Orodha ya Maarifa ya jumla x Jibu lisilo sahihi

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Jibu lisilo sahihi katika Maarifa ya jumla, ili uone udhaifu haraka. Panga kwa: Muda wa majibu (wastani) ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

263

Modeli iliyoathirika zaidi

Laguna XS 2.1 1

Sababu za kushindwa

Jibu lisilo sahihi263 Hakuna jibu34 Hitilafu ya API14 Muda umeisha1

Kategoria

Mahususi kwa domeni710 Mbinu za kupinga AI413 Uandishi wa msimbo387 Utatuzi wa mafumbo294 Maarifa ya jumla263 Mchanganyiko106 Akili ya jumla100 Ufuataji wa maagizo87 Uchanganuzi na uchimbaji wa data67 Mwito wa zana5

263/263

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#269	Laguna XS 2.1 none	Poolside	1	3.0	$0.008	0/1	254ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.008 Muda wa majibu (wastani) 254ms
#243	Qwen3.5-122B-A10B none	Qwen	1	3.0	$0.247	0/1	295ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.247 Muda wa majibu (wastani) 295ms
#326	Granite 4.1 8B none	IBM Granite	1	3.0	$0.007	0/1	306ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.007 Muda wa majibu (wastani) 306ms
#329	Mercury 2.5 none	Inception	1	3.0	$0.016	0/1	384ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.016 Muda wa majibu (wastani) 384ms
#278	Mistral Small 4 none	Mistral	1	3.0	$0.022	0/1	397ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.022 Muda wa majibu (wastani) 397ms
#311	Qwen3 Coder Next medium	Qwen	1	3.0	$0.034	0/1	399ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.034 Muda wa majibu (wastani) 399ms
#273	Qwen3.6 35B A3B none	Qwen	1	3.0	$0.061	0/1	414ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.061 Muda wa majibu (wastani) 414ms
#293	Mercury 2.5 Preview none	Inception	1	3.0	$0.018	0/1	419ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.018 Muda wa majibu (wastani) 419ms
#268	Inkling Small none	Thinkingmachines	1	3.0	$0.054	0/1	481ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.054 Muda wa majibu (wastani) 481ms
#226	Qwen3.5-35B-A3B none	Qwen	1	3.0	$0.151	0/1	493ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.151 Muda wa majibu (wastani) 493ms
#309	Mercury 2 none	Inception	1	3.0	$0.030	0/1	548ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.030 Muda wa majibu (wastani) 548ms
#327	Nemotron 3.5 Lightning none	NVIDIA	1	3.0	$0.006	0/1	575ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.006 Muda wa majibu (wastani) 575ms
#225	Qwen3.5-Flash none	Qwen	1	3.0	$0.073	0/1	588ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.073 Muda wa majibu (wastani) 588ms
#288	Mercury 2.5 Preview low	Inception	1	3.0	$0.011	0/1	591ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.011 Muda wa majibu (wastani) 591ms
#180	Qwen3.5-27B none	Qwen	1	3.0	$0.058	0/1	599ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.058 Muda wa majibu (wastani) 599ms

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

Maarifa ya jumla: 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