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

893

Model yang paling terdampak

Claude Opus 5 3

Alasan kegagalan

Jawaban salah893 Tidak ada jawaban66 Kedaluwarsa46 Kesalahan API40 Format tambahan36 Tidak mengikuti instruksi3

Kategori

Spesifik domain893 Trik anti-AI519 Pemrograman484 Pemecahan teka-teki352 Pengetahuan umum315 Kecerdasan umum134 Gabungan128 Tugas agen128 Kepatuhan instruksi117 Parsing dan ekstraksi data93

423/423

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#99	Gemini 4 Argon low	Google	2	0.5	$0.438	1/3	1.94s
Total Tes 3 Tes Salah 2 Total Biaya $0.438 Waktu respons (rata-rata) 1.94s
#101	Grok 4.5 high	X AI	2	0.4	$2.687	0/3	301.3s
Total Tes 3 Tes Salah 3 Total Biaya $2.687 Waktu respons (rata-rata) 301.3s
#103	GPT-5.6 Terra medium	OpenAI	2	0.5	$0.483	1/3	21.5s
Total Tes 3 Tes Salah 2 Total Biaya $0.483 Waktu respons (rata-rata) 21.5s
#110	GPT-5.6 Luna high	OpenAI	2	0.5	$0.118	1/3	62.9s
Total Tes 3 Tes Salah 2 Total Biaya $0.118 Waktu respons (rata-rata) 62.9s
#112	GPT-5.4 Nano medium	OpenAI	2	0.6	$0.235	1/3	38.7s
Total Tes 3 Tes Salah 2 Total Biaya $0.235 Waktu respons (rata-rata) 38.7s
#115	GPT-5.6 Terra low	OpenAI	2	0.5	$0.435	1/3	9.34s
Total Tes 3 Tes Salah 2 Total Biaya $0.435 Waktu respons (rata-rata) 9.34s
#121	Gemini 3.5 Flash medium	Google	2	0.5	$1.316	1/3	7.28s
Total Tes 3 Tes Salah 2 Total Biaya $1.316 Waktu respons (rata-rata) 7.28s
#126	DeepSeek V4.1 Flash 1017 high	DeepSeek	2	0.3	$0.589	0/3	186.0s
Total Tes 3 Tes Salah 3 Total Biaya $0.589 Waktu respons (rata-rata) 186.0s
#127	Grok 4.5 medium	X AI	2	0.5	$2.996	1/3	249.3s
Total Tes 3 Tes Salah 2 Total Biaya $2.996 Waktu respons (rata-rata) 249.3s
#129	Step 3.7 Flash medium	Stepfun	2	0.5	$0.571	1/3	27.3s
Total Tes 3 Tes Salah 2 Total Biaya $0.571 Waktu respons (rata-rata) 27.3s
#130	Grok 4.6 medium	X AI	2	0.5	$2.270	1/3	304.3s
Total Tes 3 Tes Salah 2 Total Biaya $2.270 Waktu respons (rata-rata) 304.3s
#131	Qwen3.7 Plus none	Qwen	2	0.5	$0.178	1/3	1.04s
Total Tes 3 Tes Salah 2 Total Biaya $0.178 Waktu respons (rata-rata) 1.04s
#135	GPT-6 Luna high	OpenAI	2	0.6	$0.074	1/3	51.1s
Total Tes 3 Tes Salah 2 Total Biaya $0.074 Waktu respons (rata-rata) 51.1s
#136	Muse Glimmer 30B high	Meta	2	0.3	$0.506	0/3	182.6s
Total Tes 3 Tes Salah 3 Total Biaya $0.506 Waktu respons (rata-rata) 182.6s
#137	Nemotron 3.5 Super VL medium	NVIDIA	2	0.4	$0.437	0/3	196.7s
Total Tes 3 Tes Salah 3 Total Biaya $0.437 Waktu respons (rata-rata) 196.7s

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