Peringkat Gabungan x Pemanggilan alat tidak valid

Lihat model AI mana yang paling mungkin mengalami Pemanggilan alat tidak valid di Gabungan, agar Anda bisa menemukan titik lemahnya lebih cepat.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Muse Spark 1.1 2

Alasan kegagalan

Pemanggilan alat tidak valid91 Jawaban salah68 Tidak ada jawaban29 Kesalahan API26 Kedaluwarsa5 Format tambahan1 Tidak mengikuti instruksi1

Kategori

Gabungan91 Pemanggilan alat9

77/77

Peringkat	Model	Perusahaan	Jumlah Pemanggilan alat tidak valid	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#27	Muse Spark 1.1 high	Meta	2	5.9	$1.694	0/2	70.3s
Total Tes 2 Tes Salah 2 Total Biaya $1.694 Waktu respons (rata-rata) 70.3s
#88	Gemini 3.5 Flash minimal	Google	2	3.0	$0.300	0/2	14.4s
Total Tes 2 Tes Salah 2 Total Biaya $0.300 Waktu respons (rata-rata) 14.4s
#99	Qwen3.6 27B medium	Qwen	2	6.7	$0.779	0/2	584.1s
Total Tes 2 Tes Salah 2 Total Biaya $0.779 Waktu respons (rata-rata) 584.1s
#123	Inkling low	Thinkingmachines	2	2.9	$0.187	0/2	22.7s
Total Tes 2 Tes Salah 2 Total Biaya $0.187 Waktu respons (rata-rata) 22.7s
#124	Qwen3.6 Flash none	Qwen	2	3.8	$0.062	0/2	26.5s
Total Tes 2 Tes Salah 2 Total Biaya $0.062 Waktu respons (rata-rata) 26.5s
#150	DeepSeek V4 Flash none	DeepSeek	2	4.6	$0.044	0/2	179.6s
Total Tes 2 Tes Salah 2 Total Biaya $0.044 Waktu respons (rata-rata) 179.6s
#152	Qwen3.6 27B none	Qwen	2	3.2	$0.087	0/2	83.1s
Total Tes 2 Tes Salah 2 Total Biaya $0.087 Waktu respons (rata-rata) 83.1s
#169	Qwen3.5-9B none	Qwen	2	3.0	$0.021	0/2	194.0s
Total Tes 2 Tes Salah 2 Total Biaya $0.021 Waktu respons (rata-rata) 194.0s
#171	North Mini Code none	Cohere	2	3.2	$0.000	0/2	96.2s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 96.2s
#173	DeepSeek V3.2 none	DeepSeek	2	4.8	$0.054	0/2	113.5s
Total Tes 2 Tes Salah 2 Total Biaya $0.054 Waktu respons (rata-rata) 113.5s
#176	GLM 4.7 Flash none	Z.ai	2	3.0	$0.016	0/2	50.2s
Total Tes 2 Tes Salah 2 Total Biaya $0.016 Waktu respons (rata-rata) 50.2s
#178	Ling-2.6-flash none	Inclusionai	2	3.0	$0.002	0/2	35.7s
Total Tes 2 Tes Salah 2 Total Biaya $0.002 Waktu respons (rata-rata) 35.7s
#194	GLM 4.7 Flash medium	Z.ai	2	2.9	$0.166	0/2	802.8s
Total Tes 2 Tes Salah 2 Total Biaya $0.166 Waktu respons (rata-rata) 802.8s
#201	Granite 4.1 8B none	IBM Granite	2	3.0	$0.007	0/2	9.28s
Total Tes 2 Tes Salah 2 Total Biaya $0.007 Waktu respons (rata-rata) 9.28s
#2	Gemini 3.5 Flash high	Google	1	8.2	$1.976	1/2	84.1s
Total Tes 2 Tes Salah 1 Total Biaya $1.976 Waktu respons (rata-rata) 84.1s

1 2 3 4 5 6

→

Filter model

Model teratas menurut Jumlah Pemanggilan alat tidak valid

Jumlah Pemanggilan alat tidak valid vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Gabungan: Pemanggilan alat tidak valid

Filter model

Model teratas menurut Jumlah Pemanggilan alat tidak valid

Jumlah Pemanggilan alat tidak valid vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang