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 maelekezo115 Jibu lisilo sahihi90 Hitilafu ya API14 Muda umeisha4

Kategoria

Mahususi kwa domeni654 Mbinu za kupinga AI386 Uandishi wa msimbo361 Utatuzi wa mafumbo275 Maarifa ya jumla244 Mchanganyiko95 Akili ya jumla90 Ufuataji wa maagizo82 Uchanganuzi na uchimbaji wa data66 Mwito wa zana5

90/90

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#267	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
#268	Hy4 preview none	Tencent	1	5.1	$0.041	0/1	58.3s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.041 Muda wa majibu (wastani) 58.3s
#269	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
#270	Nemotron 3.5 Lightning low	NVIDIA	1	3.7	$0.140	0/1	4.61s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.140 Muda wa majibu (wastani) 4.61s
#274	KAT-Coder-Air V2.5 none	Kwaipilot	1	5.0	$0.070	0/1	12.0s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.070 Muda wa majibu (wastani) 12.0s
#275	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
#282	Granite 4.2 8B high	IBM Granite	1	5.5	$0.084	0/1	16.4s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.084 Muda wa majibu (wastani) 16.4s
#285	Laguna S 2.1 none	Poolside	1	5.0	$0.022	0/1	815ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.022 Muda wa majibu (wastani) 815ms
#289	GLM 4.7 Flash medium	Z.ai	1	3.6	$0.168	0/1	18.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.168 Muda wa majibu (wastani) 18.1s
#291	Granite 4.2 8B none	IBM Granite	1	5.0	$0.026	0/1	770ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.026 Muda wa majibu (wastani) 770ms
#293	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
#298	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
#299	Nemotron 3.5 Lightning none	NVIDIA	1	4.4	$0.007	0/1	586ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.007 Muda wa majibu (wastani) 586ms
#300	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
#307	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

←

1 2 3 4 5 6

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