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: Waktu respons (rata-rata) ↑.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Grok 4.1 Fast 1

Alasan kegagalan

Kesalahan API17 Pemanggilan alat tidak valid9 Tidak mengikuti instruksi8 Jawaban salah3 Tidak ada jawaban2

Kategori

Spesifik domain412 Trik anti-AI293 Pemrograman252 Pemecahan teka-teki201 Pengetahuan umum168 Gabungan68 Kepatuhan instruksi61 Kecerdasan umum59 Parsing dan ekstraksi data41 Pemanggilan alat3

3/3

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#203	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
#55	GPT-5.6 Terra low	OpenAI	1	4.7	$0.519	0/1	6.69s
Total Tes 1 Tes Salah 1 Total Biaya $0.519 Waktu respons (rata-rata) 6.69s
#176	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

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 terbuang