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.

Modeli zilizoonyeshwa

Jumla ya kushindwa

198

Modeli iliyoathirika zaidi

GPT-5.6 Sol 1

Sababu za kushindwa

Jibu lisilo sahihi198 Hakuna jibu19 Hitilafu ya API13 Muda umeisha1

Kategoria

Mahususi kwa domeni498 Mbinu za kupinga AI337 Uandishi wa msimbo295 Utatuzi wa mafumbo242 Maarifa ya jumla198 Mchanganyiko79 Ufuataji wa maagizo74 Akili ya jumla71 Uchanganuzi na uchimbaji wa data49 Mwito wa zana4

198/198

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#182	Hy3 preview low	Tencent	1	3.0	$0.015	0/1	41.7s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.015 Muda wa majibu (wastani) 41.7s
#183	MiMo-V2.5-Pro none	Xiaomi	1	3.0	$0.068	0/1	1.89s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.068 Muda wa majibu (wastani) 1.89s
#184	Kimi K2.5 none	Moonshot AI	1	3.0	$0.127	0/1	3.90s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.127 Muda wa majibu (wastani) 3.90s
#185	Gemma 4 26B A4B none	Google	1	3.0	$0.015	0/1	778ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.015 Muda wa majibu (wastani) 778ms
#186	Mimo V2 Omni none	Xiaomi	1	3.0	$0.021	0/1	1.30s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.021 Muda wa majibu (wastani) 1.30s
#187	Laguna S 2.1 medium	Poolside	1	3.0	$0.053	0/1	7.11s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.053 Muda wa majibu (wastani) 7.11s
#188	KAT-Coder-Air V2.5 low	Kwaipilot	1	3.0	$0.041	0/1	20.0s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.041 Muda wa majibu (wastani) 20.0s
#189	GPT-5.6 Luna none	OpenAI	1	3.0	$0.015	0/1	651ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.015 Muda wa majibu (wastani) 651ms
#190	DeepSeek V4 Flash 0731 none	DeepSeek	1	3.0	$0.014	0/1	1.85s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.014 Muda wa majibu (wastani) 1.85s
#191	Laguna S 2.1 high	Poolside	1	3.0	$0.114	0/1	6.94s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.114 Muda wa majibu (wastani) 6.94s
#192	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
#193	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
#194	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
#197	Inkling none	Thinkingmachines	1	3.0	$0.147	0/1	670ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.147 Muda wa majibu (wastani) 670ms
#198	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

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