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)
#137	Qwen3.7 Flash low	Qwen	3	0.4	$0.071	0/3	37.6s
Total Tes 3 Tes Salah 3 Total Biaya $0.071 Waktu respons (rata-rata) 37.6s
#138	Muse Glimmer 30B medium	Meta	3	0.3	$0.288	0/3	44.6s
Total Tes 3 Tes Salah 3 Total Biaya $0.288 Waktu respons (rata-rata) 44.6s
#140	Qwen3.8 Flash Next medium	Qwen	3	0.3	~$0.047	0/3	17.3s
Total Tes 3 Tes Salah 3 Total Biaya ~$0.047 Waktu respons (rata-rata) 17.3s
#146	Mistral Large 4 high	Mistral	3	0.3	$1.391	0/3	289.4s
Total Tes 3 Tes Salah 3 Total Biaya $1.391 Waktu respons (rata-rata) 289.4s
#148	GPT-5.6 Luna medium	OpenAI	3	0.3	$0.065	0/3	18.5s
Total Tes 3 Tes Salah 3 Total Biaya $0.065 Waktu respons (rata-rata) 18.5s
#149	Qwen3.6 Flash medium	Qwen	3	0.3	$0.783	0/3	17.0s
Total Tes 3 Tes Salah 3 Total Biaya $0.783 Waktu respons (rata-rata) 17.0s
#150	DeepSeek V4 Flash 0731 low	DeepSeek	3	0.3	$0.306	0/3	255.5s
Total Tes 3 Tes Salah 3 Total Biaya $0.306 Waktu respons (rata-rata) 255.5s
#152	GLM 5.3 FlashX high	Z.ai	3	0.4	$0.210	0/3	50.0s
Total Tes 3 Tes Salah 3 Total Biaya $0.210 Waktu respons (rata-rata) 50.0s
#155	DeepSeek V4 Pro 0423 none	DeepSeek	3	0.3	$0.083	0/3	4.91s
Total Tes 3 Tes Salah 3 Total Biaya $0.083 Waktu respons (rata-rata) 4.91s
#163	Qwen3.6 Plus medium	Qwen	3	0.3	$0.554	0/3	46.4s
Total Tes 3 Tes Salah 3 Total Biaya $0.554 Waktu respons (rata-rata) 46.4s
#164	Gemini 3.5 Flash Lite medium	Google	3	0.4	$0.440	0/3	5.34s
Total Tes 3 Tes Salah 3 Total Biaya $0.440 Waktu respons (rata-rata) 5.34s
#170	Qwen3.7 Flash high	Qwen	3	0.3	$0.063	0/3	34.4s
Total Tes 3 Tes Salah 3 Total Biaya $0.063 Waktu respons (rata-rata) 34.4s
#173	Step 3.7 Flash low	Stepfun	3	0.3	$0.449	0/3	22.7s
Total Tes 3 Tes Salah 3 Total Biaya $0.449 Waktu respons (rata-rata) 22.7s
#176	Qwen3.8 Flash Next xhigh	Qwen	3	0.3	~$0.195	0/3	327.0s
Total Tes 3 Tes Salah 3 Total Biaya ~$0.195 Waktu respons (rata-rata) 327.0s
#177	GLM 5.3 FlashX medium	Z.ai	3	0.4	$0.114	0/3	3.52s
Total Tes 3 Tes Salah 3 Total Biaya $0.114 Waktu respons (rata-rata) 3.52s

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 terbuangPerkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.

Model teratas menurut Perkiraan biaya terbuang