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)
#320	Ember-1 none	Fireworks	2	0.5	$0.786	1/3	21.6s
Total Tes 3 Tes Salah 2 Total Biaya $0.786 Waktu respons (rata-rata) 21.6s
#321	Hy3 preview medium	Tencent	2	0.5	$0.049	1/3	22.3s
Total Tes 3 Tes Salah 2 Total Biaya $0.049 Waktu respons (rata-rata) 22.3s
#323	Granite 4.2 8B low	IBM Granite	2	0.5	$0.036	1/3	26.2s
Total Tes 3 Tes Salah 2 Total Biaya $0.036 Waktu respons (rata-rata) 26.2s
#325	Qwen3.6 Max Preview none	Qwen	2	0.5	$0.228	1/3	1.23s
Total Tes 3 Tes Salah 2 Total Biaya $0.228 Waktu respons (rata-rata) 1.23s
#326	Laguna XS 2.1 none	Poolside	2	0.5	$0.020	1/3	303ms
Total Tes 3 Tes Salah 2 Total Biaya $0.020 Waktu respons (rata-rata) 303ms
#328	Inkling Small low	Thinkingmachines	2	0.5	$0.055	1/3	852ms
Total Tes 3 Tes Salah 2 Total Biaya $0.055 Waktu respons (rata-rata) 852ms
#329	Ling 3.0 Flash none	Inclusionai	2	0.3	$0.004	0/3	840ms
Total Tes 3 Tes Salah 3 Total Biaya $0.004 Waktu respons (rata-rata) 840ms
#333	MiMo-V2-Flash medium	Xiaomi	2	0.6	$0.043	1/3	96.0s
Total Tes 3 Tes Salah 2 Total Biaya $0.043 Waktu respons (rata-rata) 96.0s
#334	Mistral Small 4 medium	Mistral	2	0.6	$0.126	1/3	6.33s
Total Tes 3 Tes Salah 2 Total Biaya $0.126 Waktu respons (rata-rata) 6.33s
#335	Mistral Small 4 none	Mistral	2	0.5	$0.047	1/3	377ms
Total Tes 3 Tes Salah 2 Total Biaya $0.047 Waktu respons (rata-rata) 377ms
#337	KAT Coder AIR V2.5 medium	Kwaipilot	2	0.3	$0.048	0/3	6.58s
Total Tes 3 Tes Salah 3 Total Biaya $0.048 Waktu respons (rata-rata) 6.58s
#346	Grok 4.20 Beta medium	X AI	2	0.5	$0.750	1/3	21.3s
Total Tes 3 Tes Salah 2 Total Biaya $0.750 Waktu respons (rata-rata) 21.3s
#347	Inkling Small none	Thinkingmachines	2	0.5	$0.054	1/3	442ms
Total Tes 3 Tes Salah 2 Total Biaya $0.054 Waktu respons (rata-rata) 442ms
#348	Qwen3 Coder Next default	Qwen	2	0.5	$0.067	1/3	871ms
Total Tes 3 Tes Salah 2 Total Biaya $0.067 Waktu respons (rata-rata) 871ms
#350	Gemini 3 PRO Preview medium	Google	2	0.5	$0.385	1/3	7.01s
Total Tes 3 Tes Salah 2 Total Biaya $0.385 Waktu respons (rata-rata) 7.01s

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