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)
#46	DeepSeek V4 Flash 0731 high	DeepSeek	1	3.0	$0.079	0/1	110.6s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.079 Muda wa majibu (wastani) 110.6s
#47	Inkling medium	Thinkingmachines	1	2.8	$0.391	0/1	21.7s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.391 Muda wa majibu (wastani) 21.7s
#49	GPT-5.6 Terra high	OpenAI	1	3.0	$0.422	0/1	23.3s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.422 Muda wa majibu (wastani) 23.3s
#50	Seed-2.0-Lite medium	Bytedance Seed	1	3.0	$0.234	0/1	48.3s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.234 Muda wa majibu (wastani) 48.3s
#51	Qwen3.7 Plus medium	Qwen	1	3.0	$0.267	0/1	91.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.267 Muda wa majibu (wastani) 91.1s
#52	Qwen3.6 Plus medium	Qwen	1	3.0	$0.405	0/1	47.5s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.405 Muda wa majibu (wastani) 47.5s
#53	Gemini 3.5 Flash Lite medium	Google	1	2.8	$0.273	0/1	3.75s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.273 Muda wa majibu (wastani) 3.75s
#55	GPT-5.6 Terra medium	OpenAI	1	3.0	$0.271	0/1	10.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.271 Muda wa majibu (wastani) 10.1s
#56	Claude Sonnet 4.6 medium	Anthropic	1	3.0	$2.057	0/1	30.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.057 Muda wa majibu (wastani) 30.1s
#57	Qwen3.7 Flash high	Qwen	1	3.0	$0.051	0/1	17.7s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.051 Muda wa majibu (wastani) 17.7s
#59	GLM 5 medium	Z.ai	1	3.0	$0.307	0/1	67.4s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.307 Muda wa majibu (wastani) 67.4s
#60	Claude Opus 4.6 medium	Anthropic	1	3.0	$3.059	0/1	63.2s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $3.059 Muda wa majibu (wastani) 63.2s
#61	GPT-5.6 Luna high	OpenAI	1	3.0	$0.102	0/1	17.0s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.102 Muda wa majibu (wastani) 17.0s
#62	DeepSeek V4 Flash high	DeepSeek	1	3.0	$0.060	0/1	54.5s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.060 Muda wa majibu (wastani) 54.5s
#63	DeepSeek V4 Pro high	DeepSeek	1	3.0	$0.200	0/1	34.0s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.200 Muda wa majibu (wastani) 34.0s

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