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

204

Modeli iliyoathirika zaidi

Qwen3.5-Flash 3

Sababu za kushindwa

Jibu lisilo sahihi204 Hakufuata maelekezo90 Hitilafu ya API12 Muundo wa ziada8 Muda umeisha5 Hakuna jibu3

Kategoria

Mahususi kwa domeni421 Mbinu za kupinga AI293 Uandishi wa msimbo259 Utatuzi wa mafumbo204 Maarifa ya jumla172 Mchanganyiko69 Akili ya jumla62 Ufuataji wa maagizo61 Uchanganuzi na uchimbaji wa data41 Mwito wa zana3

145/145

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#135	Nemotron 3 Ultra none	NVIDIA	1	5.9	$0.095	1/3	1.06s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.095 Muda wa majibu (wastani) 1.06s
#136	Step 3.5 Flash medium	Stepfun	1	5.3	$0.108	1/3	7.22s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.108 Muda wa majibu (wastani) 7.22s
#140	Mimo V2 Omni medium	Xiaomi	1	5.9	$0.683	1/3	2.38s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.683 Muda wa majibu (wastani) 2.38s
#142	GPT-5.4 Mini none	OpenAI	1	5.4	$0.095	1/3	836ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.095 Muda wa majibu (wastani) 836ms
#145	GPT-5.4 none	OpenAI	1	5.6	$0.397	1/3	1.44s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.397 Muda wa majibu (wastani) 1.44s
#147	GLM 5 none	Z.ai	1	7.7	$0.041	2/3	1.91s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.041 Muda wa majibu (wastani) 1.91s
#151	GLM 5V Turbo none	Z.ai	1	5.3	$0.052	1/3	2.40s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.052 Muda wa majibu (wastani) 2.40s
#152	Owl Alpha medium	Openrouter	1	5.3	$0.000	1/3	3.40s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 3.40s
#153	Mimo V2 PRO none	Xiaomi	1	6.0	$0.045	1/3	1.61s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.045 Muda wa majibu (wastani) 1.61s
#154	Owl Alpha none	Openrouter	1	5.4	$0.000	1/3	4.18s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 4.18s
#156	DeepSeek V4 Flash none	DeepSeek	1	3.1	$0.042	0/3	23.7s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.042 Muda wa majibu (wastani) 23.7s
#157	GLM 5.1 none	Z.ai	1	7.7	$0.164	2/3	1.45s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.164 Muda wa majibu (wastani) 1.45s
#158	Qwen3.6 27B none	Qwen	1	5.3	$0.087	1/3	5.15s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.087 Muda wa majibu (wastani) 5.15s
#159	Hy3 preview low	Tencent	1	5.3	$0.015	1/3	7.51s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.015 Muda wa majibu (wastani) 7.51s
#160	MiMo-V2.5-Pro none	Xiaomi	1	6.7	$0.068	1/3	1.30s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.068 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 inayokadiriwa