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

654

Model yang paling terdampak

Claude Opus 5 3

Alasan kegagalan

Jawaban salah654 Kedaluwarsa41 Tidak ada jawaban35 Format tambahan23 Kesalahan API17 Tidak mengikuti instruksi2

Kategori

Spesifik domain654 Trik anti-AI386 Pemrograman361 Pemecahan teka-teki275 Pengetahuan umum244 Gabungan95 Kecerdasan umum90 Kepatuhan instruksi82 Parsing dan ekstraksi data66 Pemanggilan alat5

299/299

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#222	Owl Alpha medium	Openrouter	2	5.3	$0.000	1/3	8.58s
Total Tes 3 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 8.58s
#223	Gemma 4 26B A4B none	Google	2	5.3	$0.015	1/3	2.10s
Total Tes 3 Tes Salah 2 Total Biaya $0.015 Waktu respons (rata-rata) 2.10s
#224	Mimo V2 PRO none	Xiaomi	2	5.3	$0.045	1/3	1.78s
Total Tes 3 Tes Salah 2 Total Biaya $0.045 Waktu respons (rata-rata) 1.78s
#225	Owl Alpha none	Openrouter	2	5.3	$0.000	1/3	3.00s
Total Tes 3 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 3.00s
#226	KAT-Coder-Air V2.5 medium	Kwaipilot	2	3.0	$0.048	0/3	6.58s
Total Tes 3 Tes Salah 3 Total Biaya $0.048 Waktu respons (rata-rata) 6.58s
#228	Hy4 preview low	Tencent	2	4.5	$1.745	0/3	470.2s
Total Tes 3 Tes Salah 3 Total Biaya $1.745 Waktu respons (rata-rata) 470.2s
#230	Hy3 preview low	Tencent	2	5.9	$0.042	1/3	40.4s
Total Tes 3 Tes Salah 2 Total Biaya $0.042 Waktu respons (rata-rata) 40.4s
#232	Mimo V2 Omni none	Xiaomi	2	5.3	$0.021	1/3	2.10s
Total Tes 3 Tes Salah 2 Total Biaya $0.021 Waktu respons (rata-rata) 2.10s
#239	DeepSeek V4 Flash 0731 none	DeepSeek	2	5.3	$0.011	1/3	1.17s
Total Tes 3 Tes Salah 2 Total Biaya $0.011 Waktu respons (rata-rata) 1.17s
#241	Inkling Small none	Thinkingmachines	2	5.3	$0.054	1/3	442ms
Total Tes 3 Tes Salah 2 Total Biaya $0.054 Waktu respons (rata-rata) 442ms
#242	Laguna XS 2.1 none	Poolside	2	5.3	$0.008	1/3	303ms
Total Tes 3 Tes Salah 2 Total Biaya $0.008 Waktu respons (rata-rata) 303ms
#245	Gemini 3.1 Flash Lite Preview high	Google	2	5.3	$2.310	1/3	127.6s
Total Tes 3 Tes Salah 2 Total Biaya $2.310 Waktu respons (rata-rata) 127.6s
#248	Inkling none	Thinkingmachines	2	5.3	$0.147	1/3	1.18s
Total Tes 3 Tes Salah 2 Total Biaya $0.147 Waktu respons (rata-rata) 1.18s
#249	Granite 4.2 8B medium	IBM Granite	2	5.3	$0.009	1/3	14.0s
Total Tes 3 Tes Salah 2 Total Biaya $0.009 Waktu respons (rata-rata) 14.0s
#251	Mistral Small 4 none	Mistral	2	5.3	$0.022	1/3	377ms
Total Tes 3 Tes Salah 2 Total Biaya $0.022 Waktu respons (rata-rata) 377ms

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