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: Jumla ya gharama ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

1558

Modeli iliyoathirika zaidi

North Mini Code 9

Kategoria

Katika kategoria Mahususi kwa domeni412 Katika kategoria Mbinu za kupinga AI293 Katika kategoria Uandishi wa msimbo252 Katika kategoria Utatuzi wa mafumbo201 Katika kategoria Maarifa ya jumla168 Katika kategoria Mchanganyiko68 Katika kategoria Ufuataji wa maagizo61 Katika kategoria Akili ya jumla59 Katika kategoria Uchanganuzi na uchimbaji wa data41 Katika kategoria Mwito wa zana3

209/209

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#58	Qwen3.5-27B medium	Qwen	4	7.4	$1.627	13/22	111.9s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $1.627 Muda wa majibu (wastani) 111.9s
#27	Muse Spark 1.1 high	Meta	4	8.1	$1.694	12/22	31.5s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $1.694 Muda wa majibu (wastani) 31.5s
#12	Grok 4.5 high	X AI	2	8.9	$1.707	17/22	76.5s
Jumla ya majaribio 22 Majaribio yenye makosa 5 Jumla ya gharama $1.707 Muda wa majibu (wastani) 76.5s
#22	Grok 4.5 medium	X AI	6	8.3	$1.928	16/22	61.7s
Jumla ya majaribio 22 Majaribio yenye makosa 6 Jumla ya gharama $1.928 Muda wa majibu (wastani) 61.7s
#14	Claude Opus 4.8 medium	Anthropic	3	8.8	$1.931	18/22	12.5s
Jumla ya majaribio 22 Majaribio yenye makosa 4 Jumla ya gharama $1.931 Muda wa majibu (wastani) 12.5s
#2	Gemini 3.5 Flash high	Google	1	9.5	$1.976	20/22	15.1s
Jumla ya majaribio 22 Majaribio yenye makosa 2 Jumla ya gharama $1.976 Muda wa majibu (wastani) 15.1s
#143	Gemini 3.1 Flash Lite high	Google	4	5.6	$2.044	10/18	62.0s
Jumla ya majaribio 18 Majaribio yenye makosa 8 Jumla ya gharama $2.044 Muda wa majibu (wastani) 62.0s
#40	Claude Sonnet 4.6 medium	Anthropic	4	7.8	$2.057	14/22	25.9s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $2.057 Muda wa majibu (wastani) 25.9s
#41	Claude Opus 4.8 low	Anthropic	4	7.8	$2.077	16/22	12.7s
Jumla ya majaribio 22 Majaribio yenye makosa 6 Jumla ya gharama $2.077 Muda wa majibu (wastani) 12.7s
#163	Gemini 3.1 Flash Lite Preview high	Google	2	5.3	$2.310	13/16	68.1s
Jumla ya majaribio 16 Majaribio yenye makosa 3 Jumla ya gharama $2.310 Muda wa majibu (wastani) 68.1s
#43	Claude Opus 4.6 medium	Anthropic	3	7.7	$3.059	13/22	34.3s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $3.059 Muda wa majibu (wastani) 34.3s
#17	Claude Fable 5 medium	Anthropic	2	8.6	$3.478	17/22	17.2s
Jumla ya majaribio 22 Majaribio yenye makosa 5 Jumla ya gharama $3.478 Muda wa majibu (wastani) 17.2s
#10	GPT-5.5 medium	OpenAI	4	9.0	$4.137	18/22	38.4s
Jumla ya majaribio 22 Majaribio yenye makosa 4 Jumla ya gharama $4.137 Muda wa majibu (wastani) 38.4s
#181	Grok 4.20 Multi Agent Beta medium	X AI	4	4.8	$5.599	8/18	9.69s
Jumla ya majaribio 18 Majaribio yenye makosa 10 Jumla ya gharama $5.599 Muda wa majibu (wastani) 9.69s

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)