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.
7 benchmark
Pemahaman slang Indonesia29/42 69,0%
Koreksi ejaan Indonesia21/38 55,3%
Tingkat tutur bahasa Jawa12/27 44,4%
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.19/49 38,8%
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.12/49 24,5%
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.11/49 22,4%
Arti kata Jawa sehari-hari21/135 15,6%
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.
7 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.38,8%$0.000078
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.22,4%$0.000099
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.24,5%$0.000114
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.
73.292 masuk, 7.995 keluar
InputOutput
Pemahaman slang Indonesia12.446 · 120
Koreksi ejaan Indonesia12.566 · 260
Tingkat tutur bahasa Jawa5.517 · 76
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.12.687 · 871
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.10.341 · 869
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.12.066 · 871
Arti kata Jawa sehari-hari7.669 · 4.928
Waktu tunggu tiap panggilan
Median waktu tunggu satu panggilan pada tiap benchmark. Median, bukan rata-rata, supaya satu panggilan yang tersendat tidak menggeser angkanya.
7 punya catatan waktu tunggu
Koreksi ejaan Indonesia1.47 s
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.1.49 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.1.49 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.1.50 s
Cakupan pengujian
5/ 6
Model ini diuji pada 5 dari 6 benchmark yang kami terbitkan. Sisanya belum dijalankan, jadi kami belum tahu kemampuannya di sana.
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 Indonesia19/27 70,4%
Arti kata Jawa sehari-hari21/135 15,6%
Log9 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
- 22:55Pemahaman slang Indonesiapilihan ganda29/42
1 pengujian
- 20:42Arti kata Jawa sehari-hariarti kata21/135
6 pengujian
- 07:50Normalisasi teks Indonesiajawaban isianPrompt yang menyatakan aturan kunci11/49
- 07:20Normalisasi teks Indonesiajawaban isianPrompt bawaan12/49
- 07:03Normalisasi teks Indonesiajawaban isianPrompt rinci yang melarang ganti kata19/49
- 06:56Pemahaman slang Indonesiapilihan ganda19/27
- 06:53Koreksi ejaan Indonesiajawaban isian21/38
- 06:35Tingkat tutur bahasa Jawapilihan ganda12/27
1 pengujian
- 22:28Arti kata Jawa sehari-hariarti kata21/135