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

323

Modeli iliyoathirika zaidi

GPT-6.1 Sol 1

Sababu za kushindwa

Jibu lisilo sahihi323 Hakuna jibu63 Hitilafu ya API19 Muda umeisha2

Kategoria

Mahususi kwa domeni907 Mbinu za kupinga AI521 Uandishi wa msimbo486 Utatuzi wa mafumbo357 Maarifa ya jumla323 Akili ya jumla134 Mchanganyiko131 Kazi za mawakala128 Ufuataji wa maagizo118 Uchanganuzi na uchimbaji wa data93

323/323

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#344	Laguna XS 2.1 none	Poolside	1	0.3	$0.020	0/1	254ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.020 Muda wa majibu (wastani) 254ms
#345	Qwen3.6 35B A3B none	Qwen	1	0.3	$0.105	0/1	414ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.105 Muda wa majibu (wastani) 414ms
#346	Inkling Small low	Thinkingmachines	1	0.3	$0.055	0/1	2.00s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.055 Muda wa majibu (wastani) 2.00s
#347	Ling 3.0 Flash none	Inclusionai	1	0.3	$0.004	0/1	10.6s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.004 Muda wa majibu (wastani) 10.6s
#348	Nemotron 3.5 Lightning high	NVIDIA	1	0.3	$0.168	0/1	78.0s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.168 Muda wa majibu (wastani) 78.0s
#349	KAT Coder AIR V2.5 high	Kwaipilot	1	0.3	$0.077	0/1	21.7s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.077 Muda wa majibu (wastani) 21.7s
#350	Mimo V2 PRO medium	Xiaomi	1	0.3	$0.333	0/1	82.7s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.333 Muda wa majibu (wastani) 82.7s
#351	MiMo-V2-Flash medium	Xiaomi	1	0.3	$0.043	0/1	1.96s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.043 Muda wa majibu (wastani) 1.96s
#352	Mistral Small 4 medium	Mistral	1	0.3	$0.126	0/1	5.92s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.126 Muda wa majibu (wastani) 5.92s
#353	Mistral Small 4 none	Mistral	1	0.3	$0.047	0/1	397ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.047 Muda wa majibu (wastani) 397ms
#354	Mercury 2.5 low	Inception	1	0.3	$0.020	0/1	782ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.020 Muda wa majibu (wastani) 782ms
#355	KAT Coder AIR V2.5 medium	Kwaipilot	1	0.3	$0.048	0/1	15.7s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.048 Muda wa majibu (wastani) 15.7s
#356	MiMo-V2.5-Pro none	Xiaomi	1	0.3	$0.135	0/1	1.89s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.135 Muda wa majibu (wastani) 1.89s
#357	Apodex 1.1 Mini default	Apodex	1	0.3	$0.000	0/1	759ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 759ms
#358	Laguna S 2.1 medium	Poolside	1	0.3	$0.092	0/1	7.11s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.092 Muda wa majibu (wastani) 7.11s

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