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)
#219	Step 3.7 Flash high	Stepfun	2	0.5	$1.478	1/3	10.2s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $1.478 Muda wa majibu (wastani) 10.2s
#221	KAT-Coder-Pro V2.5 low	Kwaipilot	2	0.6	$0.568	1/3	3.11s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.568 Muda wa majibu (wastani) 3.11s
#226	Beam 1.0 501B A23B xhigh	Reflection	2	0.6	$0.688	1/3	4.46s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.688 Muda wa majibu (wastani) 4.46s
#231	Laguna XS 2.1 medium	Poolside	2	0.5	$0.083	1/3	3.43s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.083 Muda wa majibu (wastani) 3.43s
#232	Qwen3.5-122B-A10B none	Qwen	2	0.4	$0.308	0/3	1.00s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.308 Muda wa majibu (wastani) 1.00s
#238	Beam 1.0 501B A23B low	Reflection	2	0.6	$0.432	1/3	3.42s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.432 Muda wa majibu (wastani) 3.42s
#242	Dots 3 Note Preview high	Dots Studio	2	0.6	$0.000	1/3	12.7s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 12.7s
#244	LongCat 2.0 none	Meituan	2	0.4	$0.104	0/3	2.74s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.104 Muda wa majibu (wastani) 2.74s
#260	KAT-Coder-Pro V2.5 medium	Kwaipilot	2	0.6	$0.669	1/3	3.20s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.669 Muda wa majibu (wastani) 3.20s
#262	DeepSeek V4 Flash 0731 none	DeepSeek	2	0.3	$0.053	0/3	2.74s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.053 Muda wa majibu (wastani) 2.74s
#270	Qwen3.5 Plus 2026-04-20 none	Qwen	2	0.7	$0.216	1/3	1.97s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.216 Muda wa majibu (wastani) 1.97s
#279	Seed-2.0-Lite none	Bytedance Seed	2	0.5	$0.114	1/3	2.78s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.114 Muda wa majibu (wastani) 2.78s
#283	Qwen3.6 Flash none	Qwen	2	0.4	$0.139	0/3	1.21s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.139 Muda wa majibu (wastani) 1.21s
#286	Qwen3.7 Flash none	Qwen	2	0.4	$0.028	0/3	1.39s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.028 Muda wa majibu (wastani) 1.39s
#287	Qwen3.8 Flash Next none	Qwen	2	0.6	~$0.011	1/3	1.30s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama ~$0.011 Muda wa majibu (wastani) 1.30s

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: 0.1095 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.010823.

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa