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

197

Modeli iliyoathirika zaidi

GPT-5.6 Sol 1

Sababu za kushindwa

Jibu lisilo sahihi197 Hakuna jibu16 Hitilafu ya API13 Muda umeisha1

Kategoria

Mahususi kwa domeni495 Mbinu za kupinga AI332 Uandishi wa msimbo292 Utatuzi wa mafumbo233 Maarifa ya jumla197 Mchanganyiko75 Ufuataji wa maagizo73 Akili ya jumla71 Uchanganuzi na uchimbaji wa data45 Mwito wa zana4

197/197

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#30	Muse Spark 1.2 low	Meta	1	3.0	$0.650	0/1	10.00s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.650 Muda wa majibu (wastani) 10.00s
#31	Qwen3.6 Max Preview medium	Qwen	1	3.0	$1.129	0/1	60.6s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.129 Muda wa majibu (wastani) 60.6s
#32	Grok 4.5 low	X AI	1	3.0	$0.935	0/1	14.0s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.935 Muda wa majibu (wastani) 14.0s
#33	GPT-5.2 medium	OpenAI	1	3.0	$0.951	0/1	28.2s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.951 Muda wa majibu (wastani) 28.2s
#34	Inkling Small high	Thinkingmachines	1	3.0	$0.416	0/1	49.3s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.416 Muda wa majibu (wastani) 49.3s
#35	Grok 4.5 medium	X AI	1	3.0	$1.928	0/1	74.4s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.928 Muda wa majibu (wastani) 74.4s
#36	Claude Sonnet 5 medium	Anthropic	1	3.0	$0.922	0/1	7.06s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.922 Muda wa majibu (wastani) 7.06s
#37	Muse Spark 1.1 low	Meta	1	3.0	$0.647	0/1	8.17s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.647 Muda wa majibu (wastani) 8.17s
#38	Gemini 2.5 Flash medium	Google	1	3.0	$0.643	0/1	2.76s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.643 Muda wa majibu (wastani) 2.76s
#39	DeepSeek V4 Flash 0731 low	DeepSeek	1	3.0	$0.034	0/1	246.9s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.034 Muda wa majibu (wastani) 246.9s
#40	GPT-5 Mini medium	OpenAI	1	3.0	$0.237	0/1	9.99s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.237 Muda wa majibu (wastani) 9.99s
#41	Muse Spark 1.1 high	Meta	1	3.0	$1.694	0/1	22.9s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.694 Muda wa majibu (wastani) 22.9s
#42	Inkling high	Thinkingmachines	1	3.0	$1.006	0/1	153.6s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.006 Muda wa majibu (wastani) 153.6s
#44	GPT-5.2 Chat none	OpenAI	1	3.0	$0.604	0/1	6.89s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.604 Muda wa majibu (wastani) 6.89s
#45	GLM 5.2 high	Z.ai	1	3.0	$0.778	0/1	127.8s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.778 Muda wa majibu (wastani) 127.8s

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