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. Urutkan berdasarkan: Tes benar ↑.

Model yang ditampilkan

Total kegagalan

126

Model yang paling terdampak

Gemini 4 Argon 1

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)
#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
#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
#168	Gemini 3.8 Flash low	Google	1	0.4	$0.323	0/2	19.6s
Total Tes 2 Tes Salah 2 Total Biaya $0.323 Waktu respons (rata-rata) 19.6s
#177	GLM 5.3 FlashX medium	Z.ai	1	0.3	$0.114	0/2	16.0s
Total Tes 2 Tes Salah 2 Total Biaya $0.114 Waktu respons (rata-rata) 16.0s
#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
#193	GPT-5.6 Luna low	OpenAI	1	0.3	$0.049	0/2	13.7s
Total Tes 2 Tes Salah 2 Total Biaya $0.049 Waktu respons (rata-rata) 13.7s
#205	Qwen3.5-Flash none	Qwen	1	0.3	$0.089	0/2	243.6s
Total Tes 2 Tes Salah 2 Total Biaya $0.089 Waktu respons (rata-rata) 243.6s
#213	GLM 5.3 Flash low	Z.ai	1	0.4	$0.038	0/2	54.7s
Total Tes 2 Tes Salah 2 Total Biaya $0.038 Waktu respons (rata-rata) 54.7s
#224	Mercury 2.5 Preview high	Inception	1	0.4	$0.040	0/2	14.4s
Total Tes 2 Tes Salah 2 Total Biaya $0.040 Waktu respons (rata-rata) 14.4s
#227	GLM 5.3 low	Z.ai	1	0.4	$0.215	0/2	53.0s
Total Tes 2 Tes Salah 2 Total Biaya $0.215 Waktu respons (rata-rata) 53.0s
#232	Qwen3.5-122B-A10B none	Qwen	1	0.5	$0.308	0/2	129.3s
Total Tes 2 Tes Salah 2 Total Biaya $0.308 Waktu respons (rata-rata) 129.3s
#233	Gemini 3 Flash Preview none	Google	1	0.4	$0.155	0/2	12.4s
Total Tes 2 Tes Salah 2 Total Biaya $0.155 Waktu respons (rata-rata) 12.4s
#247	Gemini 3.5 Flash Lite low	Google	1	0.4	$0.183	0/2	11.0s
Total Tes 2 Tes Salah 2 Total Biaya $0.183 Waktu respons (rata-rata) 11.0s
#248	Gemini 3.1 Flash Lite Preview low	Google	1	0.3	$0.736	0/2	160.6s
Total Tes 2 Tes Salah 2 Total Biaya $0.736 Waktu respons (rata-rata) 160.6s
#249	Gemini 3.1 Flash Lite low	Google	1	0.3	$0.717	0/2	161.2s
Total Tes 2 Tes Salah 2 Total Biaya $0.717 Waktu respons (rata-rata) 161.2s

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