Orodha ya Utatuzi wa mafumbo x Muundo wa ziada

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Muundo wa ziada katika Utatuzi wa mafumbo, ili uone udhaifu haraka.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Claude Opus 5 1

Sababu za kushindwa

Jibu lisilo sahihi275 Hakufuata maelekezo128 Hitilafu ya API15 Muundo wa ziada14 Hakuna jibu11 Muda umeisha11

Kategoria

Mbinu za kupinga AI29 Uandishi wa msimbo26 Mahususi kwa domeni23 Utatuzi wa mafumbo14 Uchanganuzi na uchimbaji wa data8 Ufuataji wa maagizo7 Mchanganyiko1

14/14

Nafasi	Modeli	Kampuni	Idadi ya Muundo wa ziada	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#89	Claude Opus 5 none	Anthropic	1	7.7	$1.550	2/3	3.66s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.550 Muda wa majibu (wastani) 3.66s
#108	Claude Sonnet 4.6 none	Anthropic	1	7.7	$0.661	2/3	2.53s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.661 Muda wa majibu (wastani) 2.53s
#115	Claude Opus 4.8 none	Anthropic	1	7.7	$1.166	2/3	2.74s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.166 Muda wa majibu (wastani) 2.74s
#142	Seed-2.0-Code medium	Bytedance Seed	1	8.2	$1.153	2/3	34.3s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.153 Muda wa majibu (wastani) 34.3s
#172	LongCat 2.0 none	Meituan	1	4.0	$0.044	0/3	2.74s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.044 Muda wa majibu (wastani) 2.74s
#176	Mimo V2 PRO medium	Xiaomi	1	6.4	$0.333	1/3	5.08s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.333 Muda wa majibu (wastani) 5.08s
#181	Claude Sonnet 5 none	Anthropic	1	6.0	$0.548	1/3	3.22s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.548 Muda wa majibu (wastani) 3.22s
#233	DeepSeek V4 Flash 0423 none	DeepSeek	1	3.1	$0.037	0/3	23.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.037 Muda wa majibu (wastani) 23.7s
#236	GPT-5.6 Luna none	OpenAI	1	5.3	$0.029	1/3	790ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.029 Muda wa majibu (wastani) 790ms
#239	DeepSeek V4 Flash 0731 none	DeepSeek	1	3.2	$0.011	0/3	2.74s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.011 Muda wa majibu (wastani) 2.74s
#240	Laguna S 2.1 high	Poolside	1	2.9	$0.114	0/3	1.62s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.114 Muda wa majibu (wastani) 1.62s
#248	Inkling none	Thinkingmachines	1	5.6	$0.147	1/3	931ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.147 Muda wa majibu (wastani) 931ms
#261	Laguna S 2.1 low	Poolside	1	3.1	$0.082	0/3	2.70s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.082 Muda wa majibu (wastani) 2.70s
#291	Granite 4.2 8B none	IBM Granite	1	3.0	$0.026	0/3	107.6s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.026 Muda wa majibu (wastani) 107.6s

Chuja miundo

Modeli bora kwa Idadi ya Muundo wa ziada

Idadi ya Muundo wa ziada dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Utatuzi wa mafumbo: Muundo wa ziada

Chuja miundo

Modeli bora kwa Idadi ya Muundo wa ziada

Idadi ya Muundo wa ziada dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa