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) |
|---|---|---|---|---|---|---|---|
| #385 | GLM 4.7 Flash medium | Z.ai | 10 | 0.4 | $0.193 | 4/23 | 150.9s |
| #399 | Ling 3.0 Tiny high | Inclusionai | 6 | 0.4 | $0.000 | 4/23 | 72.2s |
| #400 | Ling 3.0 Tiny low | Inclusionai | 5 | 0.4 | $0.000 | 4/23 | 63.2s |
| #401 | Ling 3.0 Tiny medium | Inclusionai | 5 | 0.4 | $0.000 | 4/23 | 65.0s |
| #431 | Clef Omni default | Cloudflare | 9 | 0.2 | $0.011 | 2/12 | 880ms |
| #434 | D1 default | Liquid | 10 | 0.2 | $0.003 | 2/12 | 508ms |
| #415 | Grok 4.1 Fast default | X AI | 13 | 0.3 | $0.008 | 3/19 | 1.62s |
| #441 | Nimble v3 9B default | Bespoke Labs | 5 | 0.8 | ~$0.001 | 1/7 | 363ms |
| #317 | Hy4 preview low | Tencent | 13 | 0.5 | $1.844 | 3/23 | 207.2s |
| #339 | Apodex 1.1 Mini default | Apodex | 16 | 0.5 | $0.000 | 3/23 | 7.79s |
| #343 | Dots 3 Note Preview default | Dots Studio | 16 | 0.5 | $0.000 | 3/23 | 5.36s |
| #354 | Hy4 preview none | Tencent | 14 | 0.5 | $0.165 | 3/23 | 40.4s |
| #363 | Qwen3 Coder Next medium | Qwen | 15 | 0.5 | $0.071 | 3/23 | 17.0s |
| #368 | Laguna S 2.1 low | Poolside | 16 | 0.5 | $0.108 | 3/23 | 88.2s |
| #380 | Granite 4.2 8B none | IBM Granite | 11 | 0.4 | $0.037 | 3/23 | 84.7s |