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: Majaribio sahihi ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

129

Modeli iliyoathirika zaidi

Claude Haiku 5.5 1

Sababu za kushindwa

Hakufuata maelekezo141 Jibu lisilo sahihi129 Hitilafu ya API17 Muda umeisha4

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

129/129

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#38	Claude Haiku 5.5 xhigh	Anthropic	1	0.5	$0.140	0/1	9.80s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.140 Muda wa majibu (wastani) 9.80s
#44	Muse Spark Open xhigh	Meta	1	0.6	$2.081	0/1	7.26s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.081 Muda wa majibu (wastani) 7.26s
#53	Muse Spark Open low	Meta	1	0.6	$0.600	0/1	5.85s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.600 Muda wa majibu (wastani) 5.85s
#73	Claude Sonnet 5.5 high	Anthropic	1	0.6	$1.175	0/1	6.93s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.175 Muda wa majibu (wastani) 6.93s
#74	Claude Haiku 5.5 low	Anthropic	1	0.5	$0.061	0/1	1.38s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.061 Muda wa majibu (wastani) 1.38s
#75	Qwen3.8 Max (0902) low	Qwen	1	0.6	$1.131	0/1	8.91s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.131 Muda wa majibu (wastani) 8.91s
#82	Qwen3.8 2.4T A95B low	Qwen	1	0.6	$4.016	0/1	23.0s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $4.016 Muda wa majibu (wastani) 23.0s
#84	Muse Glimmer 30B xhigh	Meta	1	0.6	$0.585	0/1	7.41s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.585 Muda wa majibu (wastani) 7.41s
#90	GPT-5.6 Terra high	OpenAI	1	0.5	$0.698	0/1	3.03s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.698 Muda wa majibu (wastani) 3.03s
#94	GPT-6 Luna medium	OpenAI	1	0.4	$0.047	0/1	28.3s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.047 Muda wa majibu (wastani) 28.3s
#96	Ling 3.1 Flash medium	Inclusionai	1	0.5	$0.000	0/1	7.28s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 7.28s
#101	GPT-5.6 Terra medium	OpenAI	1	0.6	$0.483	0/1	2.37s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.483 Muda wa majibu (wastani) 2.37s
#108	GPT-5.6 Luna high	OpenAI	1	0.5	$0.118	0/1	3.65s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.118 Muda wa majibu (wastani) 3.65s
#112	Qwen3.8 Flash Next low	Qwen	1	0.5	~$0.045	0/1	5.00s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama ~$0.045 Muda wa majibu (wastani) 5.00s
#113	GPT-5.6 Terra low	OpenAI	1	0.5	$0.435	0/1	3.52s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.435 Muda wa majibu (wastani) 3.52s

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 inayokadiriwaMakadirio yanahusu umeme wa GPU pekee. Hayajumuishi sehemu nyingine za kompyuta wala gharama ya kununua maunzi. NVIDIA GeForce RTX 3090: 0.4535 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.044834.

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa