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: Muda wa majibu (wastani) ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

2441

Modeli iliyoathirika zaidi

Jev 1.13 6

Kategoria

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

340/340

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#92	Claude Sonnet 4.6 medium	Anthropic	4	7.8	$2.126	14/22	28.1s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $2.126 Muda wa majibu (wastani) 28.1s
#5	GPT-6 Astra xhigh	OpenAI	1	9.9	$5.156	21/22	28.4s
Jumla ya majaribio 22 Majaribio yenye makosa 1 Jumla ya gharama $5.156 Muda wa majibu (wastani) 28.4s
#59	GPT-5.2 medium	OpenAI	3	8.4	$1.182	14/22	28.5s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $1.182 Muda wa majibu (wastani) 28.5s
#330	Grok Build 0.1 none	X AI	7	4.0	$0.547	7/19	28.7s
Jumla ya majaribio 19 Majaribio yenye makosa 12 Jumla ya gharama $0.547 Muda wa majibu (wastani) 28.7s
#288	North Mini Code none	Cohere	12	5.1	$0.000	4/22	29.9s
Jumla ya majaribio 22 Majaribio yenye makosa 18 Jumla ya gharama $0.000 Muda wa majibu (wastani) 29.9s
#63	Inkling Small high	Thinkingmachines	6	8.4	$0.398	14/22	30.4s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.398 Muda wa majibu (wastani) 30.4s
#142	Muse Glimmer 30B medium	Meta	9	7.2	$0.227	11/22	30.6s
Jumla ya majaribio 22 Majaribio yenye makosa 11 Jumla ya gharama $0.227 Muda wa majibu (wastani) 30.6s
#34	Pareto none	Unbiased	3	8.9	$1.172	18/22	31.5s
Jumla ya majaribio 22 Majaribio yenye makosa 4 Jumla ya gharama $1.172 Muda wa majibu (wastani) 31.5s
#54	DeepSeek V4.1 Flash medium	DeepSeek	5	8.5	$0.272	15/22	32.2s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $0.272 Muda wa majibu (wastani) 32.2s
#99	Claude Opus 4.6 medium	Anthropic	4	7.7	$2.961	13/22	32.2s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $2.961 Muda wa majibu (wastani) 32.2s
#154	Grok 4.20 medium	X AI	6	7.0	$0.805	11/22	32.6s
Jumla ya majaribio 22 Majaribio yenye makosa 11 Jumla ya gharama $0.805 Muda wa majibu (wastani) 32.6s
#53	DeepSeek V4.1 Flash high	DeepSeek	5	8.5	$0.287	15/22	32.8s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $0.287 Muda wa majibu (wastani) 32.8s
#93	Qwen3.8 27B medium	Qwen	3	7.8	~$0.058	14/22	33.0s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama ~$0.058 Muda wa majibu (wastani) 33.0s
#97	GLM 5 medium	Z.ai	3	7.7	$0.228	15/21	33.5s
Jumla ya majaribio 21 Majaribio yenye makosa 6 Jumla ya gharama $0.228 Muda wa majibu (wastani) 33.5s
#106	Nemotron 3 Ultra medium	NVIDIA	7	7.6	$0.567	13/22	33.6s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.567 Muda wa majibu (wastani) 33.6s

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)