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) |
|---|---|---|---|---|---|---|---|
| #135 | Claude Haiku 5.5 medium | Anthropic | 5 | 0.8 | $0.063 | 13/23 | 7.71s |
| #142 | Qwen3.8 27B low | Qwen | 5 | 0.8 | ~$0.089 | 15/23 | 46.6s |
| #144 | GLM 5.1 medium | Z.ai | 5 | 0.8 | $1.546 | 13/23 | 66.4s |
| #145 | Seed-2.0-Mini medium | Bytedance Seed | 5 | 0.8 | $0.140 | 12/23 | 91.7s |
| #156 | Inkling medium | Thinkingmachines | 5 | 0.7 | $0.527 | 15/23 | 17.0s |
| #160 | Grok 4.7 medium | X AI | 5 | 0.7 | $2.938 | 15/23 | 117.7s |
| #169 | Claude Opus 4.8 low | Anthropic | 5 | 0.7 | $3.787 | 16/23 | 17.1s |
| #174 | Qwen3.6 27B medium | Qwen | 5 | 0.7 | $1.021 | 11/23 | 107.8s |
| #178 | MiMo-V2.6-Flash low | Xiaomi | 5 | 0.7 | $0.200 | 12/23 | 54.6s |
| #179 | MiMo-V2.5 medium | Xiaomi | 5 | 0.7 | $0.130 | 12/23 | 49.2s |
| #186 | Qwen3.5-122B-A10B medium | Qwen | 5 | 0.7 | $1.152 | 14/23 | 67.0s |
| #195 | Claude Opus 4.8 none | Anthropic | 5 | 0.7 | $2.334 | 13/23 | 7.54s |
| #197 | Qwen3.5-Flash medium | Qwen | 5 | 0.7 | $0.184 | 12/23 | 83.7s |
| #202 | Solar Pro 4 xhigh | Upstage | 5 | 0.7 | $0.067 | 12/23 | 142.8s |
| #208 | MiniMax M3 medium | Minimax | 5 | 0.7 | $0.422 | 11/23 | 77.0s |