Kegagalan Jawaban salah
Lihat model AI mana yang paling sering mengalami Jawaban salah, agar Anda bisa melihat risiko keandalan sebelum memilih. Urutkan berdasarkan: Tes benar ↑.
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) |
|---|---|---|---|---|---|---|---|
| #155 | DeepSeek V4 Pro 0423 none | DeepSeek | 9 | 0.7 | $0.083 | 10/23 | 14.1s |
| #162 | LongCat 2.0 high | Meituan | 7 | 0.7 | $0.778 | 10/23 | 151.7s |
| #165 | Qwen3.5-27B none | Qwen | 11 | 0.7 | $0.116 | 10/23 | 9.98s |
| #185 | Step 5 Preview high | Stepfun | 3 | 0.7 | $4.513 | 10/23 | 154.4s |
| #194 | Claude Sonnet 5.5 low | Anthropic | 1 | 0.7 | $0.909 | 10/23 | 7.46s |
| #216 | Qwen3.7 Flash medium | Qwen | 8 | 0.7 | $0.076 | 10/23 | 51.8s |
| #217 | LongCat 2.0 low | Meituan | 8 | 0.7 | $0.630 | 10/23 | 115.0s |
| #218 | Mercury 2 medium | Inception | 9 | 0.7 | $0.121 | 10/23 | 4.40s |
| #237 | Kimi K2.5 medium | Moonshot AI | 5 | 0.6 | $0.841 | 10/23 | 125.8s |
| #242 | Dots 3 Note Preview high | Dots Studio | 9 | 0.6 | $0.000 | 10/23 | 70.5s |
| #243 | Dots 3 Note Preview low | Dots Studio | 8 | 0.6 | $0.000 | 10/23 | 66.1s |
| #254 | Space Bunny Alpha medium | Stealth | 11 | 0.6 | $0.000 | 10/23 | 32.9s |
| #271 | Step 5 Preview medium | Stepfun | 3 | 0.6 | $4.136 | 10/23 | 136.1s |
| #278 | Inkling Small medium | Thinkingmachines | 6 | 0.6 | $0.113 | 10/23 | 6.03s |
| #280 | Gemini 3.1 Flash Lite minimal | 9 | 0.6 | $0.080 | 10/23 | 3.95s |