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) |
|---|---|---|---|---|---|---|---|
| #140 | Qwen3.8 Flash Next medium | Qwen | 6 | 0.8 | ~$0.047 | 15/23 | 24.8s |
| #142 | Qwen3.8 27B low | Qwen | 5 | 0.8 | ~$0.089 | 15/23 | 46.6s |
| #156 | Inkling medium | Thinkingmachines | 5 | 0.7 | $0.527 | 15/23 | 17.0s |
| #159 | Claude Fable 5.1 medium | Anthropic | 3 | 0.7 | $3.197 | 15/23 | 11.9s |
| #160 | Grok 4.7 medium | X AI | 5 | 0.7 | $2.938 | 15/23 | 117.7s |
| #161 | Gemini 2.5 Flash medium | 6 | 0.7 | $0.680 | 15/23 | 20.5s | |
| #163 | Qwen3.6 Plus medium | Qwen | 6 | 0.7 | $0.554 | 15/23 | 57.4s |
| #187 | Grok 4.6 low | X AI | 8 | 0.7 | $0.781 | 15/23 | 16.4s |
| #199 | Mercury 2.5 Preview medium | Inception | 4 | 0.7 | $0.039 | 15/23 | 6.66s |
| #236 | Claude Sonnet 4.6 medium | Anthropic | 4 | 0.6 | $2.126 | 14/22 | 28.1s |
| #67 | MiMo-V2.6-Pro medium | Xiaomi | 3 | 0.9 | $0.586 | 14/23 | 148.1s |
| #71 | Muse Spark 1.1 low | Meta | 5 | 0.9 | $0.885 | 14/23 | 13.2s |
| #84 | Muse Glimmer 30B xhigh | Meta | 4 | 0.8 | $0.585 | 14/23 | 97.7s |
| #102 | Seed-2.0-Lite medium | Bytedance Seed | 6 | 0.8 | $0.271 | 14/23 | 48.9s |
| #103 | Seed-2.0-Code low | Bytedance Seed | 7 | 0.8 | $0.881 | 14/23 | 73.0s |