Peringkat Gabungan
Lihat model AI mana yang paling baik di Gabungan, mana yang tetap andal, dan di mana kesenjangan terbesar muncul. Urutkan berdasarkan: Total Biaya ↑.
Alasan kegagalan
Dengan alasan kegagalan Pemanggilan alat tidak valid147 Dengan alasan kegagalan Jawaban salah95 Dengan alasan kegagalan Tidak ada jawaban43 Dengan alasan kegagalan Kesalahan API37 Dengan alasan kegagalan Kedaluwarsa9 Dengan alasan kegagalan Format tambahan1 Dengan alasan kegagalan Tidak mengikuti instruksi1
311/311
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) |
|---|---|---|---|---|---|---|---|
| #67 | GPT-5.2 Chat none | OpenAI | 7.3 | 7.9 | $0.594 | 1/2 | 13.9s |
| #161 | Gemini 3.1 Flash Lite low | 3.2 | 6.6 | $0.621 | 0/2 | 161.2s | |
| #194 | Trinity Large Thinking low | Arcee AI | 5.2 | 6.0 | $0.625 | 0/2 | 291.0s |
| #53 | Gemini 2.5 Flash medium | 10.0 | 8.2 | $0.644 | 2/2 | 84.5s | |
| #3 | Gemini 3.7 Flash high | 10.0 | 9.8 | $0.646 | 2/2 | 57.2s | |
| #159 | Gemini 3.1 Flash Lite Preview low | 3.0 | 6.6 | $0.646 | 0/2 | 160.6s | |
| #17 | Gemini 3.8 Flash medium | 8.7 | 9.1 | $0.653 | 1/2 | 60.3s | |
| #44 | Muse Spark 1.2 low | Meta | 9.8 | 8.4 | $0.655 | 2/2 | 17.0s |
| #108 | Claude Sonnet 4.6 none | Anthropic | 9.8 | 7.3 | $0.661 | 2/2 | 37.5s |
| #21 | Gemini 3.5 Flash medium | 10.0 | 9.0 | $0.665 | 2/2 | 44.4s | |
| #162 | Qwen3.6 35B A3B medium | Qwen | 3.0 | 6.6 | $0.672 | 0/2 | 817.6s |
| #51 | Muse Spark 1.1 low | Meta | 6.6 | 8.3 | $0.673 | 1/2 | 29.4s |
| #204 | Mimo V2 Omni medium | Xiaomi | 5.0 | 5.9 | $0.683 | 1/1 | 25.9s |
| #102 | Kimi K2.7 Code medium | Moonshot AI | 7.3 | 7.4 | $0.687 | 1/2 | 66.0s |
| #54 | Muse Spark 1.3 low | Meta | 7.3 | 8.2 | $0.689 | 1/2 | 25.7s |