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) |
|---|---|---|---|---|---|---|---|
| #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 |
| #381 | Cobuddy medium | Baidu | 9 | 0.4 | $0.000 | 7/22 | 38.0s |
| #409 | Laguna Xs.2 medium | Poolside | 6 | 0.3 | $0.015 | 6/19 | 6.73s |
| #232 | Qwen3.5-122B-A10B none | Qwen | 13 | 0.6 | $0.308 | 7/23 | 14.8s |
| #269 | Inkling none | Thinkingmachines | 13 | 0.6 | $0.292 | 7/23 | 5.30s |
| #283 | Qwen3.6 Flash none | Qwen | 13 | 0.6 | $0.139 | 7/23 | 7.63s |
| #284 | Claude Sonnet 5 none | Anthropic | 9 | 0.6 | $1.095 | 7/23 | 8.60s |
| #286 | Qwen3.7 Flash none | Qwen | 14 | 0.6 | $0.028 | 7/23 | 14.7s |
| #289 | DeepSeek V4.1 Flash none | DeepSeek | 11 | 0.6 | $0.391 | 7/23 | 16.6s |
| #300 | GPT-5.4 none | OpenAI | 15 | 0.6 | $0.690 | 7/23 | 3.89s |
| #301 | Solar Pro 4 none | Upstage | 14 | 0.6 | $0.022 | 7/23 | 8.14s |
| #310 | GPT-6 Luna none | OpenAI | 13 | 0.5 | $0.026 | 7/23 | 20.5s |
| #323 | Granite 4.2 8B low | IBM Granite | 11 | 0.5 | $0.036 | 7/23 | 58.2s |