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)
#10	Gemini 3 Flash Preview medium	Google	2	9.5	$0.763	20/22	19.9s
Jumla ya majaribio 22 Majaribio yenye makosa 2 Jumla ya gharama $0.763 Muda wa majibu (wastani) 19.9s
#11	Gemini 3.5 Flash high	Google	2	9.4	$2.011	19/22	15.5s
Jumla ya majaribio 22 Majaribio yenye makosa 3 Jumla ya gharama $2.011 Muda wa majibu (wastani) 15.5s
#12	Gemini 3.7 Flash medium	Google	2	9.4	$0.309	20/22	5.87s
Jumla ya majaribio 22 Majaribio yenye makosa 2 Jumla ya gharama $0.309 Muda wa majibu (wastani) 5.87s
#17	Grok 4.6 high	X AI	2	9.3	$1.908	19/22	84.1s
Jumla ya majaribio 22 Majaribio yenye makosa 3 Jumla ya gharama $1.908 Muda wa majibu (wastani) 84.1s
#18	Gemini 3.1 Pro Preview medium	Google	2	9.2	$1.352	20/22	20.6s
Jumla ya majaribio 22 Majaribio yenye makosa 2 Jumla ya gharama $1.352 Muda wa majibu (wastani) 20.6s
#19	Gemini 3.7 Flash low	Google	2	9.2	$0.207	20/22	3.85s
Jumla ya majaribio 22 Majaribio yenye makosa 2 Jumla ya gharama $0.207 Muda wa majibu (wastani) 3.85s
#20	Claude Opus 5 high	Anthropic	2	9.2	$3.070	18/22	22.5s
Jumla ya majaribio 22 Majaribio yenye makosa 4 Jumla ya gharama $3.070 Muda wa majibu (wastani) 22.5s
#22	Gemini 3.8 Flash medium	Google	2	9.1	$0.653	19/22	14.5s
Jumla ya majaribio 22 Majaribio yenye makosa 3 Jumla ya gharama $0.653 Muda wa majibu (wastani) 14.5s
#30	Grok 4.5 high	X AI	2	9.0	$2.252	17/22	72.3s
Jumla ya majaribio 22 Majaribio yenye makosa 5 Jumla ya gharama $2.252 Muda wa majibu (wastani) 72.3s
#31	Qwen3.8 Max (0902) high	Qwen	2	8.9	$2.736	17/22	185.6s
Jumla ya majaribio 22 Majaribio yenye makosa 5 Jumla ya gharama $2.736 Muda wa majibu (wastani) 185.6s
#43	GLM 5.3 Flash max	Z.ai	2	8.7	$0.117	16/22	52.1s
Jumla ya majaribio 22 Majaribio yenye makosa 6 Jumla ya gharama $0.117 Muda wa majibu (wastani) 52.1s
#60	Qwen3.8 27B high	Qwen	2	8.4	~$0.287	16/22	167.9s
Jumla ya majaribio 22 Majaribio yenye makosa 6 Jumla ya gharama ~$0.287 Muda wa majibu (wastani) 167.9s
#64	GLM 5.3 FlashX max	Z.ai	2	8.3	$0.508	15/22	41.2s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $0.508 Muda wa majibu (wastani) 41.2s
#79	GLM 5.2 high	Z.ai	2	8.0	$0.799	14/22	69.9s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.799 Muda wa majibu (wastani) 69.9s
#111	Grok 4.7 high	X AI	2	7.5	$2.180	13/22	113.1s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $2.180 Muda wa majibu (wastani) 113.1s

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)