Peringkat Kepatuhan instruksi x Kesalahan API

Lihat model AI mana yang paling mungkin mengalami Kesalahan API di Kepatuhan instruksi, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Total Biaya ↓.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Step 5 Preview 1

Alasan kegagalan

Jawaban salah111 Tidak mengikuti instruksi73 Kesalahan API25 Format tambahan8 Kedaluwarsa5 Tidak ada jawaban2

Kategori

Pemrograman65 Gabungan62 Trik anti-AI44 Spesifik domain40 Pemanggilan alat39 Tugas agen36 Pemecahan teka-teki35 Parsing dan ekstraksi data32 Kepatuhan instruksi25 Pengetahuan umum19

21/21

Peringkat	Model	Perusahaan	Jumlah Kesalahan API	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#185	Step 5 Preview high	Stepfun	1	0.7	$4.513	1/2	20.5s
Total Tes 2 Tes Salah 1 Total Biaya $4.513 Waktu respons (rata-rata) 20.5s
#139	Muse Wonder xhigh	Meta	1	0.7	$4.012	1/2	2.64s
Total Tes 2 Tes Salah 1 Total Biaya $4.012 Waktu respons (rata-rata) 2.64s
#131	Muse Wonder high	Meta	1	0.7	$3.426	1/2	1.97s
Total Tes 2 Tes Salah 1 Total Biaya $3.426 Waktu respons (rata-rata) 1.97s
#32	Muse Wonder medium	Meta	1	0.7	$3.397	1/2	3.88s
Total Tes 2 Tes Salah 1 Total Biaya $3.397 Waktu respons (rata-rata) 3.88s
#209	Ember-1 max	Fireworks	1	0.6	$3.264	1/2	33.0s
Total Tes 2 Tes Salah 1 Total Biaya $3.264 Waktu respons (rata-rata) 33.0s
#40	Muse Wonder low	Meta	1	0.7	$2.637	1/2	2.08s
Total Tes 2 Tes Salah 1 Total Biaya $2.637 Waktu respons (rata-rata) 2.08s
#191	Ember-1 high	Fireworks	1	0.7	$2.405	1/2	33.4s
Total Tes 2 Tes Salah 1 Total Biaya $2.405 Waktu respons (rata-rata) 33.4s
#43	Muse Wonder minimal	Meta	1	0.7	$1.639	1/2	1.39s
Total Tes 2 Tes Salah 1 Total Biaya $1.639 Waktu respons (rata-rata) 1.39s
#184	Ember-1 low	Fireworks	1	0.6	$1.488	1/2	32.7s
Total Tes 2 Tes Salah 1 Total Biaya $1.488 Waktu respons (rata-rata) 32.7s
#320	Ember-1 none	Fireworks	1	0.6	$0.786	1/2	31.0s
Total Tes 2 Tes Salah 1 Total Biaya $0.786 Waktu respons (rata-rata) 31.0s
#414	Command A+ high	Cohere	2	0.3	$0.079	0/2	110.3s
Total Tes 2 Tes Salah 2 Total Biaya $0.079 Waktu respons (rata-rata) 110.3s
#418	Command A+ low	Cohere	2	0.3	$0.073	0/2	105.7s
Total Tes 2 Tes Salah 2 Total Biaya $0.073 Waktu respons (rata-rata) 105.7s
#408	Command A+ medium	Cohere	2	0.3	$0.064	0/2	103.0s
Total Tes 2 Tes Salah 2 Total Biaya $0.064 Waktu respons (rata-rata) 103.0s
#225	Mercury 2.5 high	Inception	1	0.7	$0.044	1/2	934ms
Total Tes 2 Tes Salah 1 Total Biaya $0.044 Waktu respons (rata-rata) 934ms
#239	Mercury 2.5 medium	Inception	1	0.6	$0.034	1/2	1.07s
Total Tes 2 Tes Salah 1 Total Biaya $0.034 Waktu respons (rata-rata) 1.07s

Filter model

Model teratas menurut Jumlah Kesalahan API

Jumlah Kesalahan API vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Kepatuhan instruksi: Kesalahan API

Filter model

Model teratas menurut Jumlah Kesalahan API

Jumlah Kesalahan API vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang