Peringkat Gabungan x Jawaban salah

Lihat model AI mana yang paling mungkin mengalami Jawaban salah di Gabungan, agar Anda bisa menemukan titik lemahnya lebih cepat.

Model yang ditampilkan

Total kegagalan

126

Model yang paling terdampak

GLM 5.3 FlashX 2

Alasan kegagalan

Pemanggilan alat tidak valid177 Jawaban salah126 Kesalahan API62 Tidak ada jawaban55 Kedaluwarsa11 Format tambahan1 Tidak mengikuti instruksi1

Kategori

Spesifik domain878 Trik anti-AI502 Pemrograman477 Pemecahan teka-teki344 Pengetahuan umum306 Kecerdasan umum129 Gabungan126 Tugas agen126 Kepatuhan instruksi111 Parsing dan ekstraksi data93

117/117

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#152	GLM 5.3 FlashX high	Z.ai	2	0.3	$0.210	0/2	27.7s
Total Tes 2 Tes Salah 2 Total Biaya $0.210 Waktu respons (rata-rata) 27.7s
#188	Gemini 3 Flash Preview low	Google	2	0.3	$0.254	0/2	10.2s
Total Tes 2 Tes Salah 2 Total Biaya $0.254 Waktu respons (rata-rata) 10.2s
#277	MiMo-V2.6-Pro none	Xiaomi	2	0.3	$0.193	0/2	7.78s
Total Tes 2 Tes Salah 2 Total Biaya $0.193 Waktu respons (rata-rata) 7.78s
#295	Mistral Large 4 none	Mistral	2	0.3	$0.290	0/2	36.9s
Total Tes 2 Tes Salah 2 Total Biaya $0.290 Waktu respons (rata-rata) 36.9s
#299	Space Bunny Alpha low	Stealth	2	0.4	$0.000	0/2	12.2s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 12.2s
#300	GPT-5.4 none	OpenAI	2	0.3	$0.690	0/2	9.26s
Total Tes 2 Tes Salah 2 Total Biaya $0.690 Waktu respons (rata-rata) 9.26s
#335	Mistral Small 4 none	Mistral	2	0.3	$0.047	0/2	7.44s
Total Tes 2 Tes Salah 2 Total Biaya $0.047 Waktu respons (rata-rata) 7.44s
#377	Nemotron 3 Super none	NVIDIA	2	0.3	$0.016	0/2	18.2s
Total Tes 2 Tes Salah 2 Total Biaya $0.016 Waktu respons (rata-rata) 18.2s
#382	Mercury 2 none	Inception	2	0.3	$0.033	0/2	2.56s
Total Tes 2 Tes Salah 2 Total Biaya $0.033 Waktu respons (rata-rata) 2.56s
#49	Gemini 4 Argon medium	Google	1	0.6	$0.674	1/2	15.1s
Total Tes 2 Tes Salah 1 Total Biaya $0.674 Waktu respons (rata-rata) 15.1s
#51	Gemini 3.6 Flash low	Google	1	0.7	$0.363	1/2	19.8s
Total Tes 2 Tes Salah 1 Total Biaya $0.363 Waktu respons (rata-rata) 19.8s
#81	Nemotron 3.5 Super VL high	NVIDIA	1	0.7	$0.349	1/2	183.5s
Total Tes 2 Tes Salah 1 Total Biaya $0.349 Waktu respons (rata-rata) 183.5s
#98	Gemini 4 Argon low	Google	1	0.4	$0.438	0/2	11.9s
Total Tes 2 Tes Salah 2 Total Biaya $0.438 Waktu respons (rata-rata) 11.9s
#118	Qwen3.7 Max none	Qwen	1	0.7	$0.451	1/2	37.2s
Total Tes 2 Tes Salah 1 Total Biaya $0.451 Waktu respons (rata-rata) 37.2s
#125	GLM 5.3 high	Z.ai	1	0.6	$0.495	1/2	64.0s
Total Tes 2 Tes Salah 1 Total Biaya $0.495 Waktu respons (rata-rata) 64.0s

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

Gabungan: 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 terbuang