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)
#258	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
#262	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
#266	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
#272	Trinity Large Thinking high	Arcee AI	2	3.0	$0.592	0/2	262.4s
Total Tes 2 Tes Salah 2 Total Biaya $0.592 Waktu respons (rata-rata) 262.4s
#275	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
#289	GLM 4.7 Flash medium	Z.ai	2	2.9	$0.168	0/2	802.8s
Total Tes 2 Tes Salah 2 Total Biaya $0.168 Waktu respons (rata-rata) 802.8s
#298	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
#7	Gemini 3.5 Flash high	Google	1	8.2	$2.011	1/2	84.1s
Total Tes 2 Tes Salah 1 Total Biaya $2.011 Waktu respons (rata-rata) 84.1s
#17	Gemini 3.8 Flash medium	Google	1	8.7	$0.653	1/2	60.3s
Total Tes 2 Tes Salah 1 Total Biaya $0.653 Waktu respons (rata-rata) 60.3s
#19	Qwen3.7 Max medium	Qwen	1	8.7	$1.157	1/2	287.8s
Total Tes 2 Tes Salah 1 Total Biaya $1.157 Waktu respons (rata-rata) 287.8s
#23	Qwen3.8 Max medium	Qwen	1	8.7	$0.771	1/2	91.3s
Total Tes 2 Tes Salah 1 Total Biaya $0.771 Waktu respons (rata-rata) 91.3s
#28	Gemini 3.5 Flash low	Google	1	8.2	$0.449	1/2	30.0s
Total Tes 2 Tes Salah 1 Total Biaya $0.449 Waktu respons (rata-rata) 30.0s
#29	Muse Spark 1.3 medium	Meta	1	7.3	$1.469	1/2	34.7s
Total Tes 2 Tes Salah 1 Total Biaya $1.469 Waktu respons (rata-rata) 34.7s
#34	GLM 5.3 Flash max	Z.ai	1	7.3	$0.059	1/2	138.7s
Total Tes 2 Tes Salah 1 Total Biaya $0.059 Waktu respons (rata-rata) 138.7s
#36	Muse Spark 1.2 high	Meta	1	8.0	$1.771	1/2	39.9s
Total Tes 2 Tes Salah 1 Total Biaya $1.771 Waktu respons (rata-rata) 39.9s

←

1 2 3 9

→

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