Seberapa banyak yang dijawab benar
Tiap batang mewakili satu benchmark, dan panjangnya menunjukkan berapa soal yang dijawab benar dari seluruh soal di benchmark itu. Soal dan kunci jawabannya kami susun sendiri, lalu diperiksa oleh dua penutur asli, dan tiap model menjawab soal yang sama persis.
8 benchmark
Pemahaman slang Indonesia39/42 92,9%
Tingkat tutur bahasa Jawa25/27 92,6%
Arti kata Jawa sehari-hari107/135 79,3%
Normalisasi teks Indonesiaversi soal 3KeteranganSoal di benchmark ini pernah kami tanyakan dengan beberapa rumusan yang berbeda, pada soal dan kunci jawaban yang sama. Skor antar-rumusan tidak dapat dibandingkan langsung. Buka halaman benchmarknya untuk melihat perbandingannya.37/49 75,5%
Normalisasi teks Indonesiaversi soal 2KeteranganSoal di benchmark ini pernah kami tanyakan dengan beberapa rumusan yang berbeda, pada soal dan kunci jawaban yang sama. Skor antar-rumusan tidak dapat dibandingkan langsung. Buka halaman benchmarknya untuk melihat perbandingannya.35/49 71,4%
Koreksi ejaan Indonesia23/38 60,5%
Arti kata Jawa langka22/43 51,2%
Normalisasi teks Indonesiaversi soal 1KeteranganSoal di benchmark ini pernah kami tanyakan dengan beberapa rumusan yang berbeda, pada soal dan kunci jawaban yang sama. Skor antar-rumusan tidak dapat dibandingkan langsung. Buka halaman benchmarknya untuk melihat perbandingannya.24/49 49,0%
Hasil dibanding biayanya
Kami urutkan dari yang paling murah untuk tiap jawaban benar. Kolom kiri menunjukkan berapa banyak yang dijawab benar. Baris teratas yang kolom kirinya juga panjang berarti murah sekaligus tepat.
8 punya catatan biaya
Jawaban benarBiaya tiap jawaban benar
Normalisasi teks Indonesiaversi soal 2KeteranganSoal di benchmark ini pernah kami tanyakan dengan beberapa rumusan yang berbeda, pada soal dan kunci jawaban yang sama. Skor antar-rumusan tidak dapat dibandingkan langsung. Buka halaman benchmarknya untuk melihat perbandingannya.71,4%$0.000095
Normalisasi teks Indonesiaversi soal 3KeteranganSoal di benchmark ini pernah kami tanyakan dengan beberapa rumusan yang berbeda, pada soal dan kunci jawaban yang sama. Skor antar-rumusan tidak dapat dibandingkan langsung. Buka halaman benchmarknya untuk melihat perbandingannya.75,5%$0.000096
Normalisasi teks Indonesiaversi soal 1KeteranganSoal di benchmark ini pernah kami tanyakan dengan beberapa rumusan yang berbeda, pada soal dan kunci jawaban yang sama. Skor antar-rumusan tidak dapat dibandingkan langsung. Buka halaman benchmarknya untuk melihat perbandingannya.49,0%$0.000116
Token yang dipakai
Input dan output dipisah karena harganya bisa berbeda sampai sepuluh kali lipat. Batang output yang panjang berarti model menghasilkan banyak token, sering karena bernalar panjang sebelum menjawab, dan di situlah hampir seluruh selisih biaya berasal.
63.480 masuk, 102.703 keluar
InputOutput
Pemahaman slang Indonesia10.888 · 4.981
Tingkat tutur bahasa Jawa4.960 · 6.495
Arti kata Jawa sehari-hari6.313 · 36.231
Normalisasi teks Indonesiaversi soal 3KeteranganSoal di benchmark ini pernah kami tanyakan dengan beberapa rumusan yang berbeda, pada soal dan kunci jawaban yang sama. Skor antar-rumusan tidak dapat dibandingkan langsung. Buka halaman benchmarknya untuk melihat perbandingannya.10.240 · 14.955
Normalisasi teks Indonesiaversi soal 2KeteranganSoal di benchmark ini pernah kami tanyakan dengan beberapa rumusan yang berbeda, pada soal dan kunci jawaban yang sama. Skor antar-rumusan tidak dapat dibandingkan langsung. Buka halaman benchmarknya untuk melihat perbandingannya.10.998 · 14.585
Koreksi ejaan Indonesia11.085 · 13.176
Normalisasi teks Indonesiaversi soal 1KeteranganSoal di benchmark ini pernah kami tanyakan dengan beberapa rumusan yang berbeda, pada soal dan kunci jawaban yang sama. Skor antar-rumusan tidak dapat dibandingkan langsung. Buka halaman benchmarknya untuk melihat perbandingannya.8.996 · 12.280
1 benchmark tidak digambar di sini karena pengujiannya tidak mencatat jumlah token. Tidak tercatat, bukan nol.
