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.

Modeli zilizoonyeshwa

Jumla ya kushindwa

2441

Modeli iliyoathirika zaidi

Laguna S 2.1 18

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)
#216	Trinity Large Thinking medium	Arcee AI	8	6.1	$0.756	8/22	85.4s
Jumla ya majaribio 22 Majaribio yenye makosa 14 Jumla ya gharama $0.756 Muda wa majibu (wastani) 85.4s
#233	GLM 5.3 Flash low	Z.ai	8	5.9	$0.030	10/22	9.65s
Jumla ya majaribio 22 Majaribio yenye makosa 12 Jumla ya gharama $0.030 Muda wa majibu (wastani) 9.65s
#292	DeepSeek V3.2 none	DeepSeek	8	5.0	$0.054	6/22	17.9s
Jumla ya majaribio 22 Majaribio yenye makosa 16 Jumla ya gharama $0.054 Muda wa majibu (wastani) 17.9s
#325	Hy3 preview none	Tencent	8	4.0	$0.007	4/21	12.9s
Jumla ya majaribio 21 Majaribio yenye makosa 17 Jumla ya gharama $0.007 Muda wa majibu (wastani) 12.9s
#337	Laguna Xs.2 none	Poolside	8	3.8	$0.004	5/19	806ms
Jumla ya majaribio 19 Majaribio yenye makosa 14 Jumla ya gharama $0.004 Muda wa majibu (wastani) 806ms
#338	gpt-oss-120b none	OpenAI	8	3.7	$0.033	6/19	21.6s
Jumla ya majaribio 19 Majaribio yenye makosa 13 Jumla ya gharama $0.033 Muda wa majibu (wastani) 21.6s
#77	DeepSeek V4 Flash 0731 low	DeepSeek	7	8.0	$0.138	13/22	77.6s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.138 Muda wa majibu (wastani) 77.6s
#81	GPT-5.6 Terra high	OpenAI	7	8.0	$0.836	14/22	11.2s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.836 Muda wa majibu (wastani) 11.2s
#96	Qwen3.7 Flash high	Qwen	7	7.8	$0.052	13/22	41.4s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.052 Muda wa majibu (wastani) 41.4s
#100	DeepSeek V4 Pro high	DeepSeek	7	7.7	$0.424	10/22	92.5s
Jumla ya majaribio 22 Majaribio yenye makosa 12 Jumla ya gharama $0.424 Muda wa majibu (wastani) 92.5s
#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
#121	Qwen3.7 Max none	Qwen	7	7.4	$0.197	15/22	4.56s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $0.197 Muda wa majibu (wastani) 4.56s
#124	LongCat 2.0 medium	Meituan	7	7.4	$0.499	12/22	143.6s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.499 Muda wa majibu (wastani) 143.6s
#127	Grok 4.6 low	X AI	7	7.4	$0.449	15/22	14.6s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $0.449 Muda wa majibu (wastani) 14.6s
#133	Gemini 3.1 Flash Lite medium	Google	7	7.3	$0.120	13/22	4.38s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.120 Muda wa majibu (wastani) 4.38s

←

1 9 10 11 23

→

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)