Kegagalan Jawaban salah
Lihat model AI mana yang paling sering mengalami Jawaban salah, agar Anda bisa melihat risiko keandalan sebelum memilih. Urutkan berdasarkan: Jumlah kegagalan ↑.
Kategori
Dalam kategori Spesifik domain878 Dalam kategori Trik anti-AI502 Dalam kategori Pemrograman477 Dalam kategori Pemecahan teka-teki344 Dalam kategori Pengetahuan umum306 Dalam kategori Kecerdasan umum129 Dalam kategori Gabungan126 Dalam kategori Tugas agen126 Dalam kategori Kepatuhan instruksi111 Dalam kategori Parsing dan ekstraksi data93
434/434
Filter model
Tidak ada model yang cocok dengan pencarian dan filter saat ini.
| Peringkat | Model | Perusahaan | Jumlah Jawaban salah | Skor | Total Biaya | Tes benar | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|
| #62 | DeepSeek V4.1 Flash high | DeepSeek | 5 | 0.9 | $0.617 | 16/23 | 33.3s |
| #63 | DeepSeek V4.1 Flash medium | DeepSeek | 5 | 0.9 | $0.591 | 16/23 | 32.9s |
| #68 | Seed 2.1 Turbo medium | Bytedance Seed | 5 | 0.9 | $2.042 | 16/23 | 189.1s |
| #69 | GPT-6 Sol low | OpenAI | 5 | 0.9 | $0.477 | 18/23 | 8.72s |
| #71 | Muse Spark 1.1 low | Meta | 5 | 0.9 | $0.885 | 14/23 | 13.2s |
| #73 | Claude Sonnet 5.5 high | Anthropic | 5 | 0.9 | $1.175 | 16/23 | 10.8s |
| #78 | Claude Sonnet 5 medium | Anthropic | 5 | 0.9 | $1.438 | 16/23 | 15.0s |
| #79 | Qwen3.7 Max medium | Qwen | 5 | 0.9 | $1.689 | 17/23 | 48.4s |
| #82 | Qwen3.8 2.4T A95B low | Qwen | 5 | 0.8 | $4.016 | 16/23 | 120.4s |
| #83 | GPT-5 Mini medium | OpenAI | 5 | 0.8 | $0.315 | 13/23 | 29.4s |
| #88 | DeepSeek V4 Flash 0731 high | DeepSeek | 5 | 0.8 | $0.576 | 15/23 | 118.8s |
| #89 | GLM 5.2 high | Z.ai | 5 | 0.8 | $4.632 | 15/23 | 69.1s |
| #95 | Claude Opus 4.8 medium | Anthropic | 5 | 0.8 | $3.490 | 17/23 | 16.7s |
| #98 | Gemini 4 Argon low | 5 | 0.8 | $0.438 | 15/23 | 5.72s | |
| #130 | DeepSeek V4 Flash 0731 medium | DeepSeek | 5 | 0.8 | $0.460 | 12/23 | 94.2s |