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 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) |
|---|---|---|---|---|---|---|---|
| #253 | Granite 4.2 8B low | IBM Granite | 3.0 | 5.1 | $0.012 | 0/2 | 298.2s |
| #254 | Qwen3 Coder Next none | Qwen | 3.0 | 5.1 | $0.026 | 0/2 | 30.9s |
| #255 | MiMo-V2.5 none | Xiaomi | 3.0 | 5.1 | $0.025 | 0/2 | 28.9s |
| #256 | Qwen3.5-9B none | Qwen | 3.0 | 5.1 | $0.021 | 0/2 | 194.0s |
| #257 | GLM 5 Turbo none | Z.ai | 1.5 | 5.1 | $0.047 | 0/1 | 4.89s |
| #258 | North Mini Code none | Cohere | 3.2 | 5.1 | $0.000 | 0/2 | 96.2s |
| #259 | MiniMax M2.7 medium | Minimax | 3.8 | 5.0 | $0.208 | 0/2 | 72.1s |
| #260 | Mercury 2.5 Preview low | Inception | 3.0 | 5.0 | $0.011 | 0/2 | 4.77s |
| #261 | Laguna S 2.1 low | Poolside | 3.2 | 5.0 | $0.082 | 0/2 | 412.5s |
| #262 | DeepSeek V3.2 none | DeepSeek | 4.8 | 5.0 | $0.054 | 0/2 | 113.5s |
| #263 | GPT-4o-mini none | OpenAI | 3.0 | 5.0 | $0.010 | 0/2 | 6.32s |
| #265 | Mercury 2.5 Preview none | Inception | 3.0 | 4.9 | $0.018 | 0/2 | 31.3s |
| #266 | Ling-2.6-flash none | Inclusionai | 3.0 | 4.9 | $0.002 | 0/2 | 35.7s |
| #267 | Nemotron 3 Super none | NVIDIA | 3.0 | 4.8 | $0.008 | 0/2 | 18.2s |
| #268 | Hy4 preview none | Tencent | 3.0 | 4.8 | $0.041 | 0/2 | 75.1s |