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 valid180 Dengan alasan kegagalan Jawaban salah128 Dengan alasan kegagalan Kesalahan API62 Dengan alasan kegagalan Tidak ada jawaban56 Dengan alasan kegagalan Kedaluwarsa11 Dengan alasan kegagalan Format tambahan1 Dengan alasan kegagalan Tidak mengikuti instruksi1
451/451
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) |
|---|---|---|---|---|---|---|---|
| #447 | Microsoft-Decision-1 default | Microsoft | 0.0 | 0.1 | $0.002 | 0/0 | 0ms |
| #448 | Solar Decide default | Upstage | 0.0 | 0.1 | $0.009 | 0/0 | 0ms |
| #449 | Tev1 4B Experimental default | Togethercomputer | 0.0 | 1.0 | $0.002 | 0/0 | 0ms |
| #450 | Nimble v3 9B default | Bespoke Labs | 0.0 | 0.8 | ~$0.001 | 0/0 | 0ms |
| #451 | Claude Opus 5.5 none | Anthropic | 0.0 | 0.2 | $0.015 | 0/0 | 0ms |
| #312 | GLM 5 none | Z.ai | 0.2 | 0.6 | $0.140 | 0/1 | 4.98s |
| #359 | Gemini 3 PRO Preview medium | 0.2 | 0.5 | $0.385 | 0/1 | 10.4s | |
| #376 | GLM 5V Turbo none | Z.ai | 0.2 | 0.5 | $0.052 | 0/1 | 6.51s |
| #379 | Owl Alpha medium | Openrouter | 0.2 | 0.5 | $0.000 | 0/1 | 10.0s |
| #380 | Mimo V2 PRO default | Xiaomi | 0.2 | 0.5 | $0.045 | 0/1 | 6.58s |
| #381 | Owl Alpha default | Openrouter | 0.2 | 0.5 | $0.000 | 0/1 | 21.7s |
| #385 | Mimo V2 Omni default | Xiaomi | 0.2 | 0.4 | $0.021 | 0/1 | 5.96s |
| #388 | Trinity Large Preview default | Arcee AI | 0.2 | 0.4 | $0.008 | 0/1 | 8.91s |
| #390 | Cobuddy medium | Baidu | 0.2 | 0.4 | $0.000 | 0/1 | 47.4s |
| #395 | gpt-oss-120b none | OpenAI | 0.2 | 0.4 | $0.016 | 0/1 | 0ms |