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. Urutkan berdasarkan: Total Biaya ↑.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

North Mini Code 1

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)
#137	North Mini Code medium	Cohere	1	2.9	$0.000	0/2	554.9s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 554.9s
#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
#188	Cobuddy medium	Baidu	1	1.5	$0.000	0/1	47.4s
Total Tes 1 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 47.4s
#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
#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
#160	Laguna XS 2.1 none	Poolside	1	3.0	$0.008	0/2	10.4s
Total Tes 2 Tes Salah 2 Total Biaya $0.008 Waktu respons (rata-rata) 10.4s
#192	Laguna M.1 none	Poolside	1	1.5	$0.009	0/1	4.32s
Total Tes 1 Tes Salah 1 Total Biaya $0.009 Waktu respons (rata-rata) 4.32s
#156	Gemma 4 26B A4B none	Google	1	3.0	$0.015	0/2	37.2s
Total Tes 2 Tes Salah 2 Total Biaya $0.015 Waktu respons (rata-rata) 37.2s
#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
#118	Gemini 2.5 Flash none	Google	1	3.0	$0.017	0/2	61.2s
Total Tes 2 Tes Salah 2 Total Biaya $0.017 Waktu respons (rata-rata) 61.2s
#121	gpt-oss-120b medium	OpenAI	1	6.5	$0.019	1/2	24.0s
Total Tes 2 Tes Salah 1 Total Biaya $0.019 Waktu respons (rata-rata) 24.0s
#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
#45	DeepSeek V4 Flash high	DeepSeek	1	6.4	$0.042	1/2	104.1s
Total Tes 2 Tes Salah 1 Total Biaya $0.042 Waktu respons (rata-rata) 104.1s
#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
#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

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