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)
#400	Ling 3.0 Tiny low	Inclusionai	2	0.3	$0.000	0/3	32.5s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 32.5s
#401	Ling 3.0 Tiny medium	Inclusionai	2	0.4	$0.000	0/3	34.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 34.7s
#403	Laguna M.1 default	Poolside	2	0.3	$0.009	0/3	891ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.009 Muda wa majibu (wastani) 891ms
#404	Elephant Alpha default	Openrouter	2	0.4	$0.000	0/3	807ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 807ms
#407	Grok 4.20 none	X AI	2	0.5	$0.057	1/3	473ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.057 Muda wa majibu (wastani) 473ms
#410	Hy3 preview none	Tencent	2	0.3	$0.007	0/3	4.56s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.007 Muda wa majibu (wastani) 4.56s
#411	MiMo-V2-Flash default	Xiaomi	2	0.5	$0.025	1/3	1.86s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.025 Muda wa majibu (wastani) 1.86s
#412	Xing4.0 29b A4b none	Xingchen AGI	2	0.3	$0.000	0/3	16.8s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 16.8s
#420	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	2	0.3	$0.000	0/3	1.40s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 1.40s
#436	LFM2-24B-A2B default	Liquid	2	0.4	$0.001	0/3	1.78s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.001 Muda wa majibu (wastani) 1.78s
#13	GPT-5.6 Sol low	OpenAI	1	0.8	$1.244	2/3	3.44s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.244 Muda wa majibu (wastani) 3.44s
#20	GPT-5.6 Sol medium	OpenAI	1	0.8	$1.700	2/3	2.98s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.700 Muda wa majibu (wastani) 2.98s
#40	Muse Wonder low	Meta	1	0.6	$2.637	1/3	5.08s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $2.637 Muda wa majibu (wastani) 5.08s
#41	Pareto default	Unbiased	1	0.8	$1.520	2/3	18.2s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.520 Muda wa majibu (wastani) 18.2s
#58	Pareto 26.9 default	Unbiased	1	0.8	$1.864	2/3	8.40s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.864 Muda wa majibu (wastani) 8.40s

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