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)
#142	Muse Wonder xhigh	Meta	2	0.4	$4.012	0/3	150.7s
Total Tes 3 Tes Salah 3 Total Biaya $4.012 Waktu respons (rata-rata) 150.7s
#144	GPT-6 Luna low	OpenAI	2	0.5	$0.033	1/3	18.1s
Total Tes 3 Tes Salah 2 Total Biaya $0.033 Waktu respons (rata-rata) 18.1s
#145	Qwen3.8 27B low	Qwen	2	0.5	~$0.089	1/3	60.8s
Total Tes 3 Tes Salah 2 Total Biaya ~$0.089 Waktu respons (rata-rata) 60.8s
#150	Seed-2.0-Code high	Bytedance Seed	2	0.3	$1.448	0/3	419.7s
Total Tes 3 Tes Salah 3 Total Biaya $1.448 Waktu respons (rata-rata) 419.7s
#154	Seed-2.0-Code medium	Bytedance Seed	2	0.5	$1.275	1/3	429.8s
Total Tes 3 Tes Salah 2 Total Biaya $1.275 Waktu respons (rata-rata) 429.8s
#156	Grok 4.7 low	X AI	2	0.5	$1.933	1/3	159.1s
Total Tes 3 Tes Salah 2 Total Biaya $1.933 Waktu respons (rata-rata) 159.1s
#157	Inkling Small high	Thinkingmachines	2	0.5	$0.398	1/3	56.3s
Total Tes 3 Tes Salah 2 Total Biaya $0.398 Waktu respons (rata-rata) 56.3s
#159	Inkling medium	Thinkingmachines	2	0.5	$0.527	1/3	31.6s
Total Tes 3 Tes Salah 2 Total Biaya $0.527 Waktu respons (rata-rata) 31.6s
#161	GLM 5.3 Flash high	Z.ai	2	0.3	$0.056	0/3	85.9s
Total Tes 3 Tes Salah 3 Total Biaya $0.056 Waktu respons (rata-rata) 85.9s
#163	Grok 4.7 medium	X AI	2	0.5	$2.938	1/3	300.4s
Total Tes 3 Tes Salah 2 Total Biaya $2.938 Waktu respons (rata-rata) 300.4s
#164	Gemini 2.5 Flash medium	Google	2	0.6	$0.680	1/3	37.1s
Total Tes 3 Tes Salah 2 Total Biaya $0.680 Waktu respons (rata-rata) 37.1s
#165	LongCat 2.0 high	Meituan	2	0.4	$0.778	0/3	433.7s
Total Tes 3 Tes Salah 3 Total Biaya $0.778 Waktu respons (rata-rata) 433.7s
#168	Qwen3.5-27B none	Qwen	2	0.5	$0.116	1/3	634ms
Total Tes 3 Tes Salah 2 Total Biaya $0.116 Waktu respons (rata-rata) 634ms
#170	Qwen3.8 27B medium	Qwen	2	0.5	~$0.073	1/3	77.0s
Total Tes 3 Tes Salah 2 Total Biaya ~$0.073 Waktu respons (rata-rata) 77.0s
#171	Gemini 3.8 Flash low	Google	2	0.6	$0.323	1/3	6.50s
Total Tes 3 Tes Salah 2 Total Biaya $0.323 Waktu respons (rata-rata) 6.50s

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: 0.8932 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.088310.

Model teratas menurut Perkiraan biaya terbuang