Cohere	1	5.1	$0.000	0/1	25.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 25.1s
#150	DeepSeek V4 Flash none	DeepSeek	1	4.2	$0.044	0/1	23.7s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.044 Muda wa majibu (wastani) 23.7s
#91	LongCat 2.0 low	Meituan	1	3.4	$0.391	0/1	22.5s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.391 Muda wa majibu (wastani) 22.5s
#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
#194	GLM 4.7 Flash medium	Z.ai	1	3.6	$0.166	0/1	18.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.166 Muda wa majibu (wastani) 18.1s
#97	LongCat 2.0 high	Meituan	1	5.1	$0.469	0/1	17.0s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.469 Muda wa majibu (wastani) 17.0s
#60	LongCat 2.0 medium	Meituan	1	4.8	$0.478	0/1	16.4s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.478 Muda wa majibu (wastani) 16.4s
#179	Ring-2.6-1T none	Inclusionai	1	4.3	$0.026	0/1	15.6s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.026 Muda wa majibu (wastani) 15.6s
#129	Nemotron 3 Ultra none	NVIDIA	1	5.0	$0.095	0/1	13.5s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.095 Muda wa majibu (wastani) 13.5s
#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
#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
#182	KAT-Coder-Air V2.5 none	Kwaipilot	1	5.0	$0.067	0/1	12.0s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.067 Muda wa majibu (wastani) 12.0s
#206	gpt-oss-120b none	OpenAI	1	4.8	$0.010	0/1	10.8s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.010 Muda wa majibu (wastani) 10.8s

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