Orodha ya Utatuzi wa mafumbo x Jibu lisilo sahihi

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Jibu lisilo sahihi katika Utatuzi wa mafumbo, ili uone udhaifu haraka. Panga kwa: Jumla ya gharama ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

201

Modeli iliyoathirika zaidi

Grok 4.20 Multi Agent Beta 1

Sababu za kushindwa

Jibu lisilo sahihi201 Hakufuata maelekezo90 Hitilafu ya API12 Muundo wa ziada8 Muda umeisha5 Hakuna jibu3

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

142/142

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#181	Grok 4.20 Multi Agent Beta medium	X AI	1	6.7	$5.599	1/3	5.19s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $5.599 Muda wa majibu (wastani) 5.19s
#43	Claude Opus 4.6 medium	Anthropic	1	7.7	$3.059	2/3	4.71s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $3.059 Muda wa majibu (wastani) 4.71s
#4	GPT-5.6 Sol medium	OpenAI	1	8.2	$1.316	2/3	2.98s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.316 Muda wa majibu (wastani) 2.98s
#86	Step 3.7 Flash high	Stepfun	2	5.3	$1.207	1/3	10.2s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.207 Muda wa majibu (wastani) 10.2s
#48	Grok Build 0.1 medium	X AI	1	7.7	$1.097	2/3	18.3s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.097 Muda wa majibu (wastani) 18.3s
#34	GPT-5.6 Terra high	OpenAI	1	7.7	$1.055	2/3	5.45s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.055 Muda wa majibu (wastani) 5.45s
#68	Kimi K2.6 medium	Moonshot AI	1	6.0	$1.036	1/3	25.1s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.036 Muda wa majibu (wastani) 25.1s
#44	GPT-5.6 Luna high	OpenAI	1	7.6	$1.017	2/3	14.6s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.017 Muda wa majibu (wastani) 14.6s
#28	Inkling high	Thinkingmachines	1	6.9	$1.006	1/3	10.7s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.006 Muda wa majibu (wastani) 10.7s
#3	GPT-5.6 Sol low	OpenAI	1	8.2	$0.971	2/3	3.44s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.971 Muda wa majibu (wastani) 3.44s
#31	GLM 5.2 high	Z.ai	1	6.0	$0.970	1/3	33.7s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.970 Muda wa majibu (wastani) 33.7s
#23	Claude Sonnet 5 medium	Anthropic	1	7.7	$0.922	2/3	2.98s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.922 Muda wa majibu (wastani) 2.98s
#73	Grok 4.3 medium	X AI	1	5.9	$0.779	1/3	22.5s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.779 Muda wa majibu (wastani) 22.5s
#99	Qwen3.6 27B medium	Qwen	1	7.7	$0.779	2/3	61.1s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.779 Muda wa majibu (wastani) 61.1s
#75	Grok 4.20 medium	X AI	1	7.7	$0.777	2/3	6.22s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.777 Muda wa majibu (wastani) 6.22s

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

Utatuzi wa mafumbo: 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