Waktu tunggu tiap panggilan
Median waktu tunggu satu panggilan pada tiap benchmark. Median, bukan rata-rata, supaya satu panggilan yang tersendat tidak menggeser angkanya.
8 punya catatan waktu tunggu
Normalisasi teks Indonesiaversi soal 1KeteranganSoal di benchmark ini pernah kami tanyakan dengan beberapa rumusan yang berbeda, pada soal dan kunci jawaban yang sama. Skor antar-rumusan tidak dapat dibandingkan langsung. Buka halaman benchmarknya untuk melihat perbandingannya.3.64 s
Normalisasi teks Indonesiaversi soal 3KeteranganSoal di benchmark ini pernah kami tanyakan dengan beberapa rumusan yang berbeda, pada soal dan kunci jawaban yang sama. Skor antar-rumusan tidak dapat dibandingkan langsung. Buka halaman benchmarknya untuk melihat perbandingannya.4.09 s
Normalisasi teks Indonesiaversi soal 2KeteranganSoal di benchmark ini pernah kami tanyakan dengan beberapa rumusan yang berbeda, pada soal dan kunci jawaban yang sama. Skor antar-rumusan tidak dapat dibandingkan langsung. Buka halaman benchmarknya untuk melihat perbandingannya.4.53 s
Arti kata Jawa langka4.67 s
Koreksi ejaan Indonesia5.02 s
Cakupan pengujian
6/ 6
Model ini sudah diuji pada seluruh 6 benchmark yang kami terbitkan.
Versi soal sebelumnya
Kami mengubah soal atau kunci jawabannya setelah angka ini diukur. Kami menyimpannya sebagai riwayat, bukan sebagai hasil sekarang.lihat 2 baristutup
Pemahaman slang Indonesia25/27 92,6%
Arti kata Jawa sehari-hari3 pengujianKeteranganBenchmark ini dijalankan 3 kali pada versi soal atau kunci ini, dan batangnya menggambar titik tengah dari 3 hasil itu.110/135 81,5%
Log12 kali model ini dipanggil, tersebar di 4 hari.BukaTutup
Model ini dipanggil lewat id penyedia yang belum tentu mengunci versi, jadi tanggal di bawah menyatakan bobot mana yang benar-benar diuji. Tanggal pada baris bertanda tanda hubung tidak dicatat saat model dipanggil, melainkan kami perkirakan belakangan, jadi tanggalnya bisa meleset sehari dan jamnya tidak kami tampilkan.
1 pengujian
- 23:04Pemahaman slang Indonesiapilihan ganda39/42
1 pengujian
- 21:32Arti kata Jawa sehari-hariarti kata107/135
8 pengujian
- -Keterangantanggal taksiranArti kata Jawa langkaarti kata22/43
- -Keterangantanggal taksiranArti kata Jawa sehari-hariarti kata110/135
- 08:17Normalisasi teks Indonesiajawaban isianPrompt yang menyatakan aturan kunci37/49
- 08:16Normalisasi teks Indonesiajawaban isianPrompt rinci yang melarang ganti kata35/49
- 08:12Normalisasi teks Indonesiajawaban isianPrompt bawaan24/49
- 06:46Tingkat tutur bahasa Jawapilihan ganda25/27
- 03:09Koreksi ejaan Indonesiajawaban isian23/38
- 03:08Pemahaman slang Indonesiapilihan ganda25/27
2 pengujian
- 01:04Arti kata Jawa sehari-hariarti kata110/135
- 00:59Arti kata Jawa sehari-hariarti kata110/135