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)
#301	Solar Pro 4 none	Upstage	3	0.3	$0.022	0/3	4.65s
Total Tes 3 Tes Salah 3 Total Biaya $0.022 Waktu respons (rata-rata) 4.65s
#303	GLM 5 none	Z.ai	3	0.3	$0.140	0/3	2.24s
Total Tes 3 Tes Salah 3 Total Biaya $0.140 Waktu respons (rata-rata) 2.24s
#307	Kimi K2.6 none	Moonshot AI	3	0.3	$0.486	0/3	1.39s
Total Tes 3 Tes Salah 3 Total Biaya $0.486 Waktu respons (rata-rata) 1.39s
#309	Gemini 2.5 Flash none	Google	3	0.4	$0.017	0/3	449ms
Total Tes 3 Tes Salah 3 Total Biaya $0.017 Waktu respons (rata-rata) 449ms
#313	Seed-2.0-Code none	Bytedance Seed	3	0.3	$0.257	0/3	1.91s
Total Tes 3 Tes Salah 3 Total Biaya $0.257 Waktu respons (rata-rata) 1.91s
#317	Hy4 preview low	Tencent	3	0.5	$1.844	0/3	470.2s
Total Tes 3 Tes Salah 3 Total Biaya $1.844 Waktu respons (rata-rata) 470.2s
#319	Step 3.5 Flash medium	Stepfun	3	0.3	$0.105	0/3	311.6s
Total Tes 3 Tes Salah 3 Total Biaya $0.105 Waktu respons (rata-rata) 311.6s
#322	GPT-5.6 Luna none	OpenAI	3	0.4	$0.042	0/3	784ms
Total Tes 3 Tes Salah 3 Total Biaya $0.042 Waktu respons (rata-rata) 784ms
#324	Kimi K2.5 none	Moonshot AI	3	0.3	$0.262	0/3	2.75s
Total Tes 3 Tes Salah 3 Total Biaya $0.262 Waktu respons (rata-rata) 2.75s
#327	Qwen3.6 35B A3B none	Qwen	3	0.3	$0.105	0/3	7.76s
Total Tes 3 Tes Salah 3 Total Biaya $0.105 Waktu respons (rata-rata) 7.76s
#330	Nemotron 3.5 Lightning high	NVIDIA	3	0.3	$0.168	0/3	88.6s
Total Tes 3 Tes Salah 3 Total Biaya $0.168 Waktu respons (rata-rata) 88.6s
#336	Mercury 2.5 low	Inception	3	0.4	$0.020	0/3	846ms
Total Tes 3 Tes Salah 3 Total Biaya $0.020 Waktu respons (rata-rata) 846ms
#338	MiMo-V2.5-Pro none	Xiaomi	3	0.3	$0.135	0/3	1.79s
Total Tes 3 Tes Salah 3 Total Biaya $0.135 Waktu respons (rata-rata) 1.79s
#339	Apodex 1.1 Mini default	Apodex	3	0.3	$0.000	0/3	870ms
Total Tes 3 Tes Salah 3 Total Biaya $0.000 Waktu respons (rata-rata) 870ms
#340	Laguna S 2.1 medium	Poolside	3	0.3	$0.092	0/3	2.68s
Total Tes 3 Tes Salah 3 Total Biaya $0.092 Waktu respons (rata-rata) 2.68s

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