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

1558

Modeli iliyoathirika zaidi

Mercury 2 17

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)
#66	Claude Opus 4.8 none	Anthropic	4	7.3	$1.166	13/22	4.91s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $1.166 Muda wa majibu (wastani) 4.91s
#74	GLM 5.1 medium	Z.ai	4	7.1	$0.535	13/22	46.8s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.535 Muda wa majibu (wastani) 46.8s
#80	Seed-2.0-Mini medium	Bytedance Seed	4	7.0	$0.101	11/22	92.5s
Jumla ya majaribio 22 Majaribio yenye makosa 11 Jumla ya gharama $0.101 Muda wa majibu (wastani) 92.5s
#90	Qwen3.6 35B A3B medium	Qwen	4	6.7	$0.746	13/22	58.1s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.746 Muda wa majibu (wastani) 58.1s
#114	Qwen3.5-Flash medium	Qwen	4	6.2	$0.139	12/22	84.8s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.139 Muda wa majibu (wastani) 84.8s
#130	Step 3.5 Flash medium	Stepfun	4	6.0	$0.108	11/21	174.2s
Jumla ya majaribio 21 Majaribio yenye makosa 10 Jumla ya gharama $0.108 Muda wa majibu (wastani) 174.2s
#143	Gemini 3.1 Flash Lite high	Google	4	5.6	$2.044	10/18	62.0s
Jumla ya majaribio 18 Majaribio yenye makosa 8 Jumla ya gharama $2.044 Muda wa majibu (wastani) 62.0s
#153	Hy3 preview low	Tencent	4	5.5	$0.015	10/21	24.6s
Jumla ya majaribio 21 Majaribio yenye makosa 11 Jumla ya gharama $0.015 Muda wa majibu (wastani) 24.6s
#181	Grok 4.20 Multi Agent Beta medium	X AI	4	4.8	$5.599	8/18	9.69s
Jumla ya majaribio 18 Majaribio yenye makosa 10 Jumla ya gharama $5.599 Muda wa majibu (wastani) 9.69s
#184	Hunter Alpha medium	OpenRouter	4	4.7	$0.000	8/18	10.3s
Jumla ya majaribio 18 Majaribio yenye makosa 10 Jumla ya gharama $0.000 Muda wa majibu (wastani) 10.3s
#185	Grok 4.1 Fast medium	X AI	4	4.7	$0.069	9/19	23.8s
Jumla ya majaribio 19 Majaribio yenye makosa 10 Jumla ya gharama $0.069 Muda wa majibu (wastani) 23.8s
#186	Laguna M.1 medium	Poolside	4	4.7	$0.033	9/19	14.7s
Jumla ya majaribio 19 Majaribio yenye makosa 10 Jumla ya gharama $0.033 Muda wa majibu (wastani) 14.7s
#6	GPT-5.5 low	OpenAI	3	9.3	$1.253	19/22	10.1s
Jumla ya majaribio 22 Majaribio yenye makosa 3 Jumla ya gharama $1.253 Muda wa majibu (wastani) 10.1s
#8	Qwen3.7 Max medium	Qwen	3	9.2	$1.116	18/22	40.6s
Jumla ya majaribio 22 Majaribio yenye makosa 4 Jumla ya gharama $1.116 Muda wa majibu (wastani) 40.6s
#14	Claude Opus 4.8 medium	Anthropic	3	8.8	$1.931	18/22	12.5s
Jumla ya majaribio 22 Majaribio yenye makosa 4 Jumla ya gharama $1.931 Muda wa majibu (wastani) 12.5s

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)