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.

Model yang ditampilkan

Total kegagalan

878

Model yang paling terdampak

Claude Opus 5 3

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)
#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
#431	Clef Omni default	Cloudflare	3	0.3	$0.011	0/3	1.05s
Total Tes 3 Tes Salah 3 Total Biaya $0.011 Waktu respons (rata-rata) 1.05s
#434	D1 default	Liquid	3	0.4	$0.003	0/3	555ms
Total Tes 3 Tes Salah 3 Total Biaya $0.003 Waktu respons (rata-rata) 555ms
#438	Microsoft-Decision-1 default	Microsoft	3	0.3	$0.002	0/3	1.03s
Total Tes 3 Tes Salah 3 Total Biaya $0.002 Waktu respons (rata-rata) 1.03s
#9	Gemini 3.7 Flash high	Google	2	0.6	$0.528	1/3	16.8s
Total Tes 3 Tes Salah 2 Total Biaya $0.528 Waktu respons (rata-rata) 16.8s
#10	Gemini 3.6 Flash medium	Google	2	0.6	$0.577	1/3	22.0s
Total Tes 3 Tes Salah 2 Total Biaya $0.577 Waktu respons (rata-rata) 22.0s
#13	GPT-5.6 Sol low	OpenAI	2	0.5	$1.244	1/3	31.0s
Total Tes 3 Tes Salah 2 Total Biaya $1.244 Waktu respons (rata-rata) 31.0s
#20	GPT-5.6 Sol medium	OpenAI	2	0.6	$1.700	1/3	57.2s
Total Tes 3 Tes Salah 2 Total Biaya $1.700 Waktu respons (rata-rata) 57.2s
#21	GPT-6 Astra medium	OpenAI	2	0.6	$2.707	1/3	30.6s
Total Tes 3 Tes Salah 2 Total Biaya $2.707 Waktu respons (rata-rata) 30.6s
#22	GPT-5.6 Sol high	OpenAI	2	0.5	$1.595	1/3	37.7s
Total Tes 3 Tes Salah 2 Total Biaya $1.595 Waktu respons (rata-rata) 37.7s
#23	GPT-5.5 low	OpenAI	2	0.5	$1.822	1/3	28.2s
Total Tes 3 Tes Salah 2 Total Biaya $1.822 Waktu respons (rata-rata) 28.2s
#24	Claude Opus 5.5 low	Anthropic	2	0.6	$1.733	1/3	22.8s
Total Tes 3 Tes Salah 2 Total Biaya $1.733 Waktu respons (rata-rata) 22.8s
#25	Claude Opus 5.5 high	Anthropic	2	0.5	$2.133	1/3	30.1s
Total Tes 3 Tes Salah 2 Total Biaya $2.133 Waktu respons (rata-rata) 30.1s
#27	Claude Opus 5 high	Anthropic	2	0.3	$4.524	0/3	104.2s
Total Tes 3 Tes Salah 3 Total Biaya $4.524 Waktu respons (rata-rata) 104.2s
#30	Muse Spark Open high	Meta	2	0.4	$1.782	0/3	412.1s
Total Tes 3 Tes Salah 3 Total Biaya $1.782 Waktu respons (rata-rata) 412.1s

←

1 9 10 11 28

→

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 terbuang