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)
#273	KAT-Coder-Pro V2.5 default	Kwaipilot	3	0.4	$0.742	0/3	24.9s
Total Tes 3 Tes Salah 3 Total Biaya $0.742 Waktu respons (rata-rata) 24.9s
#274	Apodex 1.1 Mini medium	Apodex	3	0.4	$0.000	0/3	63.7s
Total Tes 3 Tes Salah 3 Total Biaya $0.000 Waktu respons (rata-rata) 63.7s
#276	GLM 5.3 FlashX low	Z.ai	3	0.3	$0.157	0/3	3.87s
Total Tes 3 Tes Salah 3 Total Biaya $0.157 Waktu respons (rata-rata) 3.87s
#278	Inkling Small medium	Thinkingmachines	3	0.3	$0.113	0/3	7.65s
Total Tes 3 Tes Salah 3 Total Biaya $0.113 Waktu respons (rata-rata) 7.65s
#279	Seed-2.0-Lite none	Bytedance Seed	3	0.3	$0.114	0/3	1.12s
Total Tes 3 Tes Salah 3 Total Biaya $0.114 Waktu respons (rata-rata) 1.12s
#280	Gemini 3.1 Flash Lite minimal	Google	3	0.3	$0.080	0/3	972ms
Total Tes 3 Tes Salah 3 Total Biaya $0.080 Waktu respons (rata-rata) 972ms
#281	gpt-oss-120b medium	OpenAI	3	0.3	$0.030	0/3	27.6s
Total Tes 3 Tes Salah 3 Total Biaya $0.030 Waktu respons (rata-rata) 27.6s
#282	Gemini 3.1 Flash Lite none	Google	3	0.3	$0.069	0/3	701ms
Total Tes 3 Tes Salah 3 Total Biaya $0.069 Waktu respons (rata-rata) 701ms
#284	Claude Sonnet 5 none	Anthropic	3	0.3	$1.095	0/3	3.32s
Total Tes 3 Tes Salah 3 Total Biaya $1.095 Waktu respons (rata-rata) 3.32s
#287	Qwen3.8 Flash Next none	Qwen	3	0.3	~$0.011	0/3	5.38s
Total Tes 3 Tes Salah 3 Total Biaya ~$0.011 Waktu respons (rata-rata) 5.38s
#291	Ring 2.6 1t medium	Inclusionai	3	0.4	$0.102	0/3	65.3s
Total Tes 3 Tes Salah 3 Total Biaya $0.102 Waktu respons (rata-rata) 65.3s
#292	Trinity Large Thinking high	Arcee AI	3	0.3	$0.794	0/3	66.9s
Total Tes 3 Tes Salah 3 Total Biaya $0.794 Waktu respons (rata-rata) 66.9s
#294	GPT-5.4 Mini none	OpenAI	3	0.4	$0.170	0/3	1.31s
Total Tes 3 Tes Salah 3 Total Biaya $0.170 Waktu respons (rata-rata) 1.31s
#295	Mistral Large 4 none	Mistral	3	0.3	$0.290	0/3	1.61s
Total Tes 3 Tes Salah 3 Total Biaya $0.290 Waktu respons (rata-rata) 1.61s
#297	Dots 3 Note Preview medium	Dots Studio	3	0.4	$0.000	0/3	47.5s
Total Tes 3 Tes Salah 3 Total Biaya $0.000 Waktu respons (rata-rata) 47.5s

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 terbuangPerkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.1095 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.010823.

Model teratas menurut Perkiraan biaya terbuang