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)
#368	Laguna S 2.1 low	Poolside	3	0.3	$0.108	0/3	2.46s
Total Tes 3 Tes Salah 3 Total Biaya $0.108 Waktu respons (rata-rata) 2.46s
#369	Nemotron 3.5 Lightning low	NVIDIA	3	0.4	$0.175	0/3	52.7s
Total Tes 3 Tes Salah 3 Total Biaya $0.175 Waktu respons (rata-rata) 52.7s
#373	Ling 2.6 Flash default	Inclusionai	3	0.3	$0.002	0/3	5.20s
Total Tes 3 Tes Salah 3 Total Biaya $0.002 Waktu respons (rata-rata) 5.20s
#377	Nemotron 3 Super none	NVIDIA	3	0.3	$0.016	0/3	6.78s
Total Tes 3 Tes Salah 3 Total Biaya $0.016 Waktu respons (rata-rata) 6.78s
#378	KAT Coder AIR V2.5 default	Kwaipilot	3	0.3	$0.070	0/3	8.33s
Total Tes 3 Tes Salah 3 Total Biaya $0.070 Waktu respons (rata-rata) 8.33s
#380	Granite 4.2 8B none	IBM Granite	3	0.3	$0.037	0/3	53.6s
Total Tes 3 Tes Salah 3 Total Biaya $0.037 Waktu respons (rata-rata) 53.6s
#381	Cobuddy medium	Baidu	3	0.3	$0.000	0/3	128.2s
Total Tes 3 Tes Salah 3 Total Biaya $0.000 Waktu respons (rata-rata) 128.2s
#386	gpt-oss-120b none	OpenAI	3	0.3	$0.016	0/3	35.0s
Total Tes 3 Tes Salah 3 Total Biaya $0.016 Waktu respons (rata-rata) 35.0s
#396	Granite 4.1 8b default	IBM Granite	3	0.3	$0.007	0/3	287ms
Total Tes 3 Tes Salah 3 Total Biaya $0.007 Waktu respons (rata-rata) 287ms
#397	Nemotron 3.5 Lightning none	NVIDIA	3	0.3	$0.009	0/3	683ms
Total Tes 3 Tes Salah 3 Total Biaya $0.009 Waktu respons (rata-rata) 683ms
#402	Grok 4.20 Beta default	X AI	3	0.3	$0.087	0/3	611ms
Total Tes 3 Tes Salah 3 Total Biaya $0.087 Waktu respons (rata-rata) 611ms
#403	Laguna M.1 default	Poolside	3	0.4	$0.009	0/3	5.50s
Total Tes 3 Tes Salah 3 Total Biaya $0.009 Waktu respons (rata-rata) 5.50s
#404	Elephant Alpha default	Openrouter	3	0.3	$0.000	0/3	927ms
Total Tes 3 Tes Salah 3 Total Biaya $0.000 Waktu respons (rata-rata) 927ms
#405	Elephant Alpha medium	Openrouter	3	0.3	$0.000	0/3	925ms
Total Tes 3 Tes Salah 3 Total Biaya $0.000 Waktu respons (rata-rata) 925ms
#412	Xing4.0 29b A4b none	Xingchen AGI	3	0.3	$0.000	0/3	5.73s
Total Tes 3 Tes Salah 3 Total Biaya $0.000 Waktu respons (rata-rata) 5.73s

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