Peringkat Gabungan
Lihat model AI mana yang paling baik di Gabungan, mana yang tetap andal, dan di mana kesenjangan terbesar muncul. Urutkan berdasarkan: Metrik ↑.
Alasan kegagalan
Dengan alasan kegagalan Pemanggilan alat tidak valid91 Dengan alasan kegagalan Jawaban salah69 Dengan alasan kegagalan Tidak ada jawaban32 Dengan alasan kegagalan Kesalahan API26 Dengan alasan kegagalan Kedaluwarsa5 Dengan alasan kegagalan Format tambahan1 Dengan alasan kegagalan Tidak mengikuti instruksi1
216/216
Filter model
Tidak ada model yang cocok dengan pencarian dan filter saat ini.
| Peringkat | Model | Perusahaan | Skor Gabungan | Skor | Total Biaya | Tes benar | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|
| #69 | Gemini 3.1 Flash Lite medium | 7.2 | 7.3 | $0.117 | 1/2 | 18.5s | |
| #26 | Claude Sonnet 5 medium | Anthropic | 7.3 | 8.3 | $0.922 | 1/2 | 51.9s |
| #22 | Qwen3.6 Max Preview medium | Qwen | 7.3 | 8.4 | $1.143 | 1/2 | 177.5s |
| #29 | GPT-5 Mini medium | OpenAI | 7.3 | 8.1 | $0.237 | 1/2 | 99.8s |
| #31 | Gemini 3.5 Flash-Lite high | 7.3 | 8.1 | $0.584 | 1/2 | 29.2s | |
| #32 | Inkling high | Thinkingmachines | 7.3 | 8.0 | $1.006 | 1/2 | 63.8s |
| #33 | Step 3.7 Flash medium | Stepfun | 7.3 | 8.0 | $0.515 | 1/2 | 80.9s |
| #34 | GPT-5.2 Chat none | OpenAI | 7.3 | 8.0 | $0.604 | 1/2 | 13.9s |
| #36 | Inkling medium | Thinkingmachines | 7.3 | 8.0 | $0.391 | 1/2 | 41.2s |
| #56 | Kimi K2.7 Code medium | Moonshot AI | 7.3 | 7.5 | $0.740 | 1/2 | 66.0s |
| #62 | Qwen3.5-27B medium | Qwen | 7.3 | 7.4 | $1.627 | 1/2 | 595.2s |
| #64 | LongCat 2.0 medium | Meituan | 7.3 | 7.4 | $0.478 | 1/2 | 151.0s |
| #71 | Step 3.7 Flash low | Stepfun | 7.3 | 7.3 | $0.454 | 1/2 | 66.2s |
| #73 | KAT-Coder-Pro V2.5 high | Kwaipilot | 7.3 | 7.2 | $0.482 | 1/2 | 106.7s |
| #80 | DeepSeek V3.2 medium | DeepSeek | 7.3 | 7.0 | $0.078 | 1/2 | 79.9s |