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

134

Modeli iliyoathirika zaidi

Claude Haiku 5.5 1

Sababu za kushindwa

Hakufuata maelekezo142 Jibu lisilo sahihi134 Hitilafu ya API17 Muda umeisha4

Kategoria

Mahususi kwa domeni893 Mbinu za kupinga AI519 Uandishi wa msimbo484 Utatuzi wa mafumbo352 Maarifa ya jumla315 Akili ya jumla134 Kazi za mawakala128 Mchanganyiko128 Ufuataji wa maagizo117 Uchanganuzi na uchimbaji wa data93

134/134

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#246	Mercury 2.5 medium	Inception	1	0.4	$0.034	0/1	1.60s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.034 Muda wa majibu (wastani) 1.60s
#249	Dots 3 Note Preview high	Dots Studio	1	0.3	$0.000	0/1	19.6s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 19.6s
#250	Dots 3 Note Preview low	Dots Studio	1	0.4	$0.000	0/1	27.5s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 27.5s
#251	LongCat 2.0 none	Meituan	1	0.5	$0.104	0/1	2.76s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.104 Muda wa majibu (wastani) 2.76s
#256	Minimax M3.1 Flash medium	Minimax	1	0.5	$0.000	0/1	3.77s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 3.77s
#257	Gemini 3.1 Flash Lite low	Google	1	0.4	$0.717	0/1	1.37s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.717 Muda wa majibu (wastani) 1.37s
#259	Qwen3.5 Plus 2026-02-15 none	Qwen	1	0.4	$0.176	0/1	2.26s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.176 Muda wa majibu (wastani) 2.26s
#262	Space Bunny Alpha medium	Stealth	1	0.4	$0.000	0/1	4.44s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 4.44s
#265	DeepSeek V4 Flash 0423 none	DeepSeek	1	0.4	$0.149	0/1	23.7s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.149 Muda wa majibu (wastani) 23.7s
#269	GLM 5 Turbo medium	Z.ai	1	0.6	$0.323	0/1	10.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.323 Muda wa majibu (wastani) 10.1s
#270	DeepSeek V4 Flash 0731 none	DeepSeek	1	0.4	$0.053	0/1	3.22s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.053 Muda wa majibu (wastani) 3.22s
#277	Inkling none	Thinkingmachines	1	0.5	$0.292	0/1	859ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.292 Muda wa majibu (wastani) 859ms
#281	KAT-Coder-Pro V2.5 default	Kwaipilot	1	0.5	$0.742	0/1	5.16s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.742 Muda wa majibu (wastani) 5.16s
#284	GLM 5.3 FlashX low	Z.ai	1	0.5	$0.157	0/1	2.07s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.157 Muda wa majibu (wastani) 2.07s
#290	Gemini 3.1 Flash Lite none	Google	1	0.4	$0.069	0/1	992ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.069 Muda wa majibu (wastani) 992ms

←

1 4 5 6 9

→

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