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

1585

Modeli iliyoathirika zaidi

Gemini 3.6 Flash 1

Kategoria

Katika kategoria Mahususi kwa domeni421 Katika kategoria Mbinu za kupinga AI293 Katika kategoria Uandishi wa msimbo259 Katika kategoria Utatuzi wa mafumbo204 Katika kategoria Maarifa ya jumla172 Katika kategoria Mchanganyiko69 Katika kategoria Akili ya jumla62 Katika kategoria Ufuataji wa maagizo61 Katika kategoria Uchanganuzi na uchimbaji wa data41 Katika kategoria Mwito wa zana3

215/215

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#64	LongCat 2.0 medium	Meituan	7	7.4	$0.478	12/22	136.6s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.478 Muda wa majibu (wastani) 136.6s
#68	Gemini 3.1 Flash Lite Preview medium	Google	7	7.3	$0.115	13/22	4.61s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.115 Muda wa majibu (wastani) 4.61s
#69	Gemini 3.1 Flash Lite medium	Google	7	7.3	$0.117	13/22	4.27s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.117 Muda wa majibu (wastani) 4.27s
#98	GLM 5V Turbo medium	Z.ai	7	6.7	$0.457	11/21	23.1s
Jumla ya majaribio 21 Majaribio yenye makosa 10 Jumla ya gharama $0.457 Muda wa majibu (wastani) 23.1s
#110	Gemini 3.1 Flash Lite Preview low	Google	7	6.5	$0.646	13/22	16.7s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.646 Muda wa majibu (wastani) 16.7s
#112	Gemini 3.1 Flash Lite Preview none	Google	7	6.4	$0.052	12/22	1.58s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.052 Muda wa majibu (wastani) 1.58s
#118	Claude Sonnet 5 none	Anthropic	7	6.3	$0.548	8/22	6.04s
Jumla ya majaribio 22 Majaribio yenye makosa 14 Jumla ya gharama $0.548 Muda wa majibu (wastani) 6.04s
#164	KAT-Coder-Air V2.5 low	Kwaipilot	7	5.4	$0.041	7/22	10.1s
Jumla ya majaribio 22 Majaribio yenye makosa 15 Jumla ya gharama $0.041 Muda wa majibu (wastani) 10.1s
#179	DeepSeek V3.2 none	DeepSeek	7	5.0	$0.054	6/22	18.3s
Jumla ya majaribio 22 Majaribio yenye makosa 16 Jumla ya gharama $0.054 Muda wa majibu (wastani) 18.3s
#196	MiniMax M2.5 medium	Minimax	7	4.6	$0.340	5/22	68.3s
Jumla ya majaribio 22 Majaribio yenye makosa 17 Jumla ya gharama $0.340 Muda wa majibu (wastani) 68.3s
#208	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
#213	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	7	3.4	$0.000	4/19	17.1s
Jumla ya majaribio 19 Majaribio yenye makosa 15 Jumla ya gharama $0.000 Muda wa majibu (wastani) 17.1s
#43	GPT-5.6 Terra medium	OpenAI	8	7.8	$0.676	14/22	7.11s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.676 Muda wa majibu (wastani) 7.11s
#54	GPT-5.6 Luna medium	OpenAI	8	7.6	$0.352	14/22	7.28s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.352 Muda wa majibu (wastani) 7.28s
#57	GPT-5.4 Nano medium	OpenAI	8	7.5	$0.138	12/22	13.2s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.138 Muda wa majibu (wastani) 13.2s

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)