Kegagalan Jawaban salah
Lihat model AI mana yang paling sering mengalami Jawaban salah, agar Anda bisa melihat risiko keandalan sebelum memilih. Urutkan berdasarkan: Skor ↑.
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) |
|---|---|---|---|---|---|---|---|
| #77 | Muse Spark 1.3 low | Meta | 4 | 0.9 | $0.911 | 16/23 | 17.7s |
| #76 | Grok 4.6 high | X AI | 3 | 0.9 | $2.629 | 19/23 | 87.5s |
| #75 | Qwen3.8 Max (0902) low | Qwen | 4 | 0.9 | $1.131 | 18/23 | 29.1s |
| #74 | Claude Haiku 5.5 low | Anthropic | 3 | 0.9 | $0.061 | 16/23 | 7.51s |
| #73 | Claude Sonnet 5.5 high | Anthropic | 5 | 0.9 | $1.175 | 16/23 | 10.8s |
| #71 | Muse Spark 1.1 low | Meta | 5 | 0.9 | $0.885 | 14/23 | 13.2s |
| #72 | Claude Sonnet 5.5 xhigh | Anthropic | 3 | 0.9 | $1.516 | 16/23 | 15.0s |
| #70 | DeepSeek V4.1 Flash max | DeepSeek | 6 | 0.9 | $1.204 | 15/23 | 61.6s |
| #69 | GPT-6 Sol low | OpenAI | 5 | 0.9 | $0.477 | 18/23 | 8.72s |
| #68 | Seed 2.1 Turbo medium | Bytedance Seed | 5 | 0.9 | $2.042 | 16/23 | 189.1s |
| #67 | MiMo-V2.6-Pro medium | Xiaomi | 3 | 0.9 | $0.586 | 14/23 | 148.1s |
| #66 | Qwen3.8 27B high | Qwen | 2 | 0.9 | ~$0.298 | 17/23 | 166.3s |
| #65 | GPT-5.2 medium | OpenAI | 3 | 0.9 | $1.558 | 15/23 | 31.3s |
| #64 | Muse Spark 1.2 low | Meta | 4 | 0.9 | $0.881 | 16/23 | 11.8s |
| #63 | DeepSeek V4.1 Flash medium | DeepSeek | 5 | 0.9 | $0.591 | 16/23 | 32.9s |