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) |
|---|---|---|---|---|---|---|---|
| #49 | Gemini 4 Argon medium | 4 | 0.9 | $0.674 | 19/23 | 6.63s | |
| #50 | Claude Opus 5 low | Anthropic | 4 | 0.9 | $2.350 | 19/23 | 9.87s |
| #51 | Gemini 3.6 Flash low | 4 | 0.9 | $0.363 | 19/23 | 6.82s | |
| #76 | Grok 4.6 high | X AI | 3 | 0.9 | $2.629 | 19/23 | 87.5s |
| #80 | Claude Haiku 5.5 max | Anthropic | 1 | 0.8 | $0.509 | 19/23 | 61.7s |
| #92 | Gemini 3.5 Flash high | 2 | 0.8 | $2.737 | 19/23 | 18.6s | |
| #111 | Gemini 3.8 Flash medium | 2 | 0.8 | $0.769 | 19/23 | 16.6s | |
| #116 | Claude Fable 5.1 high | Anthropic | 3 | 0.8 | $3.471 | 19/23 | 13.3s |
| #314 | Claude Opus 4.7 none | Anthropic | 3 | 0.5 | $0.505 | 16/19 | 3.02s |
| #21 | GPT-6 Astra medium | OpenAI | 3 | 0.9 | $2.707 | 20/23 | 9.90s |
| #23 | GPT-5.5 low | OpenAI | 3 | 0.9 | $1.822 | 20/23 | 11.9s |
| #31 | Claude Opus 5.5 medium | Anthropic | 2 | 0.9 | $1.804 | 20/23 | 25.9s |
| #85 | Gemini 3.1 Pro Preview medium | 2 | 0.8 | $1.585 | 20/23 | 22.7s | |
| #9 | Gemini 3.7 Flash high | 2 | 1.0 | $0.528 | 21/23 | 15.1s | |
| #10 | Gemini 3.6 Flash medium | 2 | 1.0 | $0.577 | 21/23 | 14.0s |