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)
#65	Grok Build 0.1 medium	X AI	1	3.0	$1.097	0/1	53.5s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.097 Muda wa majibu (wastani) 53.5s
#66	GLM 5 Turbo medium	Z.ai	1	3.0	$0.323	0/1	40.2s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.323 Muda wa majibu (wastani) 40.2s
#67	GPT-5.6 Luna medium	OpenAI	1	3.0	$0.036	0/1	6.64s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.036 Muda wa majibu (wastani) 6.64s
#68	Nemotron 3 Ultra medium	NVIDIA	1	3.0	$0.774	0/1	38.5s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.774 Muda wa majibu (wastani) 38.5s
#70	Kimi K2.7 Code medium	Moonshot AI	1	3.0	$0.686	0/1	341.8s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.686 Muda wa majibu (wastani) 341.8s
#71	GPT-5.4 Nano medium	OpenAI	1	3.0	$0.138	0/1	4.81s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.138 Muda wa majibu (wastani) 4.81s
#72	GPT-5.3 Chat none	OpenAI	1	3.0	$0.571	0/1	4.38s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.571 Muda wa majibu (wastani) 4.38s
#73	GPT-5.6 Terra low	OpenAI	1	3.0	$0.208	0/1	5.95s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.208 Muda wa majibu (wastani) 5.95s
#74	GPT-5.4 Mini medium	OpenAI	1	3.0	$0.756	0/1	30.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.756 Muda wa majibu (wastani) 30.1s
#75	Qwen3.5 Plus 2026-02-15 medium	Qwen	1	3.0	$0.437	0/1	103.8s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.437 Muda wa majibu (wastani) 103.8s
#76	Qwen3.5-27B medium	Qwen	1	3.0	$0.981	0/1	85.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.981 Muda wa majibu (wastani) 85.1s
#77	Qwen3.7 Max none	Qwen	1	3.0	$0.197	0/1	856ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.197 Muda wa majibu (wastani) 856ms
#78	LongCat 2.0 medium	Meituan	1	3.0	$0.478	0/1	191.2s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.478 Muda wa majibu (wastani) 191.2s
#80	KAT-Coder-Pro V2.5 low	Kwaipilot	1	3.0	$0.387	0/1	17.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.387 Muda wa majibu (wastani) 17.1s
#81	Claude Sonnet 4.6 none	Anthropic	1	3.0	$0.661	0/1	4.67s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.661 Muda wa majibu (wastani) 4.67s

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