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

147

Model yang paling terdampak

Muse Spark 1.1 2

Alasan kegagalan

Pemanggilan alat tidak valid147 Jawaban salah95 Tidak ada jawaban43 Kesalahan API37 Kedaluwarsa9 Format tambahan1 Tidak mengikuti instruksi1

Kategori

Gabungan147 Pemanggilan alat11

125/125

Peringkat	Model	Perusahaan	Jumlah Pemanggilan alat tidak valid	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#60	Muse Spark 1.1 high	Meta	2	5.9	$2.253	0/2	70.3s
Total Tes 2 Tes Salah 2 Total Biaya $2.253 Waktu respons (rata-rata) 70.3s
#153	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
#160	Inkling Small medium	Thinkingmachines	2	3.8	$0.113	0/2	8.89s
Total Tes 2 Tes Salah 2 Total Biaya $0.113 Waktu respons (rata-rata) 8.89s
#165	Qwen3.6 27B medium	Qwen	2	6.7	$1.045	0/2	584.1s
Total Tes 2 Tes Salah 2 Total Biaya $1.045 Waktu respons (rata-rata) 584.1s
#174	Ling-3.0-flash high	Inclusionai	2	2.9	$0.021	0/2	50.4s
Total Tes 2 Tes Salah 2 Total Biaya $0.021 Waktu respons (rata-rata) 50.4s
#188	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
#189	Trinity Large Thinking medium	Arcee AI	2	2.9	$0.756	0/2	382.7s
Total Tes 2 Tes Salah 2 Total Biaya $0.756 Waktu respons (rata-rata) 382.7s
#190	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
#194	Trinity Large Thinking low	Arcee AI	2	5.2	$0.625	0/2	291.0s
Total Tes 2 Tes Salah 2 Total Biaya $0.625 Waktu respons (rata-rata) 291.0s
#229	Qwen3.6 27B none	Qwen	2	3.2	$0.116	0/2	83.1s
Total Tes 2 Tes Salah 2 Total Biaya $0.116 Waktu respons (rata-rata) 83.1s
#233	DeepSeek V4 Flash 0423 none	DeepSeek	2	4.6	$0.037	0/2	179.6s
Total Tes 2 Tes Salah 2 Total Biaya $0.037 Waktu respons (rata-rata) 179.6s
#234	Laguna S 2.1 medium	Poolside	2	3.2	$0.053	0/2	284.7s
Total Tes 2 Tes Salah 2 Total Biaya $0.053 Waktu respons (rata-rata) 284.7s
#239	DeepSeek V4 Flash 0731 none	DeepSeek	2	3.7	$0.011	0/2	202.4s
Total Tes 2 Tes Salah 2 Total Biaya $0.011 Waktu respons (rata-rata) 202.4s
#240	Laguna S 2.1 high	Poolside	2	2.9	$0.114	0/2	702.3s
Total Tes 2 Tes Salah 2 Total Biaya $0.114 Waktu respons (rata-rata) 702.3s
#256	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

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