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)
#269	Inkling none	Thinkingmachines	1	0.6	$0.292	1/3	931ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.292 Muda wa majibu (wastani) 931ms
#271	Step 5 Preview medium	Stepfun	1	0.8	$4.136	2/3	59.9s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $4.136 Muda wa majibu (wastani) 59.9s
#272	Granite 4.2 8B medium	IBM Granite	1	0.3	$0.029	0/3	76.0s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.029 Muda wa majibu (wastani) 76.0s
#273	KAT-Coder-Pro V2.5 default	Kwaipilot	1	0.8	$0.742	2/3	3.03s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.742 Muda wa majibu (wastani) 3.03s
#274	Apodex 1.1 Mini medium	Apodex	1	0.8	$0.000	2/3	15.2s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 15.2s
#276	GLM 5.3 FlashX low	Z.ai	1	0.8	$0.157	2/3	1.89s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.157 Muda wa majibu (wastani) 1.89s
#277	MiMo-V2.6-Pro none	Xiaomi	1	0.8	$0.193	2/3	1.67s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.193 Muda wa majibu (wastani) 1.67s
#278	Inkling Small medium	Thinkingmachines	1	0.6	$0.113	1/3	5.24s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.113 Muda wa majibu (wastani) 5.24s
#281	gpt-oss-120b medium	OpenAI	1	0.5	$0.030	1/3	21.7s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.030 Muda wa majibu (wastani) 21.7s
#282	Gemini 3.1 Flash Lite none	Google	1	0.6	$0.069	1/3	720ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.069 Muda wa majibu (wastani) 720ms
#284	Claude Sonnet 5 none	Anthropic	1	0.6	$1.095	1/3	3.22s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.095 Muda wa majibu (wastani) 3.22s
#285	Nemotron 3 Ultra none	NVIDIA	1	0.6	$0.164	1/3	1.06s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.164 Muda wa majibu (wastani) 1.06s
#291	Ring 2.6 1t medium	Inclusionai	1	0.6	$0.102	1/3	20.7s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.102 Muda wa majibu (wastani) 20.7s
#292	Trinity Large Thinking high	Arcee AI	1	0.5	$0.794	0/3	3.84s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.794 Muda wa majibu (wastani) 3.84s
#293	GPT-5 Nano medium	OpenAI	1	0.5	$0.159	1/3	20.6s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.159 Muda wa majibu (wastani) 20.6s

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