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

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)
#392	Hunter Alpha medium	OpenRouter	1	0.3	$0.000	0/3	10.5s
Total Tes 3 Tes Salah 3 Total Biaya $0.000 Waktu respons (rata-rata) 10.5s
#393	Grok 4.1 Fast medium	X AI	1	0.6	$0.069	1/3	121.8s
Total Tes 3 Tes Salah 2 Total Biaya $0.069 Waktu respons (rata-rata) 121.8s
#398	Xing4.0 29b A4b medium	Xingchen AGI	1	0.4	$0.000	0/3	381.9s
Total Tes 3 Tes Salah 3 Total Biaya $0.000 Waktu respons (rata-rata) 381.9s
#423	Jev 1.13 default	Typesafe	1	0.8	$0.003	2/3	632ms
Total Tes 3 Tes Salah 1 Total Biaya $0.003 Waktu respons (rata-rata) 632ms
#424	Decider V1.2 default	Perplexity	1	0.6	$0.001	1/3	541ms
Total Tes 3 Tes Salah 2 Total Biaya $0.001 Waktu respons (rata-rata) 541ms
#429	Jev 1.14 default	Typesafe	1	0.8	$0.003	2/3	444ms
Total Tes 3 Tes Salah 1 Total Biaya $0.003 Waktu respons (rata-rata) 444ms
#436	LFM2-24B-A2B default	Liquid	1	0.6	$0.001	1/3	287ms
Total Tes 3 Tes Salah 2 Total Biaya $0.001 Waktu respons (rata-rata) 287ms
#437	Solar Decide Flash default	Upstage	1	0.4	$0.003	1/2	1.11s
Total Tes 2 Tes Salah 1 Total Biaya $0.003 Waktu respons (rata-rata) 1.11s
#439	Solar Decide default	Upstage	1	0.4	$0.009	1/2	7.26s
Total Tes 2 Tes Salah 1 Total Biaya $0.009 Waktu respons (rata-rata) 7.26s

Filter model