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) |
|---|---|---|---|---|---|---|---|
| #106 | DeepSeek V4 Flash 0423 high | DeepSeek | 6 | 0.8 | $0.261 | 14/23 | 56.0s |
| #112 | Qwen3.8 Flash Next low | Qwen | 6 | 0.8 | ~$0.045 | 15/23 | 23.7s |
| #117 | GPT-5.4 Mini medium | OpenAI | 6 | 0.8 | $1.102 | 13/23 | 29.9s |
| #121 | MiMo-V2.6-Flash medium | Xiaomi | 6 | 0.8 | $0.218 | 12/23 | 61.9s |
| #124 | Grok 4.5 medium | X AI | 6 | 0.8 | $2.996 | 17/23 | 68.4s |
| #125 | GLM 5.3 high | Z.ai | 6 | 0.8 | $0.495 | 14/23 | 28.4s |
| #126 | Step 3.7 Flash medium | Stepfun | 6 | 0.8 | $0.571 | 13/23 | 26.6s |
| #127 | Grok 4.6 medium | X AI | 6 | 0.8 | $2.270 | 16/23 | 74.8s |
| #132 | GPT-6 Luna high | OpenAI | 6 | 0.8 | $0.074 | 15/23 | 20.4s |
| #140 | Qwen3.8 Flash Next medium | Qwen | 6 | 0.8 | ~$0.047 | 15/23 | 24.8s |
| #146 | Mistral Large 4 high | Mistral | 6 | 0.8 | $1.391 | 12/23 | 263.7s |
| #147 | Seed-2.0-Code high | Bytedance Seed | 6 | 0.7 | $1.448 | 12/23 | 124.9s |
| #151 | Seed-2.0-Code medium | Bytedance Seed | 6 | 0.7 | $1.275 | 11/23 | 100.6s |
| #153 | Grok 4.7 low | X AI | 6 | 0.7 | $1.933 | 14/23 | 63.2s |
| #154 | Inkling Small high | Thinkingmachines | 6 | 0.7 | $0.398 | 14/23 | 29.1s |