Orodha ya kushindwa kwa Jibu lisilo sahihi

Ona ni modeli gani za AI hukutana na Jibu lisilo sahihi mara nyingi zaidi ili utambue hatari za utegemevu kabla ya kuchagua.

Modeli zilizoonyeshwa

Jumla ya kushindwa

1523

Modeli iliyoathirika zaidi

Mercury 2 17

Kategoria

Katika kategoria Mahususi kwa domeni404 Katika kategoria Mbinu za kupinga AI290 Katika kategoria Uandishi wa msimbo249 Katika kategoria Utatuzi wa mafumbo193 Katika kategoria Maarifa ya jumla165 Katika kategoria Mchanganyiko67 Katika kategoria Ufuataji wa maagizo57 Katika kategoria Akili ya jumla55 Katika kategoria Uchanganuzi na uchimbaji wa data40 Katika kategoria Mwito wa zana3

205/205

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#185	Mercury 2 none	Inception	17	4.6	$0.030	4/22	829ms
Jumla ya majaribio 22 Majaribio yenye makosa 18 Jumla ya gharama $0.030 Muda wa majibu (wastani) 829ms
#161	Mistral Small 4 none	Mistral	16	5.1	$0.022	5/22	1.20s
Jumla ya majaribio 22 Majaribio yenye makosa 17 Jumla ya gharama $0.022 Muda wa majibu (wastani) 1.20s
#151	Kimi K2.5 none	Moonshot AI	15	5.5	$0.127	6/22	19.2s
Jumla ya majaribio 22 Majaribio yenye makosa 16 Jumla ya gharama $0.127 Muda wa majibu (wastani) 19.2s
#170	GPT-4o-mini none	OpenAI	15	5.0	$0.010	5/22	1.99s
Jumla ya majaribio 22 Majaribio yenye makosa 17 Jumla ya gharama $0.010 Muda wa majibu (wastani) 1.99s
#173	Nemotron 3 Super none	NVIDIA	15	4.9	$0.017	5/22	5.97s
Jumla ya majaribio 22 Majaribio yenye makosa 17 Jumla ya gharama $0.017 Muda wa majibu (wastani) 5.97s
#176	GPT-5.4 Nano none	OpenAI	15	4.8	$0.041	4/22	2.57s
Jumla ya majaribio 22 Majaribio yenye makosa 18 Jumla ya gharama $0.041 Muda wa majibu (wastani) 2.57s
#135	GPT-5.4 none	OpenAI	14	5.8	$0.397	7/22	2.07s
Jumla ya majaribio 22 Majaribio yenye makosa 15 Jumla ya gharama $0.397 Muda wa majibu (wastani) 2.07s
#155	GPT-5.6 Luna none	OpenAI	14	5.4	$0.142	6/22	1.50s
Jumla ya majaribio 22 Majaribio yenye makosa 16 Jumla ya gharama $0.142 Muda wa majibu (wastani) 1.50s
#156	Laguna XS 2.1 none	Poolside	14	5.3	$0.008	5/22	1.55s
Jumla ya majaribio 22 Majaribio yenye makosa 17 Jumla ya gharama $0.008 Muda wa majibu (wastani) 1.55s
#162	Qwen3 Coder Next none	Qwen	14	5.1	$0.025	5/22	9.12s
Jumla ya majaribio 22 Majaribio yenye makosa 17 Jumla ya gharama $0.025 Muda wa majibu (wastani) 9.12s
#164	MiMo-V2.5 none	Xiaomi	14	5.1	$0.025	5/22	4.62s
Jumla ya majaribio 22 Majaribio yenye makosa 17 Jumla ya gharama $0.025 Muda wa majibu (wastani) 4.62s
#165	Qwen3.5-9B none	Qwen	14	5.1	$0.021	4/22	19.2s
Jumla ya majaribio 22 Majaribio yenye makosa 18 Jumla ya gharama $0.021 Muda wa majibu (wastani) 19.2s
#112	Seed-2.0-Lite none	Bytedance Seed	13	6.2	$0.066	8/22	4.40s
Jumla ya majaribio 22 Majaribio yenye makosa 14 Jumla ya gharama $0.066 Muda wa majibu (wastani) 4.40s
#121	Qwen3.5-Flash none	Qwen	13	6.1	$0.073	8/22	25.3s
Jumla ya majaribio 22 Majaribio yenye makosa 14 Jumla ya gharama $0.073 Muda wa majibu (wastani) 25.3s
#132	GPT-5.4 Mini none	OpenAI	13	5.9	$0.095	6/22	1.53s
Jumla ya majaribio 22 Majaribio yenye makosa 16 Jumla ya gharama $0.095 Muda wa majibu (wastani) 1.53s

Kushindwa kwa 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)