Peringkat Gabungan
Lihat model AI mana yang paling baik di Gabungan, mana yang tetap andal, dan di mana kesenjangan terbesar muncul. Urutkan berdasarkan: Tes benar ↑.
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) |
|---|---|---|---|---|---|---|---|
| #255 | Gemini 3.1 Flash Lite Preview low | 0.3 | 0.6 | $0.736 | 0/2 | 160.6s | |
| #257 | Gemini 3.1 Flash Lite low | 0.3 | 0.6 | $0.717 | 0/2 | 161.2s | |
| #262 | Space Bunny Alpha medium | Stealth | 0.4 | 0.6 | $0.000 | 0/2 | 17.0s |
| #264 | Trinity Large Thinking low | Arcee AI | 0.5 | 0.6 | $0.918 | 0/2 | 291.0s |
| #265 | DeepSeek V4 Flash 0423 none | DeepSeek | 0.5 | 0.6 | $0.149 | 0/2 | 179.6s |
| #267 | Space Bunny Alpha xhigh | Stealth | 0.3 | 0.6 | $0.000 | 0/2 | 37.1s |
| #270 | DeepSeek V4 Flash 0731 none | DeepSeek | 0.4 | 0.6 | $0.053 | 0/2 | 202.4s |
| #271 | Gemini 3.1 Flash Lite Preview none | 0.3 | 0.6 | $0.090 | 0/2 | 6.23s | |
| #273 | Gemini 3.5 Flash none | 0.3 | 0.6 | $1.752 | 0/2 | 0ms | |
| #274 | Beam 1.0 501B A23B high | Reflection | 0.3 | 0.6 | $0.674 | 0/2 | 2.68s |
| #275 | Trinity Large Thinking medium | Arcee AI | 0.3 | 0.6 | $0.862 | 0/2 | 382.7s |
| #276 | Apodex 1.1 Mini low | Apodex | 0.3 | 0.6 | $0.000 | 0/2 | 95.2s |
| #277 | Inkling none | Thinkingmachines | 0.3 | 0.6 | $0.292 | 0/2 | 25.7s |
| #280 | Granite 4.2 8B medium | IBM Granite | 0.3 | 0.6 | $0.029 | 0/2 | 291.1s |
| #281 | KAT-Coder-Pro V2.5 default | Kwaipilot | 0.4 | 0.6 | $0.742 | 0/2 | 183.1s |