Peringkat Tugas agen x Jawaban salah

Lihat model AI mana yang paling mungkin mengalami Jawaban salah di Tugas agen, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Jumlah kegagalan ↑.

Model yang ditampilkan

Total kegagalan

108

Model yang paling terdampak

Grok 4.6 1

Alasan kegagalan

Jawaban salah108 Pemanggilan alat tidak valid44 Kesalahan API32 Tidak mengikuti instruksi14 Kedaluwarsa10

Kategori

Spesifik domain766 Trik anti-AI446 Pemrograman429 Pemecahan teka-teki307 Pengetahuan umum280 Gabungan115 Kecerdasan umum112 Tugas agen108 Kepatuhan instruksi94 Parsing dan ekstraksi data71

108/108

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#62	Grok 4.6 high	X AI	1	5.0	$2.629	0/1	160.9s
Total Tes 1 Tes Salah 1 Total Biaya $2.629 Waktu respons (rata-rata) 160.9s
#65	Qwen3.7 Max medium	Qwen	1	6.1	$2.046	0/1	137.0s
Total Tes 1 Tes Salah 1 Total Biaya $2.046 Waktu respons (rata-rata) 137.0s
#78	Claude Opus 4.8 medium	Anthropic	1	6.1	$3.490	0/1	99.4s
Total Tes 1 Tes Salah 1 Total Biaya $3.490 Waktu respons (rata-rata) 99.4s
#80	Grok 4.5 high	X AI	1	5.0	$2.571	0/1	77.0s
Total Tes 1 Tes Salah 1 Total Biaya $2.571 Waktu respons (rata-rata) 77.0s
#90	DeepSeek V4.1 Flash low	DeepSeek	1	6.1	$0.153	0/1	56.0s
Total Tes 1 Tes Salah 1 Total Biaya $0.153 Waktu respons (rata-rata) 56.0s
#102	Grok 4.5 medium	X AI	1	5.0	$2.454	0/1	65.2s
Total Tes 1 Tes Salah 1 Total Biaya $2.454 Waktu respons (rata-rata) 65.2s
#105	Grok 4.6 medium	X AI	1	5.0	$2.270	0/1	103.6s
Total Tes 1 Tes Salah 1 Total Biaya $2.270 Waktu respons (rata-rata) 103.6s
#108	Grok 4.5 low	X AI	1	5.0	$1.345	0/1	61.5s
Total Tes 1 Tes Salah 1 Total Biaya $1.345 Waktu respons (rata-rata) 61.5s
#116	Qwen3.8 27B low	Qwen	1	6.1	~$0.089	0/1	211.3s
Total Tes 1 Tes Salah 1 Total Biaya ~$0.089 Waktu respons (rata-rata) 211.3s
#124	DeepSeek V4 Flash 0731 low	DeepSeek	1	4.7	$0.307	0/1	321.2s
Total Tes 1 Tes Salah 1 Total Biaya $0.307 Waktu respons (rata-rata) 321.2s
#127	Grok 4.7 low	X AI	1	5.0	$2.263	0/1	154.9s
Total Tes 1 Tes Salah 1 Total Biaya $2.263 Waktu respons (rata-rata) 154.9s
#134	Grok 4.7 medium	X AI	1	3.9	$3.501	0/1	372.1s
Total Tes 1 Tes Salah 1 Total Biaya $3.501 Waktu respons (rata-rata) 372.1s
#137	Qwen3.6 Plus medium	Qwen	1	4.7	$0.391	0/1	307.1s
Total Tes 1 Tes Salah 1 Total Biaya $0.391 Waktu respons (rata-rata) 307.1s
#140	Qwen3.5 Plus 2026-02-15 medium	Qwen	1	6.1	$0.567	0/1	186.4s
Total Tes 1 Tes Salah 1 Total Biaya $0.567 Waktu respons (rata-rata) 186.4s
#141	Qwen3.8 27B medium	Qwen	1	4.7	~$0.073	0/1	187.9s
Total Tes 1 Tes Salah 1 Total Biaya ~$0.073 Waktu respons (rata-rata) 187.9s

Filter model

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Tugas agen: Jawaban salah

Filter model

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuangPerkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.8932 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.088310.

Model teratas menurut Perkiraan biaya terbuang