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

Qwen3.8 Max (0902) 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)
#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
#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
#121	Kimi K2.7 Code medium	Moonshot AI	1	3.0	$0.655	0/1	341.8s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.655 Muda wa majibu (wastani) 341.8s
#60	Qwen3.8 27B high	Qwen	1	3.0	~$0.287	0/1	264.0s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama ~$0.287 Muda wa majibu (wastani) 264.0s
#310	Granite 4.2 8B high	IBM Granite	1	3.0	$0.135	0/1	252.5s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.135 Muda wa majibu (wastani) 252.5s
#76	DeepSeek V4 Flash 0731 low	DeepSeek	1	3.0	$0.138	0/1	246.9s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.138 Muda wa majibu (wastani) 246.9s
#229	Mimo V2 Omni medium	Xiaomi	1	3.0	$0.683	0/1	234.2s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.683 Muda wa majibu (wastani) 234.2s
#289	Laguna S 2.1 low	Poolside	1	3.0	$0.082	0/1	202.5s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.082 Muda wa majibu (wastani) 202.5s
#313	Laguna S 2.1 none	Poolside	1	3.0	$0.022	0/1	200.5s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.022 Muda wa majibu (wastani) 200.5s
#123	LongCat 2.0 medium	Meituan	1	3.0	$0.499	0/1	191.2s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.499 Muda wa majibu (wastani) 191.2s
#171	Gemma 4 26B A4B medium	Google	1	3.0	$0.084	0/1	180.9s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.084 Muda wa majibu (wastani) 180.9s
#208	Qwen3.5-35B-A3B medium	Qwen	1	3.0	$1.148	0/1	177.4s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.148 Muda wa majibu (wastani) 177.4s
#24	Seed 2.1 Turbo low	Bytedance Seed	1	3.0	$1.546	0/1	171.9s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.546 Muda wa majibu (wastani) 171.9s
#101	MiMo-V2.6-Flash low	Xiaomi	1	3.0	$0.174	0/1	154.4s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.174 Muda wa majibu (wastani) 154.4s

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 inayokadiriwaMakadirio yanahusu umeme wa GPU pekee. Hayajumuishi sehemu nyingine za kompyuta wala gharama ya kununua maunzi. NVIDIA GeForce RTX 3090: 2.8999 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.286715.

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa