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) |
|---|---|---|---|---|---|---|---|
| #64 | Muse Spark 1.2 low | Meta | 4 | 0.9 | $0.881 | 16/23 | 11.8s |
| #68 | Seed 2.1 Turbo medium | Bytedance Seed | 5 | 0.9 | $2.042 | 16/23 | 189.1s |
| #72 | Claude Sonnet 5.5 xhigh | Anthropic | 3 | 0.9 | $1.516 | 16/23 | 15.0s |
| #73 | Claude Sonnet 5.5 high | Anthropic | 5 | 0.9 | $1.175 | 16/23 | 10.8s |
| #74 | Claude Haiku 5.5 low | Anthropic | 3 | 0.9 | $0.061 | 16/23 | 7.51s |
| #77 | Muse Spark 1.3 low | Meta | 4 | 0.9 | $0.911 | 16/23 | 17.7s |
| #78 | Claude Sonnet 5 medium | Anthropic | 5 | 0.9 | $1.438 | 16/23 | 15.0s |
| #82 | Qwen3.8 2.4T A95B low | Qwen | 5 | 0.8 | $4.016 | 16/23 | 120.4s |
| #86 | Inkling high | Thinkingmachines | 4 | 0.8 | $1.238 | 16/23 | 62.7s |
| #97 | Qwen3.7 Plus medium | Qwen | 6 | 0.8 | $0.415 | 16/23 | 59.7s |
| #118 | Qwen3.7 Max none | Qwen | 7 | 0.8 | $0.451 | 16/23 | 7.85s |
| #122 | Muse Wonder max | Meta | 2 | 0.8 | $4.766 | 16/23 | 44.4s |
| #127 | Grok 4.6 medium | X AI | 6 | 0.8 | $2.270 | 16/23 | 74.8s |
| #129 | Grok 4.5 low | X AI | 7 | 0.8 | $1.345 | 16/23 | 18.1s |
| #157 | Gemma 4 26B A4B medium | 2 | 0.7 | $0.101 | 16/23 | 105.0s |