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) |
|---|---|---|---|---|---|---|---|
| #186 | Qwen3.5-122B-A10B medium | Qwen | 5 | 0.7 | $1.152 | 14/23 | 67.0s |
| #192 | Gemma 4 31B medium | 4 | 0.7 | $0.144 | 14/23 | 78.8s | |
| #203 | Grok 4.7 xhigh | X AI | 3 | 0.7 | $3.398 | 14/23 | 124.0s |
| #220 | Beam 1.0 501B A23B medium | Reflection | 6 | 0.7 | $0.499 | 14/23 | 6.27s |
| #248 | Gemini 3.1 Flash Lite Preview low | 7 | 0.6 | $0.736 | 14/23 | 19.0s | |
| #265 | Gemini 3.5 Flash none | 4 | 0.6 | $1.752 | 14/23 | 14.1s | |
| #253 | Claude Opus 4.6 medium | Anthropic | 4 | 0.6 | $2.961 | 13/22 | 32.2s |
| #332 | Mimo V2 PRO medium | Xiaomi | 5 | 0.5 | $0.333 | 12/21 | 22.2s |
| #333 | MiMo-V2-Flash medium | Xiaomi | 5 | 0.5 | $0.043 | 12/21 | 20.1s |
| #83 | GPT-5 Mini medium | OpenAI | 5 | 0.8 | $0.315 | 13/23 | 29.4s |
| #87 | Muse Spark 1.1 high | Meta | 3 | 0.8 | $2.570 | 13/23 | 37.4s |
| #110 | GPT-5.4 Nano medium | OpenAI | 8 | 0.8 | $0.235 | 13/23 | 16.0s |
| #117 | GPT-5.4 Mini medium | OpenAI | 6 | 0.8 | $1.102 | 13/23 | 29.9s |
| #126 | Step 3.7 Flash medium | Stepfun | 6 | 0.8 | $0.571 | 13/23 | 26.6s |
| #128 | Qwen3.7 Plus none | Qwen | 9 | 0.8 | $0.178 | 13/23 | 17.8s |