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) |
|---|---|---|---|---|---|---|---|
| #441 | Nimble v3 9B default | Bespoke Labs | 5 | 0.8 | ~$0.001 | 1/7 | 363ms |
| #140 | Qwen3.8 Flash Next medium | Qwen | 6 | 0.8 | ~$0.047 | 15/23 | 24.8s |
| #141 | GPT-6 Luna low | OpenAI | 7 | 0.8 | $0.033 | 12/23 | 23.2s |
| #142 | Qwen3.8 27B low | Qwen | 5 | 0.8 | ~$0.089 | 15/23 | 46.6s |
| #143 | Space Bunny Alpha high | Stealth | 10 | 0.8 | $0.000 | 13/23 | 29.4s |
| #144 | GLM 5.1 medium | Z.ai | 5 | 0.8 | $1.546 | 13/23 | 66.4s |
| #145 | Seed-2.0-Mini medium | Bytedance Seed | 5 | 0.8 | $0.140 | 12/23 | 91.7s |
| #146 | Mistral Large 4 high | Mistral | 6 | 0.8 | $1.391 | 12/23 | 263.7s |
| #147 | Seed-2.0-Code high | Bytedance Seed | 6 | 0.7 | $1.448 | 12/23 | 124.9s |
| #148 | GPT-5.6 Luna medium | OpenAI | 9 | 0.7 | $0.065 | 13/23 | 9.64s |
| #149 | Qwen3.6 Flash medium | Qwen | 8 | 0.7 | $0.783 | 13/23 | 45.5s |
| #150 | DeepSeek V4 Flash 0731 low | DeepSeek | 8 | 0.7 | $0.306 | 13/23 | 88.1s |
| #151 | Seed-2.0-Code medium | Bytedance Seed | 6 | 0.7 | $1.275 | 11/23 | 100.6s |
| #152 | GLM 5.3 FlashX high | Z.ai | 8 | 0.7 | $0.210 | 13/23 | 14.9s |
| #153 | Grok 4.7 low | X AI | 6 | 0.7 | $1.933 | 14/23 | 63.2s |