Log pengujian benchmark
Setiap kali kami menjalankan model AI terhadap satu set benchmark, barisnya tercatat di sini apa adanya. Bukan ringkasan seperti papan peringkat /benchmark, melainkan satu baris per panggilan, supaya tiap angka ringkasan di situs ini bisa ditelusuri balik ke pengujian yang menghasilkannya.Baca selengkapnya
197 kali pengujian23 model diuji6 set benchmarkPengujian terbaru
GitHub11 run
- 07:49Claude Sonnet 5.5Arti kata Jawa langkaarti kata34/43
- 07:45Claude Sonnet 5.5Arti kata Jawa sehari-hariarti kata122/135
- 07:31Claude Sonnet 5.5Normalisasi teks Indonesiajawaban isianPrompt yang menyatakan aturan kunci32/49
- 07:25Claude Sonnet 5.5Normalisasi teks Indonesiajawaban isianPrompt rinci yang melarang ganti kata31/49
- 07:19Claude Sonnet 5.5Normalisasi teks Indonesiajawaban isianPrompt bawaan20/49
- 07:15Claude Sonnet 5.5Koreksi ejaan Indonesiajawaban isian28/38
- 07:09Claude Sonnet 5.5Tingkat tutur bahasa Jawajawaban isian6/6
- 07:08Claude Sonnet 5.5Tingkat tutur bahasa Jawapilihan ganda26/27
- 07:05Claude Sonnet 5.5Pemahaman slang Indonesiapilihan ganda40/42
- 06:57Claude Haiku 5.5Normalisasi teks Indonesiajawaban isianPrompt yang menyatakan aturan kunci36/49
- 06:51Claude Haiku 5.5Normalisasi teks Indonesiajawaban isianPrompt rinci yang melarang ganti kata32/49
7 run
- 16:58Claude Haiku 5.5Arti kata Jawa langkaarti kata23/43
- 16:54Claude Haiku 5.5Arti kata Jawa sehari-hariarti kata108/135
- 16:41Claude Haiku 5.5Normalisasi teks Indonesiajawaban isianPrompt bawaan25/49
- 16:37Claude Haiku 5.5Koreksi ejaan Indonesiajawaban isian25/38
- 16:31Claude Haiku 5.5Tingkat tutur bahasa Jawajawaban isian5/6
- 16:30Claude Haiku 5.5Tingkat tutur bahasa Jawapilihan ganda24/27
- 16:28Claude Haiku 5.5Pemahaman slang Indonesiapilihan ganda40/42
7 run
- 21:00MiMo-V2.6-FlashArti kata Jawa sehari-hariarti kata100/135
- 20:36MiMo-V2.6-FlashNormalisasi teks Indonesiajawaban isianPrompt bawaan37/49
- 20:26MiMo-V2.6-FlashKoreksi ejaan Indonesiajawaban isian26/38
- 20:15MiMo-V2.6-FlashTingkat tutur bahasa Jawajawaban isian5/6
- 20:14MiMo-V2.6-FlashTingkat tutur bahasa Jawapilihan ganda22/27
- 19:29MiMo-V2.6-FlashArti kata Jawa langkaarti kata15/43
- 19:27MiMo-V2.6-FlashPemahaman slang Indonesiapilihan ganda40/42
5 run
- 22:08DeepSeek V4.1 FlashArti kata Jawa langkaarti kata22/43
- 21:54DeepSeek V4.1 FlashPemahaman slang Indonesiapilihan ganda41/42
- 21:36DeepSeek V4.1 FlashTingkat tutur bahasa Jawajawaban isian6/6
- 21:36DeepSeek V4.1 FlashTingkat tutur bahasa Jawapilihan ganda26/27
- 21:22Mercury 2.5Arti kata Jawa langkaarti kata13/43
Angka di ujung kanan tiap baris adalah skor: jawaban benar dari jumlah soal yang dinilai. Bisa lebih kecil dari total soal set kalau sebagian ditahan atau masih menunggu penilaian penutur.
Halaman ini daftar mentah, bukan analisis. Untuk hasil per set beserta batasnya, lihat papan benchmark. Untuk aturan penilaiannya, lihat metodologi kami.