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: Alama ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

2441

Modeli iliyoathirika zaidi

LFM2-24B-A2B 9

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)
#269	Laguna S 2.1 high	Poolside	11	5.4	$0.114	4/22	111.6s
Jumla ya majaribio 22 Majaribio yenye makosa 18 Jumla ya gharama $0.114 Muda wa majibu (wastani) 111.6s
#267	Kimi K2.5 none	Moonshot AI	16	5.4	$0.101	5/22	18.0s
Jumla ya majaribio 22 Majaribio yenye makosa 17 Jumla ya gharama $0.101 Muda wa majibu (wastani) 18.0s
#266	MiMo-V2.5-Pro none	Xiaomi	12	5.4	$0.068	5/22	4.24s
Jumla ya majaribio 22 Majaribio yenye makosa 17 Jumla ya gharama $0.068 Muda wa majibu (wastani) 4.24s
#264	KAT-Coder-Air V2.5 low	Kwaipilot	7	5.4	$0.046	7/22	10.6s
Jumla ya majaribio 22 Majaribio yenye makosa 15 Jumla ya gharama $0.046 Muda wa majibu (wastani) 10.6s
#265	GPT-5.6 Luna none	OpenAI	14	5.4	$0.029	6/22	1.50s
Jumla ya majaribio 22 Majaribio yenye makosa 16 Jumla ya gharama $0.029 Muda wa majibu (wastani) 1.50s
#263	Laguna S 2.1 medium	Poolside	13	5.4	$0.053	4/22	58.4s
Jumla ya majaribio 22 Majaribio yenye makosa 18 Jumla ya gharama $0.053 Muda wa majibu (wastani) 58.4s
#261	DeepSeek V4 Flash 0423 none	DeepSeek	13	5.4	$0.025	4/22	36.2s
Jumla ya majaribio 22 Majaribio yenye makosa 18 Jumla ya gharama $0.025 Muda wa majibu (wastani) 36.2s
#262	DeepSeek V4.1 Flash none	DeepSeek	11	5.4	$0.185	7/22	14.9s
Jumla ya majaribio 22 Majaribio yenye makosa 15 Jumla ya gharama $0.185 Muda wa majibu (wastani) 14.9s
#260	MiMo-V2.6-Flash none	Xiaomi	14	5.4	$0.037	6/22	3.64s
Jumla ya majaribio 22 Majaribio yenye makosa 16 Jumla ya gharama $0.037 Muda wa majibu (wastani) 3.64s
#259	Mimo V2 Omni none	Xiaomi	10	5.5	$0.021	8/21	2.44s
Jumla ya majaribio 21 Majaribio yenye makosa 13 Jumla ya gharama $0.021 Muda wa majibu (wastani) 2.44s
#258	Qwen3.8 27B none	Qwen	11	5.5	~$0.006	9/22	3.12s
Jumla ya majaribio 22 Majaribio yenye makosa 13 Jumla ya gharama ~$0.006 Muda wa majibu (wastani) 3.12s
#257	Hy3 preview low	Tencent	4	5.5	$0.042	10/21	24.6s
Jumla ya majaribio 21 Majaribio yenye makosa 11 Jumla ya gharama $0.042 Muda wa majibu (wastani) 24.6s
#256	Qwen3.6 27B none	Qwen	11	5.5	$0.062	7/22	10.6s
Jumla ya majaribio 22 Majaribio yenye makosa 15 Jumla ya gharama $0.062 Muda wa majibu (wastani) 10.6s
#255	Hy4 preview low	Tencent	3	5.6	$1.745	3/22	214.3s
Jumla ya majaribio 22 Majaribio yenye makosa 19 Jumla ya gharama $1.745 Muda wa majibu (wastani) 214.3s
#254	Nemotron 3.5 Lightning high	NVIDIA	11	5.6	$0.133	5/22	58.3s
Jumla ya majaribio 22 Majaribio yenye makosa 17 Jumla ya gharama $0.133 Muda wa majibu (wastani) 58.3s

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)