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)
#354	Hy4 preview none	Tencent	2	0.7	$0.165	1/3	25.6s
Total Tes 3 Tes Salah 2 Total Biaya $0.165 Waktu respons (rata-rata) 25.6s
#356	Hy3 preview high	Tencent	2	0.5	$0.135	1/3	109.0s
Total Tes 3 Tes Salah 2 Total Biaya $0.135 Waktu respons (rata-rata) 109.0s
#357	GLM 4.7 Flash none	Z.ai	2	0.5	$0.027	1/3	2.22s
Total Tes 3 Tes Salah 2 Total Biaya $0.027 Waktu respons (rata-rata) 2.22s
#362	Granite 4.2 8B high	IBM Granite	2	0.3	$0.111	0/3	167.2s
Total Tes 3 Tes Salah 3 Total Biaya $0.111 Waktu respons (rata-rata) 167.2s
#367	GLM 5V Turbo none	Z.ai	2	0.5	$0.052	1/3	2.09s
Total Tes 3 Tes Salah 2 Total Biaya $0.052 Waktu respons (rata-rata) 2.09s
#370	Owl Alpha medium	Openrouter	2	0.5	$0.000	1/3	8.58s
Total Tes 3 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 8.58s
#371	Mimo V2 PRO default	Xiaomi	2	0.5	$0.045	1/3	1.78s
Total Tes 3 Tes Salah 2 Total Biaya $0.045 Waktu respons (rata-rata) 1.78s
#372	Owl Alpha default	Openrouter	2	0.5	$0.000	1/3	3.00s
Total Tes 3 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 3.00s
#374	Hy3 preview low	Tencent	2	0.6	$0.042	1/3	40.4s
Total Tes 3 Tes Salah 2 Total Biaya $0.042 Waktu respons (rata-rata) 40.4s
#375	Ring 2.6 1t default	Inclusionai	2	0.5	$0.026	1/3	56.8s
Total Tes 3 Tes Salah 2 Total Biaya $0.026 Waktu respons (rata-rata) 56.8s
#376	Mimo V2 Omni default	Xiaomi	2	0.5	$0.021	1/3	2.10s
Total Tes 3 Tes Salah 2 Total Biaya $0.021 Waktu respons (rata-rata) 2.10s
#379	Trinity Large Preview default	Arcee AI	2	0.5	$0.008	1/3	877ms
Total Tes 3 Tes Salah 2 Total Biaya $0.008 Waktu respons (rata-rata) 877ms
#382	Mercury 2 none	Inception	2	0.6	$0.033	1/3	500ms
Total Tes 3 Tes Salah 2 Total Biaya $0.033 Waktu respons (rata-rata) 500ms
#383	Gemini 3.1 Flash Lite Preview high	Google	2	0.5	$2.310	1/3	127.6s
Total Tes 3 Tes Salah 2 Total Biaya $2.310 Waktu respons (rata-rata) 127.6s
#384	MiniMax M2.5 medium	Minimax	2	0.3	$0.440	0/3	158.9s
Total Tes 3 Tes Salah 3 Total Biaya $0.440 Waktu respons (rata-rata) 158.9s

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