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.

Modeli zilizoonyeshwa

Jumla ya kushindwa

344

Modeli iliyoathirika zaidi

Qwen3.5-Flash 3

Sababu za kushindwa

Jibu lisilo sahihi344 Hakufuata maelekezo160 Hitilafu ya API35 Muundo wa ziada16 Hakuna jibu14 Muda umeisha11

Kategoria

Mahususi kwa domeni878 Mbinu za kupinga AI502 Uandishi wa msimbo477 Utatuzi wa mafumbo344 Maarifa ya jumla306 Akili ya jumla129 Kazi za mawakala126 Mchanganyiko126 Ufuataji wa maagizo111 Uchanganuzi na uchimbaji wa data93

239/239

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#201	Space Bunny Alpha max	Stealth	1	0.8	$0.000	2/3	9.15s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 9.15s
#204	Grok Build 0.1 medium	X AI	1	0.8	$1.419	2/3	18.3s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.419 Muda wa majibu (wastani) 18.3s
#208	MiniMax M3 medium	Minimax	1	0.8	$0.422	2/3	49.9s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.422 Muda wa majibu (wastani) 49.9s
#209	Ember-1 max	Fireworks	1	0.8	$3.264	2/3	6.57s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $3.264 Muda wa majibu (wastani) 6.57s
#211	GPT-5.6 Sol none	OpenAI	1	0.8	$0.795	2/3	1.49s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.795 Muda wa majibu (wastani) 1.49s
#212	Apodex 1.1 Mini high	Apodex	1	0.8	$0.000	2/3	13.5s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 13.5s
#214	GPT-5.5 none	OpenAI	1	0.8	$1.212	2/3	1.29s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.212 Muda wa majibu (wastani) 1.29s
#215	GLM 5.2 none	Z.ai	1	0.8	$0.250	2/3	3.31s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.250 Muda wa majibu (wastani) 3.31s
#216	Qwen3.7 Flash medium	Qwen	1	0.7	$0.076	1/3	8.30s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.076 Muda wa majibu (wastani) 8.30s
#218	Mercury 2 medium	Inception	1	0.5	$0.121	1/3	949ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.121 Muda wa majibu (wastani) 949ms
#223	Qwen3.6 35B A3B medium	Qwen	1	0.8	$0.834	2/3	5.95s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.834 Muda wa majibu (wastani) 5.95s
#225	Mercury 2.5 high	Inception	1	0.9	$0.044	2/3	1.39s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.044 Muda wa majibu (wastani) 1.39s
#228	GLM 5.1 none	Z.ai	1	0.8	$0.451	2/3	1.45s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.451 Muda wa majibu (wastani) 1.45s
#229	KAT-Coder-Pro V2.5 high	Kwaipilot	1	0.8	$0.506	2/3	3.38s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.506 Muda wa majibu (wastani) 3.38s
#230	Grok 4.3 medium	X AI	1	0.6	$0.989	1/3	22.5s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.989 Muda wa majibu (wastani) 22.5s

←

1 9 10 11 16

→

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