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) |
|---|---|---|---|---|---|---|---|
| #214 | GPT-5.5 none | OpenAI | 11 | 0.7 | $1.212 | 12/23 | 4.75s |
| #215 | GLM 5.2 none | Z.ai | 8 | 0.7 | $0.250 | 13/23 | 11.3s |
| #216 | Qwen3.7 Flash medium | Qwen | 8 | 0.7 | $0.076 | 10/23 | 51.8s |
| #217 | LongCat 2.0 low | Meituan | 8 | 0.7 | $0.630 | 10/23 | 115.0s |
| #218 | Mercury 2 medium | Inception | 9 | 0.7 | $0.121 | 10/23 | 4.40s |
| #219 | Step 3.7 Flash high | Stepfun | 8 | 0.7 | $1.478 | 11/23 | 72.7s |
| #220 | Beam 1.0 501B A23B medium | Reflection | 6 | 0.7 | $0.499 | 14/23 | 6.27s |
| #221 | KAT-Coder-Pro V2.5 low | Kwaipilot | 10 | 0.7 | $0.568 | 11/23 | 19.4s |
| #222 | Claude Sonnet 5.5 medium | Anthropic | 1 | 0.7 | $1.100 | 9/23 | 8.03s |
| #223 | Qwen3.6 35B A3B medium | Qwen | 6 | 0.7 | $0.834 | 12/23 | 59.9s |
| #224 | Mercury 2.5 Preview high | Inception | 6 | 0.6 | $0.040 | 12/23 | 7.61s |
| #225 | Mercury 2.5 high | Inception | 9 | 0.6 | $0.044 | 12/23 | 7.62s |
| #226 | Beam 1.0 501B A23B xhigh | Reflection | 8 | 0.6 | $0.688 | 12/23 | 9.18s |
| #227 | GLM 5.3 low | Z.ai | 8 | 0.6 | $0.215 | 12/23 | 15.2s |
| #228 | GLM 5.1 none | Z.ai | 12 | 0.6 | $0.451 | 9/23 | 11.1s |