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. Panga kwa: Idadi ya kushindwa ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

2497

Modeli iliyoathirika zaidi

Gemini 3.6 Flash 1

Kategoria

Katika kategoria Mahususi kwa domeni731 Katika kategoria Mbinu za kupinga AI423 Katika kategoria Uandishi wa msimbo401 Katika kategoria Utatuzi wa mafumbo300 Katika kategoria Maarifa ya jumla269 Katika kategoria Mchanganyiko108 Katika kategoria Akili ya jumla105 Katika kategoria Ufuataji wa maagizo88 Katika kategoria Uchanganuzi na uchimbaji wa data67 Katika kategoria Mwito wa zana5

351/351

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#71	DeepSeek V4.1 Flash max	DeepSeek	6	8.3	$0.445	14/22	61.3s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.445 Muda wa majibu (wastani) 61.3s
#73	GPT-6 Luna high	OpenAI	6	8.3	$0.054	15/22	17.5s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $0.054 Muda wa majibu (wastani) 17.5s
#75	Gemini 2.5 Flash medium	Google	6	8.2	$0.644	15/22	21.1s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $0.644 Muda wa majibu (wastani) 21.1s
#91	GPT-5.2 Chat none	OpenAI	6	7.9	$0.594	13/22	7.73s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.594 Muda wa majibu (wastani) 7.73s
#92	Step 3.7 Flash medium	Stepfun	6	7.9	$0.495	13/22	23.5s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.495 Muda wa majibu (wastani) 23.5s
#97	Gemini 3.5 Flash Lite medium	Google	6	7.8	$0.272	14/22	5.12s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.272 Muda wa majibu (wastani) 5.12s
#102	Seed-2.0-Lite medium	Bytedance Seed	6	7.8	$0.236	13/22	47.9s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.236 Muda wa majibu (wastani) 47.9s
#106	Seed-2.0-Code low	Bytedance Seed	6	7.7	$0.767	13/22	72.2s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.767 Muda wa majibu (wastani) 72.2s
#109	DeepSeek V4 Flash 0423 high	DeepSeek	6	7.6	$0.042	13/22	51.8s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.042 Muda wa majibu (wastani) 51.8s
#115	Claude Opus 5 none	Anthropic	6	7.5	$1.550	12/22	7.65s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $1.550 Muda wa majibu (wastani) 7.65s
#121	GPT 5.3 Chat none	OpenAI	6	7.5	$0.533	13/22	6.56s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.533 Muda wa majibu (wastani) 6.56s
#125	GPT-5.4 Mini medium	OpenAI	6	7.5	$0.786	12/22	26.7s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.786 Muda wa majibu (wastani) 26.7s
#126	Grok Build 0.1 medium	X AI	6	7.5	$1.130	13/22	54.5s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $1.130 Muda wa majibu (wastani) 54.5s
#128	Gemini 3.1 Flash Lite Preview medium	Google	6	7.4	$0.117	14/22	4.59s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.117 Muda wa majibu (wastani) 4.59s
#130	Kimi K2.7 Code medium	Moonshot AI	6	7.4	$0.671	11/22	80.1s
Jumla ya majaribio 22 Majaribio yenye makosa 11 Jumla ya gharama $0.671 Muda wa majibu (wastani) 80.1s

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)