Peringkat Pemecahan teka-teki x Jawaban salah

Lihat model AI mana yang paling mungkin mengalami Jawaban salah di Pemecahan teka-teki, agar Anda bisa menemukan titik lemahnya lebih cepat.

Model yang ditampilkan

Total kegagalan

275

Model yang paling terdampak

Qwen3.5-Flash 3

Alasan kegagalan

Jawaban salah275 Tidak mengikuti instruksi128 Kesalahan API15 Format tambahan14 Kedaluwarsa11 Tidak ada jawaban11

Kategori

Spesifik domain659 Trik anti-AI386 Pemrograman361 Pemecahan teka-teki275 Pengetahuan umum246 Gabungan95 Kecerdasan umum90 Kepatuhan instruksi82 Parsing dan ekstraksi data66 Pemanggilan alat5

186/186

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#240	KAT-Coder-Air V2.5 low	Kwaipilot	2	3.1	$0.046	0/3	1.57s
Total Tes 3 Tes Salah 3 Total Biaya $0.046 Waktu respons (rata-rata) 1.57s
#244	DeepSeek V4 Flash 0731 none	DeepSeek	2	3.2	$0.011	0/3	2.74s
Total Tes 3 Tes Salah 3 Total Biaya $0.011 Waktu respons (rata-rata) 2.74s
#245	Laguna S 2.1 high	Poolside	2	2.9	$0.114	0/3	1.62s
Total Tes 3 Tes Salah 3 Total Biaya $0.114 Waktu respons (rata-rata) 1.62s
#249	Ling-2.6-1T none	Inclusionai	2	3.1	$0.016	0/3	5.36s
Total Tes 3 Tes Salah 3 Total Biaya $0.016 Waktu respons (rata-rata) 5.36s
#256	Mistral Small 4 none	Mistral	2	3.1	$0.022	0/3	399ms
Total Tes 3 Tes Salah 3 Total Biaya $0.022 Waktu respons (rata-rata) 399ms
#257	Mistral Small 4 medium	Mistral	2	3.4	$0.097	0/3	2.17s
Total Tes 3 Tes Salah 3 Total Biaya $0.097 Waktu respons (rata-rata) 2.17s
#258	Granite 4.2 8B low	IBM Granite	2	3.0	$0.012	0/3	90.8s
Total Tes 3 Tes Salah 3 Total Biaya $0.012 Waktu respons (rata-rata) 90.8s
#261	Qwen3.5-9B none	Qwen	2	3.2	$0.021	0/3	621ms
Total Tes 3 Tes Salah 3 Total Biaya $0.021 Waktu respons (rata-rata) 621ms
#266	Laguna S 2.1 low	Poolside	2	3.1	$0.082	0/3	2.70s
Total Tes 3 Tes Salah 3 Total Biaya $0.082 Waktu respons (rata-rata) 2.70s
#268	GPT-4o-mini none	OpenAI	2	3.5	$0.010	0/3	1.21s
Total Tes 3 Tes Salah 3 Total Biaya $0.010 Waktu respons (rata-rata) 1.21s
#271	Ling-2.6-flash none	Inclusionai	2	2.9	$0.002	0/3	6.51s
Total Tes 3 Tes Salah 3 Total Biaya $0.002 Waktu respons (rata-rata) 6.51s
#281	Trinity Large Preview none	Arcee AI	2	3.6	$0.008	0/3	1.97s
Total Tes 3 Tes Salah 3 Total Biaya $0.008 Waktu respons (rata-rata) 1.97s
#285	Cobuddy medium	Baidu	2	3.6	$0.000	0/3	12.8s
Total Tes 3 Tes Salah 3 Total Biaya $0.000 Waktu respons (rata-rata) 12.8s
#288	Qwen3 Coder Next medium	Qwen	2	3.0	$0.034	0/3	1.25s
Total Tes 3 Tes Salah 3 Total Biaya $0.034 Waktu respons (rata-rata) 1.25s
#292	Laguna M.1 none	Poolside	2	3.0	$0.009	0/3	891ms
Total Tes 3 Tes Salah 3 Total Biaya $0.009 Waktu respons (rata-rata) 891ms

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

Pemecahan teka-teki: 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