Peringkat Spesifik domain x Jawaban salah

Lihat model AI mana yang paling mungkin mengalami Jawaban salah di Spesifik domain, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Waktu respons (rata-rata) ↑.

Model yang ditampilkan

Total kegagalan

878

Model yang paling terdampak

GLM 5 2

Alasan kegagalan

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

Kategori

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

414/414

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#172	GLM 5 medium	Z.ai	2	0.3	$0.479	0/3	0ms
Total Tes 3 Tes Salah 3 Total Biaya $0.479 Waktu respons (rata-rata) 0ms
#441	Nimble v3 9B default	Bespoke Labs	2	0.2	~$0.001	0/2	80ms
Total Tes 2 Tes Salah 2 Total Biaya ~$0.001 Waktu respons (rata-rata) 80ms
#396	Granite 4.1 8b default	IBM Granite	3	0.3	$0.007	0/3	287ms
Total Tes 3 Tes Salah 3 Total Biaya $0.007 Waktu respons (rata-rata) 287ms
#436	LFM2-24B-A2B default	Liquid	1	0.6	$0.001	1/3	287ms
Total Tes 3 Tes Salah 2 Total Biaya $0.001 Waktu respons (rata-rata) 287ms
#326	Laguna XS 2.1 none	Poolside	2	0.5	$0.020	1/3	303ms
Total Tes 3 Tes Salah 2 Total Biaya $0.020 Waktu respons (rata-rata) 303ms
#425	Decider V1.1 27B default	Perplexity	2	0.5	$0.002	1/3	313ms
Total Tes 3 Tes Salah 2 Total Biaya $0.002 Waktu respons (rata-rata) 313ms
#361	Laguna S 2.1 none	Poolside	3	0.3	$0.044	0/3	337ms
Total Tes 3 Tes Salah 3 Total Biaya $0.044 Waktu respons (rata-rata) 337ms
#416	Laguna Xs.2 default	Poolside	2	0.5	$0.004	1/3	371ms
Total Tes 3 Tes Salah 2 Total Biaya $0.004 Waktu respons (rata-rata) 371ms
#335	Mistral Small 4 none	Mistral	2	0.5	$0.047	1/3	377ms
Total Tes 3 Tes Salah 2 Total Biaya $0.047 Waktu respons (rata-rata) 377ms
#347	Inkling Small none	Thinkingmachines	2	0.5	$0.054	1/3	442ms
Total Tes 3 Tes Salah 2 Total Biaya $0.054 Waktu respons (rata-rata) 442ms
#429	Jev 1.14 default	Typesafe	1	0.8	$0.003	2/3	444ms
Total Tes 3 Tes Salah 1 Total Biaya $0.003 Waktu respons (rata-rata) 444ms
#309	Gemini 2.5 Flash none	Google	3	0.4	$0.017	0/3	449ms
Total Tes 3 Tes Salah 3 Total Biaya $0.017 Waktu respons (rata-rata) 449ms
#422	Nemotron 3 Nano Omni 30b A3b Reasoning default	NVIDIA	3	0.4	$0.000	0/3	489ms
Total Tes 3 Tes Salah 3 Total Biaya $0.000 Waktu respons (rata-rata) 489ms
#382	Mercury 2 none	Inception	2	0.6	$0.033	1/3	500ms
Total Tes 3 Tes Salah 2 Total Biaya $0.033 Waktu respons (rata-rata) 500ms
#304	Qwen3.5-35B-A3B none	Qwen	2	0.5	$0.120	1/3	507ms
Total Tes 3 Tes Salah 2 Total Biaya $0.120 Waktu respons (rata-rata) 507ms

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

Spesifik domain: 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: 0.0021 h × 0.377 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.000263.

Model teratas menurut Perkiraan biaya terbuang