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

1558

Modeli iliyoathirika zaidi

Gemini 3 Flash Preview 1

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)
#16	Muse Spark 1.1 medium	Meta	4	8.6	$1.357	15/22	25.0s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $1.357 Muda wa majibu (wastani) 25.0s
#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
#18	GPT-5.4 medium	OpenAI	5	8.5	$1.533	15/22	23.1s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $1.533 Muda wa majibu (wastani) 23.1s
#19	Qwen3.6 Max Preview medium	Qwen	5	8.4	$1.143	16/22	67.5s
Jumla ya majaribio 22 Majaribio yenye makosa 6 Jumla ya gharama $1.143 Muda wa majibu (wastani) 67.5s
#20	Grok 4.5 low	X AI	6	8.4	$0.935	16/22	15.6s
Jumla ya majaribio 22 Majaribio yenye makosa 6 Jumla ya gharama $0.935 Muda wa majibu (wastani) 15.6s
#21	GPT-5.2 medium	OpenAI	3	8.4	$0.951	14/22	22.6s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.951 Muda wa majibu (wastani) 22.6s
#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
#23	Claude Sonnet 5 medium	Anthropic	4	8.3	$0.922	16/22	12.5s
Jumla ya majaribio 22 Majaribio yenye makosa 6 Jumla ya gharama $0.922 Muda wa majibu (wastani) 12.5s
#24	Muse Spark 1.1 low	Meta	6	8.3	$0.647	13/22	11.5s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.647 Muda wa majibu (wastani) 11.5s
#25	Gemini 2.5 Flash medium	Google	6	8.2	$0.643	15/22	21.2s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $0.643 Muda wa majibu (wastani) 21.2s
#26	GPT-5 Mini medium	OpenAI	5	8.1	$0.237	12/22	27.6s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.237 Muda wa majibu (wastani) 27.6s
#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
#28	Inkling high	Thinkingmachines	4	8.0	$1.006	15/22	64.2s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $1.006 Muda wa majibu (wastani) 64.2s
#29	Step 3.7 Flash medium	Stepfun	5	8.0	$0.515	14/22	26.4s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.515 Muda wa majibu (wastani) 26.4s
#30	GPT-5.2 Chat none	OpenAI	6	8.0	$0.604	14/22	7.65s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.604 Muda wa majibu (wastani) 7.65s

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)