Peringkat Spesifik domain x Format tambahan

Lihat model AI mana yang paling mungkin mengalami Format tambahan di Spesifik domain, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Tes benar ↓.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Claude Haiku 5.5 1

Alasan kegagalan

Jawaban salah878 Tidak ada jawaban63 Kedaluwarsa46 Kesalahan API40 Format tambahan36 Tidak mengikuti instruksi3

Kategori

Pemrograman37 Spesifik domain36 Trik anti-AI34 Pemecahan teka-teki16 Parsing dan ekstraksi data12 Kepatuhan instruksi8 Gabungan1

27/27

Peringkat	Model	Perusahaan	Jumlah Format tambahan	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#38	Claude Haiku 5.5 xhigh	Anthropic	1	0.5	$0.140	1/3	47.8s
Total Tes 3 Tes Salah 2 Total Biaya $0.140 Waktu respons (rata-rata) 47.8s
#74	Claude Haiku 5.5 low	Anthropic	1	0.6	$0.061	1/3	7.35s
Total Tes 3 Tes Salah 2 Total Biaya $0.061 Waktu respons (rata-rata) 7.35s
#27	Claude Opus 5 high	Anthropic	1	0.3	$4.524	0/3	104.2s
Total Tes 3 Tes Salah 3 Total Biaya $4.524 Waktu respons (rata-rata) 104.2s
#52	GLM 5.3 Flash max	Z.ai	1	0.4	$0.089	0/3	203.3s
Total Tes 3 Tes Salah 3 Total Biaya $0.089 Waktu respons (rata-rata) 203.3s
#67	MiMo-V2.6-Pro medium	Xiaomi	1	0.3	$0.586	0/3	619.7s
Total Tes 3 Tes Salah 3 Total Biaya $0.586 Waktu respons (rata-rata) 619.7s
#87	Muse Spark 1.1 high	Meta	1	0.3	$2.570	0/3	94.7s
Total Tes 3 Tes Salah 3 Total Biaya $2.570 Waktu respons (rata-rata) 94.7s
#91	Claude Haiku 5.5 high	Anthropic	2	0.4	$0.088	0/3	16.3s
Total Tes 3 Tes Salah 3 Total Biaya $0.088 Waktu respons (rata-rata) 16.3s
#115	GLM 5.3 FlashX max	Z.ai	1	0.3	$0.623	0/3	224.0s
Total Tes 3 Tes Salah 3 Total Biaya $0.623 Waktu respons (rata-rata) 224.0s
#125	GLM 5.3 high	Z.ai	2	0.3	$0.495	0/3	112.3s
Total Tes 3 Tes Salah 3 Total Biaya $0.495 Waktu respons (rata-rata) 112.3s
#135	Claude Haiku 5.5 medium	Anthropic	2	0.3	$0.063	0/3	7.96s
Total Tes 3 Tes Salah 3 Total Biaya $0.063 Waktu respons (rata-rata) 7.96s
#158	GLM 5.3 Flash high	Z.ai	1	0.3	$0.056	0/3	85.9s
Total Tes 3 Tes Salah 3 Total Biaya $0.056 Waktu respons (rata-rata) 85.9s
#174	Qwen3.6 27B medium	Qwen	1	0.3	$1.021	0/3	71.5s
Total Tes 3 Tes Salah 3 Total Biaya $1.021 Waktu respons (rata-rata) 71.5s
#178	MiMo-V2.6-Flash low	Xiaomi	1	0.3	$0.200	0/3	276.9s
Total Tes 3 Tes Salah 3 Total Biaya $0.200 Waktu respons (rata-rata) 276.9s
#179	MiMo-V2.5 medium	Xiaomi	1	0.4	$0.130	0/3	137.7s
Total Tes 3 Tes Salah 3 Total Biaya $0.130 Waktu respons (rata-rata) 137.7s
#194	Claude Sonnet 5.5 low	Anthropic	2	0.3	$0.909	0/3	8.09s
Total Tes 3 Tes Salah 3 Total Biaya $0.909 Waktu respons (rata-rata) 8.09s

Filter model

Model teratas menurut Jumlah Format tambahan

Jumlah Format tambahan vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Spesifik domain: Format tambahan

Filter model

Model teratas menurut Jumlah Format tambahan

Jumlah Format tambahan vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang