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)
#15	Claude Opus 4.7 medium	Anthropic	3	8.7	$1.477	18/22	7.61s
Jumla ya majaribio 22 Majaribio yenye makosa 4 Jumla ya gharama $1.477 Muda wa majibu (wastani) 7.61s
#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
#31	GLM 5.2 high	Z.ai	3	8.0	$0.970	14/22	62.7s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.970 Muda wa majibu (wastani) 62.7s
#38	GLM 5.2 medium	Z.ai	3	7.8	$0.222	15/21	23.3s
Jumla ya majaribio 21 Majaribio yenye makosa 6 Jumla ya gharama $0.222 Muda wa majibu (wastani) 23.3s
#42	GLM 5 medium	Z.ai	3	7.7	$0.307	15/21	33.5s
Jumla ya majaribio 21 Majaribio yenye makosa 6 Jumla ya gharama $0.307 Muda wa majibu (wastani) 33.5s
#43	Claude Opus 4.6 medium	Anthropic	3	7.7	$3.059	13/22	34.3s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $3.059 Muda wa majibu (wastani) 34.3s
#47	MiniMax M3 medium	Minimax	3	7.6	$0.286	12/22	75.0s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.286 Muda wa majibu (wastani) 75.0s
#68	Kimi K2.6 medium	Moonshot AI	3	7.2	$1.036	12/22	110.0s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $1.036 Muda wa majibu (wastani) 110.0s
#79	Gemini 3.5 Flash none	Google	3	7.0	$1.079	15/22	9.93s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $1.079 Muda wa majibu (wastani) 9.93s
#84	MiMo-V2.5-Pro medium	Xiaomi	3	6.9	$0.187	12/22	33.9s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.187 Muda wa majibu (wastani) 33.9s
#94	Claude Opus 4.7 none	Anthropic	3	6.6	$0.505	16/19	3.02s
Jumla ya majaribio 19 Majaribio yenye makosa 3 Jumla ya gharama $0.505 Muda wa majibu (wastani) 3.02s
#95	Gemma 4 26B A4B medium	Google	3	6.6	$0.089	14/22	103.8s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.089 Muda wa majibu (wastani) 103.8s
#100	Hy3 preview medium	Tencent	3	6.5	$0.018	14/21	16.3s
Jumla ya majaribio 21 Majaribio yenye makosa 7 Jumla ya gharama $0.018 Muda wa majibu (wastani) 16.3s
#131	Grok 4.20 Beta medium	X AI	3	6.0	$0.750	14/18	9.75s
Jumla ya majaribio 18 Majaribio yenye makosa 4 Jumla ya gharama $0.750 Muda wa majibu (wastani) 9.75s
#133	Gemini 3 PRO Preview medium	Google	3	6.0	$0.385	14/21	9.05s
Jumla ya majaribio 21 Majaribio yenye makosa 7 Jumla ya gharama $0.385 Muda wa majibu (wastani) 9.05s

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)