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)
#121	MiMo-V2.6-Flash medium	Xiaomi	1	0.8	$0.218	2/3	52.9s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.218 Muda wa majibu (wastani) 52.9s
#125	GLM 5.3 high	Z.ai	1	0.8	$0.495	2/3	4.74s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.495 Muda wa majibu (wastani) 4.74s
#128	Qwen3.7 Plus none	Qwen	1	0.8	$0.178	2/3	1.71s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.178 Muda wa majibu (wastani) 1.71s
#132	GPT-6 Luna high	OpenAI	1	0.8	$0.074	2/3	7.51s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.074 Muda wa majibu (wastani) 7.51s
#133	Muse Glimmer 30B high	Meta	1	0.6	$0.506	1/3	64.8s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.506 Muda wa majibu (wastani) 64.8s
#136	Qwen3.5 Plus 2026-04-20 medium	Qwen	1	0.8	$0.435	2/3	17.7s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.435 Muda wa majibu (wastani) 17.7s
#137	Qwen3.7 Flash low	Qwen	1	0.7	$0.071	1/3	9.79s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.071 Muda wa majibu (wastani) 9.79s
#140	Qwen3.8 Flash Next medium	Qwen	1	0.8	~$0.047	2/3	2.23s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama ~$0.047 Muda wa majibu (wastani) 2.23s
#142	Qwen3.8 27B low	Qwen	1	0.8	~$0.089	2/3	4.91s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama ~$0.089 Muda wa majibu (wastani) 4.91s
#143	Space Bunny Alpha high	Stealth	1	0.8	$0.000	2/3	6.43s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 6.43s
#144	GLM 5.1 medium	Z.ai	1	0.8	$1.546	2/3	31.6s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.546 Muda wa majibu (wastani) 31.6s
#145	Seed-2.0-Mini medium	Bytedance Seed	1	0.8	$0.140	2/3	31.8s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.140 Muda wa majibu (wastani) 31.8s
#148	GPT-5.6 Luna medium	OpenAI	1	0.8	$0.065	2/3	4.04s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.065 Muda wa majibu (wastani) 4.04s
#153	Grok 4.7 low	X AI	1	0.8	$1.933	2/3	12.4s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.933 Muda wa majibu (wastani) 12.4s
#161	Gemini 2.5 Flash medium	Google	1	0.8	$0.680	2/3	3.18s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.680 Muda wa majibu (wastani) 3.18s

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: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa