Kegagalan Jawaban salah
Lihat model AI mana yang paling sering mengalami Jawaban salah, agar Anda bisa melihat risiko keandalan sebelum memilih. Urutkan berdasarkan: Waktu respons (rata-rata) ↑.
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) |
|---|---|---|---|---|---|---|---|
| #138 | Muse Glimmer 30B medium | Meta | 9 | 0.8 | $0.288 | 12/23 | 34.0s |
| #139 | Muse Wonder xhigh | Meta | 3 | 0.8 | $4.012 | 14/23 | 34.4s |
| #184 | Ember-1 low | Fireworks | 3 | 0.7 | $1.488 | 13/23 | 34.9s |
| #324 | Kimi K2.5 none | Moonshot AI | 17 | 0.5 | $0.262 | 5/23 | 35.9s |
| #201 | Space Bunny Alpha max | Stealth | 10 | 0.7 | $0.000 | 11/23 | 36.2s |
| #258 | Grok 4.20 medium | X AI | 7 | 0.6 | $1.246 | 11/23 | 36.7s |
| #353 | Qwen3.5-9B none | Qwen | 15 | 0.5 | $0.041 | 4/23 | 37.2s |
| #87 | Muse Spark 1.1 high | Meta | 3 | 0.8 | $2.570 | 13/23 | 37.4s |
| #381 | Cobuddy medium | Baidu | 9 | 0.4 | $0.000 | 7/22 | 38.0s |
| #257 | DeepSeek V4 Flash 0423 none | DeepSeek | 13 | 0.6 | $0.149 | 5/23 | 38.6s |
| #433 | Step 3.5 Flash none | Stepfun | 1 | 0.2 | $0.020 | 6/12 | 39.0s |
| #172 | GLM 5 medium | Z.ai | 4 | 0.7 | $0.479 | 15/22 | 39.0s |
| #47 | Muse Spark 1.3 medium | Meta | 4 | 0.9 | $1.712 | 18/23 | 39.8s |
| #33 | GPT-5.5 medium | OpenAI | 4 | 0.9 | $4.809 | 19/23 | 39.9s |
| #167 | Qwen3.8 27B medium | Qwen | 4 | 0.7 | ~$0.073 | 14/23 | 40.1s |