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)
#294	GPT-5.4 Mini none	OpenAI	1	0.5	$0.170	1/3	836ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.170 Muda wa majibu (wastani) 836ms
#297	Dots 3 Note Preview medium	Dots Studio	1	0.5	$0.000	1/3	8.71s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 8.71s
#298	Gemma 4 31B none	Google	1	0.6	$0.031	1/3	4.23s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.031 Muda wa majibu (wastani) 4.23s
#300	GPT-5.4 none	OpenAI	1	0.6	$0.690	1/3	1.44s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.690 Muda wa majibu (wastani) 1.44s
#303	GLM 5 none	Z.ai	1	0.8	$0.140	2/3	1.91s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.140 Muda wa majibu (wastani) 1.91s
#308	Ling 3.1 Flash none	Inclusionai	1	0.8	$0.000	2/3	3.31s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 3.31s
#309	Gemini 2.5 Flash none	Google	1	0.8	$0.017	2/3	604ms
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.017 Muda wa majibu (wastani) 604ms
#311	Gemma 4 26B A4B none	Google	1	0.6	$0.031	1/3	744ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.031 Muda wa majibu (wastani) 744ms
#312	GLM 5V Turbo medium	Z.ai	1	0.8	$0.457	2/3	10.2s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.457 Muda wa majibu (wastani) 10.2s
#315	Qwen3.8 27B none	Qwen	1	0.6	~$0.010	1/3	1.25s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama ~$0.010 Muda wa majibu (wastani) 1.25s
#319	Step 3.5 Flash medium	Stepfun	1	0.5	$0.105	1/3	7.22s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.105 Muda wa majibu (wastani) 7.22s
#322	GPT-5.6 Luna none	OpenAI	1	0.5	$0.042	1/3	790ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.042 Muda wa majibu (wastani) 790ms
#327	Qwen3.6 35B A3B none	Qwen	1	0.3	$0.105	0/3	1.07s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.105 Muda wa majibu (wastani) 1.07s
#330	Nemotron 3.5 Lightning high	NVIDIA	1	0.4	$0.168	0/3	6.09s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.168 Muda wa majibu (wastani) 6.09s
#333	MiMo-V2-Flash medium	Xiaomi	1	0.8	$0.043	2/3	3.87s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.043 Muda wa majibu (wastani) 3.87s

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 inayokadiriwaMakadirio yanahusu umeme wa GPU pekee. Hayajumuishi sehemu nyingine za kompyuta wala gharama ya kununua maunzi. NVIDIA GeForce RTX 3090: 0.0968 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.009566.

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa