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)
#304	Qwen3.5-35B-A3B none	Qwen	1	0.4	$0.120	0/2	128.3s
Total Tes 2 Tes Salah 2 Total Biaya $0.120 Waktu respons (rata-rata) 128.3s
#305	Nemotron 3.5 Super VL none	NVIDIA	1	0.3	$0.040	0/2	451.9s
Total Tes 2 Tes Salah 2 Total Biaya $0.040 Waktu respons (rata-rata) 451.9s
#307	Kimi K2.6 none	Moonshot AI	1	0.3	$0.486	0/2	77.8s
Total Tes 2 Tes Salah 2 Total Biaya $0.486 Waktu respons (rata-rata) 77.8s
#308	Ling 3.1 Flash none	Inclusionai	1	0.3	$0.000	0/2	25.4s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 25.4s
#309	Gemini 2.5 Flash none	Google	1	0.3	$0.017	0/2	61.2s
Total Tes 2 Tes Salah 2 Total Biaya $0.017 Waktu respons (rata-rata) 61.2s
#310	GPT-6 Luna none	OpenAI	1	0.4	$0.026	0/2	50.9s
Total Tes 2 Tes Salah 2 Total Biaya $0.026 Waktu respons (rata-rata) 50.9s
#311	Gemma 4 26B A4B none	Google	1	0.3	$0.031	0/2	37.2s
Total Tes 2 Tes Salah 2 Total Biaya $0.031 Waktu respons (rata-rata) 37.2s
#313	Seed-2.0-Code none	Bytedance Seed	1	0.3	$0.257	0/2	78.4s
Total Tes 2 Tes Salah 2 Total Biaya $0.257 Waktu respons (rata-rata) 78.4s
#315	Qwen3.8 27B none	Qwen	1	0.3	~$0.010	0/2	24.1s
Total Tes 2 Tes Salah 2 Total Biaya ~$0.010 Waktu respons (rata-rata) 24.1s
#318	MiMo-V2.6-Flash none	Xiaomi	1	0.4	$0.060	0/2	4.78s
Total Tes 2 Tes Salah 2 Total Biaya $0.060 Waktu respons (rata-rata) 4.78s
#320	Ember-1 none	Fireworks	1	0.3	$0.786	0/2	49.0s
Total Tes 2 Tes Salah 2 Total Biaya $0.786 Waktu respons (rata-rata) 49.0s
#322	GPT-5.6 Luna none	OpenAI	1	0.3	$0.042	0/2	6.68s
Total Tes 2 Tes Salah 2 Total Biaya $0.042 Waktu respons (rata-rata) 6.68s
#324	Kimi K2.5 none	Moonshot AI	1	0.3	$0.262	0/2	61.0s
Total Tes 2 Tes Salah 2 Total Biaya $0.262 Waktu respons (rata-rata) 61.0s
#325	Qwen3.6 Max Preview none	Qwen	1	0.7	$0.228	1/2	61.6s
Total Tes 2 Tes Salah 1 Total Biaya $0.228 Waktu respons (rata-rata) 61.6s
#326	Laguna XS 2.1 none	Poolside	1	0.3	$0.020	0/2	10.4s
Total Tes 2 Tes Salah 2 Total Biaya $0.020 Waktu respons (rata-rata) 10.4s

←

1 4 5 6 8

→

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 terbuangPerkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.0968 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.009566.

Model teratas menurut Perkiraan biaya terbuang