Orodha ya Utatuzi wa mafumbo x Hitilafu ya API

Kushindwa kwa kategoria za AI BENCHY

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Hitilafu ya API katika Utatuzi wa mafumbo, ili uone udhaifu haraka. Panga kwa: Muda wa majibu (wastani) ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Nemotron 3 Nano Omni 30b A3b Reasoning 1

Sababu za kushindwa

Jibu lisilo sahihi147 Hakufuata maelekezo78 Hitilafu ya API13 Muda umeisha5 Muundo wa ziada5 Hakuna jibu1

Kategoria

Uandishi wa msimbo43 Uchanganuzi na uchimbaji wa data16 Mwito wa zana15 Mbinu za kupinga AI13 Mchanganyiko13 Utatuzi wa mafumbo13 Akili ya jumla12 Maarifa ya jumla12 Mahususi kwa domeni6 Ufuataji wa maagizo1

Nafasi	Modeli	Kampuni	Idadi ya Hitilafu ya API	Alama ya kategoria	Majaribio sahihi	Muda wa majibu (wastani)
#162	Nemotron 3 Nano Omni 30b A3b Reasoning none	NVIDIA	1	3.0	0/3	532ms
#146	Laguna Xs.2 none	Poolside	1	5.3	1/3	650ms
#145	Laguna M.1 none	Poolside	1	3.0	0/3	891ms
#149	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	1	2.9	0/3	1.40s
#160	LFM2-24B-A2B none	Liquid	1	3.8	0/3	1.78s
#107	Laguna Xs.2 medium	Poolside	1	5.3	1/3	1.93s
#133	DeepSeek V3.2 none	DeepSeek	1	7.6	2/3	6.91s
#89	Hy3 preview low	Tencent	1	5.3	1/3	7.51s
#93	Qwen3.6 Plus Preview medium	Qwen	2	5.3	1/3	7.52s
#92	Laguna M.1 medium	Poolside	1	5.3	1/3	10.2s
#82	Hy3 preview high	Tencent	1	7.7	2/3	27.9s
#103	DeepSeek V4 Pro high	DeepSeek	1	5.9	1/3	34.8s

Modeli bora kwa Idadi ya Hitilafu ya API

Idadi ya Hitilafu ya API dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Utatuzi wa mafumbo: Hitilafu ya API

Modeli bora kwa Idadi ya Hitilafu ya API

Idadi ya Hitilafu ya API dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa