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 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) |
|---|---|---|---|---|---|---|---|
| #66 | Kimi K3 max | Moonshot AI | 6.5 | 7.9 | $3.467 | 1/2 | 223.0s |
| #56 | Qwen3.8 2.4T A95B low | Qwen | 8.2 | 8.1 | $2.672 | 1/2 | 231.8s |
| #79 | Qwen3.7 Flash high | Qwen | 6.9 | 7.8 | $0.052 | 1/2 | 232.0s |
| #200 | Qwen3.5-Flash none | Qwen | 2.9 | 6.0 | $0.073 | 0/2 | 243.6s |
| #175 | Ring-2.6-1T medium | Inclusionai | 7.3 | 6.4 | $0.102 | 1/2 | 257.3s |
| #212 | Nemotron 3 Super medium | NVIDIA | 6.4 | 5.7 | $0.050 | 1/2 | 259.9s |
| #272 | Trinity Large Thinking high | Arcee AI | 3.0 | 4.8 | $0.592 | 0/2 | 262.4s |
| #105 | Qwen3.8 2.4T A95B high | Qwen | 6.9 | 7.4 | $2.357 | 1/2 | 266.1s |
| #187 | Qwen3.5-Flash medium | Qwen | 6.4 | 6.1 | $0.142 | 1/2 | 266.6s |
| #58 | Muse Glimmer 30B xhigh | Meta | 6.0 | 8.1 | $0.510 | 0/2 | 272.7s |
| #245 | Gemini 3.1 Flash Lite Preview high | 5.0 | 5.3 | $2.310 | 1/1 | 280.5s | |
| #133 | Seed-2.0-Mini medium | Bytedance Seed | 7.3 | 7.0 | $0.116 | 1/2 | 282.3s |
| #234 | Laguna S 2.1 medium | Poolside | 3.2 | 5.4 | $0.053 | 0/2 | 284.7s |
| #19 | Qwen3.7 Max medium | Qwen | 8.7 | 9.1 | $1.157 | 1/2 | 287.8s |
| #194 | Trinity Large Thinking low | Arcee AI | 5.2 | 6.0 | $0.625 | 0/2 | 291.0s |