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

263

Modeli iliyoathirika zaidi

GPT-6 Astra 1

Sababu za kushindwa

Jibu lisilo sahihi263 Hakuna jibu36 Hitilafu ya API14 Muda umeisha1

Kategoria

Mahususi kwa domeni712 Mbinu za kupinga AI416 Uandishi wa msimbo388 Utatuzi wa mafumbo296 Maarifa ya jumla263 Mchanganyiko106 Akili ya jumla101 Ufuataji wa maagizo87 Uchanganuzi na uchimbaji wa data67 Mwito wa zana5

263/263

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#170	MiMo-V2.5-Pro medium	Xiaomi	1	3.0	$0.221	0/1	12.5s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.221 Muda wa majibu (wastani) 12.5s
#171	Mercury 2.5 medium	Inception	1	3.0	$0.022	0/1	4.30s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.022 Muda wa majibu (wastani) 4.30s
#172	Gemini 3 Flash Preview none	Google	1	3.0	$0.085	0/1	1.07s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.085 Muda wa majibu (wastani) 1.07s
#173	Gemma 4 26B A4B medium	Google	1	3.0	$0.084	0/1	180.9s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.084 Muda wa majibu (wastani) 180.9s
#174	GLM 5.2 none	Z.ai	1	3.0	$0.103	0/1	3.41s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.103 Muda wa majibu (wastani) 3.41s
#175	KAT-Coder-Pro V2.5 none	Kwaipilot	1	3.0	$0.487	0/1	9.91s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.487 Muda wa majibu (wastani) 9.91s
#176	LongCat 2.0 low	Meituan	1	3.0	$0.412	0/1	122.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.412 Muda wa majibu (wastani) 122.1s
#177	Gemini 3.5 Flash minimal	Google	1	3.0	$0.300	0/1	1.76s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.300 Muda wa majibu (wastani) 1.76s
#178	GLM 5V Turbo medium	Z.ai	1	3.0	$0.457	0/1	41.0s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.457 Muda wa majibu (wastani) 41.0s
#180	Claude Opus 4.7 none	Anthropic	1	3.0	$0.505	0/1	1.46s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.505 Muda wa majibu (wastani) 1.46s
#181	Gemini 3.5 Flash Lite low	Google	1	4.7	$0.138	0/1	1.65s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.138 Muda wa majibu (wastani) 1.65s
#182	Qwen3.5-27B none	Qwen	1	3.0	$0.058	0/1	599ms
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.058 Muda wa majibu (wastani) 599ms
#183	Gemini 3.1 Flash Lite Preview low	Google	1	3.0	$0.646	0/1	1.35s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.646 Muda wa majibu (wastani) 1.35s
#184	Inkling Small medium	Thinkingmachines	1	3.0	$0.113	0/1	14.2s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.113 Muda wa majibu (wastani) 14.2s
#185	Gemini 3.1 Flash Lite low	Google	1	3.0	$0.621	0/1	1.46s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.621 Muda wa majibu (wastani) 1.46s

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