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) |
|---|---|---|---|---|---|---|---|
| #304 | Mistral Large 4 none | Mistral | 0.3 | 0.6 | $0.290 | 0/2 | 36.9s |
| #305 | Seed 2.1 Turbo none | Bytedance Seed | 0.4 | 0.6 | $0.182 | 0/2 | 41.3s |
| #307 | Gemma 4 31B none | 0.4 | 0.6 | $0.031 | 0/2 | 30.0s | |
| #308 | Space Bunny Alpha low | Stealth | 0.4 | 0.6 | $0.000 | 0/2 | 12.2s |
| #309 | GPT-5.4 none | OpenAI | 0.3 | 0.6 | $0.690 | 0/2 | 9.26s |
| #310 | Solar Pro 4 none | Upstage | 0.3 | 0.6 | $0.022 | 0/2 | 35.1s |
| #312 | GLM 5 none | Z.ai | 0.2 | 0.6 | $0.140 | 0/1 | 4.98s |
| #313 | Qwen3.5-35B-A3B none | Qwen | 0.4 | 0.6 | $0.120 | 0/2 | 128.3s |
| #314 | Nemotron 3.5 Super VL none | NVIDIA | 0.3 | 0.6 | $0.040 | 0/2 | 451.9s |
| #316 | Kimi K2.6 none | Moonshot AI | 0.3 | 0.5 | $0.486 | 0/2 | 77.8s |
| #317 | Ling 3.1 Flash none | Inclusionai | 0.3 | 0.5 | $0.000 | 0/2 | 25.4s |
| #318 | Gemini 2.5 Flash none | 0.3 | 0.5 | $0.017 | 0/2 | 61.2s | |
| #319 | GPT-6 Luna none | OpenAI | 0.4 | 0.5 | $0.026 | 0/2 | 50.9s |
| #320 | Gemma 4 26B A4B none | 0.3 | 0.5 | $0.031 | 0/2 | 37.2s | |
| #321 | GLM 5V Turbo medium | Z.ai | 0.3 | 0.5 | $0.457 | 0/1 | 15.1s |