Peringkat Gabungan
Lihat model AI mana yang paling baik di Gabungan, mana yang tetap andal, dan di mana kesenjangan terbesar muncul. Urutkan berdasarkan: Waktu respons (rata-rata) ↑.
Alasan kegagalan
Dengan alasan kegagalan Pemanggilan alat tidak valid96 Dengan alasan kegagalan Jawaban salah71 Dengan alasan kegagalan Tidak ada jawaban33 Dengan alasan kegagalan Kesalahan API26 Dengan alasan kegagalan Kedaluwarsa5 Dengan alasan kegagalan Format tambahan1 Dengan alasan kegagalan Tidak mengikuti instruksi1
220/220
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) |
|---|---|---|---|---|---|---|---|
| #29 | GPT-5 Mini medium | OpenAI | 7.3 | 8.1 | $0.237 | 1/2 | 99.8s |
| #49 | DeepSeek V4 Flash high | DeepSeek | 6.4 | 7.7 | $0.042 | 1/2 | 104.1s |
| #73 | KAT-Coder-Pro V2.5 high | Kwaipilot | 7.3 | 7.2 | $0.482 | 1/2 | 106.7s |
| #132 | Qwen3.5 Plus 2026-04-20 none | Qwen | 6.4 | 6.1 | $0.122 | 1/2 | 109.7s |
| #66 | KAT-Coder-Pro V2.5 low | Kwaipilot | 6.4 | 7.4 | $0.387 | 1/2 | 111.9s |
| #141 | Hy3 preview high | Tencent | 5.0 | 5.9 | $0.048 | 1/1 | 113.1s |
| #182 | DeepSeek V3.2 none | DeepSeek | 4.8 | 5.0 | $0.054 | 0/2 | 113.5s |
| #47 | Claude Opus 4.6 medium | Anthropic | 10.0 | 7.7 | $3.059 | 2/2 | 114.1s |
| #75 | Qwen3.7 Plus none | Qwen | 10.0 | 7.2 | $0.106 | 2/2 | 117.7s |
| #88 | MiMo-V2.5-Pro medium | Xiaomi | 6.9 | 6.9 | $0.187 | 1/2 | 125.4s |
| #133 | Qwen3.5-35B-A3B none | Qwen | 3.8 | 6.1 | $0.106 | 0/2 | 128.3s |
| #148 | Qwen3.5-122B-A10B none | Qwen | 5.2 | 5.7 | $0.247 | 0/2 | 129.3s |
| #96 | LongCat 2.0 low | Meituan | 10.0 | 6.7 | $0.391 | 2/2 | 130.2s |
| #85 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 6.4 | 6.9 | $0.467 | 1/2 | 135.7s |
| #51 | MiniMax M3 medium | Minimax | 10.0 | 7.6 | $0.286 | 2/2 | 138.2s |