Peringkat Pemanggilan alat x Jawaban salah

Lihat model AI mana yang paling mungkin mengalami Jawaban salah di Pemanggilan alat, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Jumlah kegagalan ↑.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Qwen3.8 27B 1

Alasan kegagalan

Kesalahan API25 Tidak mengikuti instruksi12 Pemanggilan alat tidak valid11 Jawaban salah5 Tidak ada jawaban2

Kategori

Spesifik domain654 Trik anti-AI386 Pemrograman361 Pemecahan teka-teki275 Pengetahuan umum244 Gabungan95 Kecerdasan umum90 Kepatuhan instruksi82 Parsing dan ekstraksi data66 Pemanggilan alat5

5/5

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#69	Qwen3.8 27B low	Qwen	1	3.0	~$0.071	0/1	8.42s
Total Tes 1 Tes Salah 1 Total Biaya ~$0.071 Waktu respons (rata-rata) 8.42s
#91	GPT-5.6 Terra low	OpenAI	1	4.7	$0.420	0/1	6.69s
Total Tes 1 Tes Salah 1 Total Biaya $0.420 Waktu respons (rata-rata) 6.69s
#275	GLM 4.7 Flash none	Z.ai	1	2.8	$0.016	0/1	7.05s
Total Tes 1 Tes Salah 1 Total Biaya $0.016 Waktu respons (rata-rata) 7.05s
#285	Laguna S 2.1 none	Poolside	1	4.7	$0.022	0/1	1.45s
Total Tes 1 Tes Salah 1 Total Biaya $0.022 Waktu respons (rata-rata) 1.45s
#303	Grok 4.1 Fast none	X AI	1	2.8	$0.008	0/1	5.51s
Total Tes 1 Tes Salah 1 Total Biaya $0.008 Waktu respons (rata-rata) 5.51s

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

Pemanggilan alat: 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: 0.7171 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.070898.

Model teratas menurut Perkiraan biaya terbuang