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)
#202	Qwen3.5-Flash medium	Qwen	2	0.3	$0.184	0/3	143.8s
Total Tes 3 Tes Salah 3 Total Biaya $0.184 Waktu respons (rata-rata) 143.8s
#203	Inkling low	Thinkingmachines	2	0.5	$0.293	1/3	1.68s
Total Tes 3 Tes Salah 2 Total Biaya $0.293 Waktu respons (rata-rata) 1.68s
#204	Mercury 2.5 Preview medium	Inception	2	0.5	$0.039	1/3	3.72s
Total Tes 3 Tes Salah 2 Total Biaya $0.039 Waktu respons (rata-rata) 3.72s
#205	GPT-6 Sol none	OpenAI	2	0.5	$0.551	1/3	3.41s
Total Tes 3 Tes Salah 2 Total Biaya $0.551 Waktu respons (rata-rata) 3.41s
#209	Grok Build 0.1 medium	X AI	2	0.3	$1.419	0/3	175.9s
Total Tes 3 Tes Salah 3 Total Biaya $1.419 Waktu respons (rata-rata) 175.9s
#210	Qwen3.5-Flash none	Qwen	2	0.5	$0.089	1/3	873ms
Total Tes 3 Tes Salah 2 Total Biaya $0.089 Waktu respons (rata-rata) 873ms
#214	Ember-1 max	Fireworks	2	0.4	$3.264	0/3	471.2s
Total Tes 3 Tes Salah 3 Total Biaya $3.264 Waktu respons (rata-rata) 471.2s
#215	GPT 5.3 Chat default	OpenAI	2	0.3	$0.533	0/3	12.7s
Total Tes 3 Tes Salah 3 Total Biaya $0.533 Waktu respons (rata-rata) 12.7s
#216	GPT-5.6 Sol none	OpenAI	2	0.6	$0.795	1/3	1.44s
Total Tes 3 Tes Salah 2 Total Biaya $0.795 Waktu respons (rata-rata) 1.44s
#219	GPT-5.5 none	OpenAI	2	0.5	$1.212	1/3	1.27s
Total Tes 3 Tes Salah 2 Total Biaya $1.212 Waktu respons (rata-rata) 1.27s
#228	Minimax M3.1 Flash high	Minimax	2	0.6	$0.000	1/3	134.5s
Total Tes 3 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 134.5s
#232	Beam 1.0 501B A23B xhigh	Reflection	2	0.6	$0.688	1/3	20.2s
Total Tes 3 Tes Salah 2 Total Biaya $0.688 Waktu respons (rata-rata) 20.2s
#233	GLM 5.3 low	Z.ai	2	0.5	$0.215	1/3	19.2s
Total Tes 3 Tes Salah 2 Total Biaya $0.215 Waktu respons (rata-rata) 19.2s
#234	GLM 5.1 none	Z.ai	2	0.5	$0.451	1/3	2.27s
Total Tes 3 Tes Salah 2 Total Biaya $0.451 Waktu respons (rata-rata) 2.27s
#237	Laguna XS 2.1 medium	Poolside	2	0.3	$0.083	0/3	67.5s
Total Tes 3 Tes Salah 3 Total Biaya $0.083 Waktu respons (rata-rata) 67.5s

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