Kegagalan Jawaban salah
Lihat model AI mana yang paling sering mengalami Jawaban salah, agar Anda bisa melihat risiko keandalan sebelum memilih. Urutkan berdasarkan: Total Biaya ↑.
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) |
|---|---|---|---|---|---|---|---|
| #97 | Qwen3.7 Plus medium | Qwen | 6 | 0.8 | $0.415 | 16/23 | 59.7s |
| #208 | MiniMax M3 medium | Minimax | 5 | 0.7 | $0.422 | 11/23 | 77.0s |
| #238 | Beam 1.0 501B A23B low | Reflection | 6 | 0.6 | $0.432 | 11/23 | 4.89s |
| #136 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 8 | 0.8 | $0.435 | 14/23 | 54.1s |
| #113 | GPT-5.6 Terra low | OpenAI | 8 | 0.8 | $0.435 | 14/23 | 7.58s |
| #134 | Nemotron 3.5 Super VL medium | NVIDIA | 4 | 0.8 | $0.437 | 14/23 | 84.9s |
| #98 | Gemini 4 Argon low | 5 | 0.8 | $0.438 | 15/23 | 5.72s | |
| #384 | MiniMax M2.5 medium | Minimax | 7 | 0.4 | $0.440 | 5/23 | 102.3s |
| #164 | Gemini 3.5 Flash Lite medium | 6 | 0.7 | $0.440 | 14/23 | 8.68s | |
| #173 | Step 3.7 Flash low | Stepfun | 9 | 0.7 | $0.449 | 11/23 | 20.7s |
| #118 | Qwen3.7 Max none | Qwen | 7 | 0.8 | $0.451 | 16/23 | 7.85s |
| #228 | GLM 5.1 none | Z.ai | 12 | 0.6 | $0.451 | 9/23 | 11.1s |
| #312 | GLM 5V Turbo medium | Z.ai | 7 | 0.5 | $0.457 | 11/21 | 23.1s |
| #16 | GPT-6.1 Sol low | OpenAI | 2 | 1.0 | $0.460 | 21/23 | 7.15s |
| #130 | DeepSeek V4 Flash 0731 medium | DeepSeek | 5 | 0.8 | $0.460 | 12/23 | 94.2s |