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.

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)
#165	Mistral Small 4 none	Mistral	1	4.0	$0.022	0/1	729ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.022 Muda wa majibu (wastani) 729ms
#168	MiMo-V2.5 none	Xiaomi	1	4.4	$0.025	0/1	6.86s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.025 Muda wa majibu (wastani) 6.86s
#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
#174	GPT-4o-mini none	OpenAI	1	4.0	$0.010	0/1	909ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.010 Muda wa majibu (wastani) 909ms
#176	GLM 4.7 Flash none	Z.ai	1	4.0	$0.016	0/1	1.59s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.016 Muda wa majibu (wastani) 1.59s
#177	Nemotron 3 Super none	NVIDIA	1	4.6	$0.008	0/1	950ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.008 Muda wa majibu (wastani) 950ms
#178	Ling-2.6-flash none	Inclusionai	1	4.0	$0.002	0/1	1.45s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.002 Muda wa majibu (wastani) 1.45s
#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
#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
#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
#197	Grok 4.20 none	X AI	1	4.8	$0.057	0/1	659ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.057 Muda wa majibu (wastani) 659ms
#201	Granite 4.1 8B none	IBM Granite	1	4.0	$0.007	0/1	499ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.007 Muda wa majibu (wastani) 499ms
#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
#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