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: Jumla ya gharama ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

263

Modeli iliyoathirika zaidi

GPT-5.5 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)
#28	GPT-5.5 medium	OpenAI	1	2.8	$4.163	0/1	37.9s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $4.163 Muda wa majibu (wastani) 37.9s
#26	Claude Fable 5.1 high	Anthropic	1	3.0	$3.364	0/1	30.6s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $3.364 Muda wa majibu (wastani) 30.6s
#98	Claude Opus 4.6 medium	Anthropic	1	3.0	$2.961	0/1	63.2s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.961 Muda wa majibu (wastani) 63.2s
#31	Qwen3.8 Max (0902) high	Qwen	1	3.0	$2.736	0/1	532.6s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.736 Muda wa majibu (wastani) 532.6s
#70	Qwen3.8 2.4T A95B low	Qwen	1	3.0	$2.672	0/1	422.5s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.672 Muda wa majibu (wastani) 422.5s
#156	Claude Fable 5.1 low	Anthropic	1	3.0	$2.565	0/1	19.2s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.565 Muda wa majibu (wastani) 19.2s
#124	Qwen3.8 2.4T A95B high	Qwen	1	3.0	$2.357	0/1	348.0s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.357 Muda wa majibu (wastani) 348.0s
#75	Muse Spark 1.1 high	Meta	1	3.0	$2.253	0/1	22.9s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.253 Muda wa majibu (wastani) 22.9s
#91	Claude Sonnet 4.6 medium	Anthropic	1	3.0	$2.126	0/1	30.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.126 Muda wa majibu (wastani) 30.1s
#55	Grok 4.5 medium	X AI	1	3.0	$2.042	0/1	74.4s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.042 Muda wa majibu (wastani) 74.4s
#61	Seed 2.1 Turbo medium	Bytedance Seed	1	3.0	$1.951	0/1	91.0s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.951 Muda wa majibu (wastani) 91.0s
#35	Seed 2.1 Turbo high	Bytedance Seed	1	3.0	$1.797	0/1	78.6s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.797 Muda wa majibu (wastani) 78.6s
#14	GPT-6 Astra medium	OpenAI	1	2.8	$1.774	0/1	5.98s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.774 Muda wa majibu (wastani) 5.98s
#45	Muse Spark 1.2 high	Meta	1	3.0	$1.771	0/1	15.0s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.771 Muda wa majibu (wastani) 15.0s
#57	Grok 4.6 medium	X AI	1	3.0	$1.713	0/1	46.9s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.713 Muda wa majibu (wastani) 46.9s

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