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) |
|---|---|---|---|---|---|---|---|
| #407 | Grok 4.20 none | X AI | 10 | 0.3 | $0.057 | 6/18 | 1.11s |
| #421 | d1-ultra default | Liquid | 7 | 0.3 | $0.003 | 4/12 | 531ms |
| #425 | Decider V1.1 27B default | Perplexity | 8 | 0.3 | $0.002 | 4/12 | 320ms |
| #426 | Drex v1.5 default | Nace AI | 8 | 0.2 | $0.002 | 4/12 | 986ms |
| #429 | Jev 1.14 default | Typesafe | 7 | 0.2 | $0.003 | 4/12 | 377ms |
| #205 | Qwen3.5-Flash none | Qwen | 14 | 0.7 | $0.089 | 8/23 | 26.5s |
| #244 | LongCat 2.0 none | Meituan | 13 | 0.6 | $0.104 | 8/23 | 8.50s |
| #246 | Qwen3.6 27B none | Qwen | 11 | 0.6 | $0.148 | 8/23 | 12.7s |
| #256 | Trinity Large Thinking low | Arcee AI | 7 | 0.6 | $0.918 | 8/23 | 95.2s |
| #267 | Trinity Large Thinking medium | Arcee AI | 9 | 0.6 | $0.862 | 8/23 | 84.0s |
| #270 | Qwen3.5 Plus 2026-04-20 none | Qwen | 12 | 0.6 | $0.216 | 8/23 | 18.5s |
| #272 | Granite 4.2 8B medium | IBM Granite | 9 | 0.6 | $0.029 | 8/23 | 50.5s |
| #279 | Seed-2.0-Lite none | Bytedance Seed | 14 | 0.6 | $0.114 | 8/23 | 7.49s |
| #285 | Nemotron 3 Ultra none | NVIDIA | 12 | 0.6 | $0.164 | 8/23 | 6.76s |
| #287 | Qwen3.8 Flash Next none | Qwen | 14 | 0.6 | ~$0.011 | 8/23 | 5.71s |