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) |
|---|---|---|---|---|---|---|---|
| #269 | Ring-2.6-1T none | Inclusionai | 3.0 | 4.8 | $0.026 | 0/2 | 0ms |
| #271 | GPT-5.4 Nano none | OpenAI | 3.0 | 4.8 | $0.041 | 0/2 | 14.7s |
| #272 | Trinity Large Thinking high | Arcee AI | 3.0 | 4.8 | $0.592 | 0/2 | 262.4s |
| #273 | Grok 4.20 Multi Agent Beta medium | X AI | 1.5 | 4.8 | $5.599 | 0/1 | 0ms |
| #274 | KAT-Coder-Air V2.5 none | Kwaipilot | 3.8 | 4.8 | $0.070 | 0/2 | 73.0s |
| #275 | GLM 4.7 Flash none | Z.ai | 3.0 | 4.8 | $0.016 | 0/2 | 50.2s |
| #276 | Trinity Large Preview none | Arcee AI | 1.5 | 4.8 | $0.008 | 0/1 | 8.91s |
| #277 | Hunter Alpha medium | OpenRouter | 2.3 | 4.7 | $0.000 | 0/1 | 30.5s |
| #279 | Laguna M.1 medium | Poolside | 1.5 | 4.7 | $0.033 | 0/1 | 53.1s |
| #280 | Cobuddy medium | Baidu | 1.5 | 4.7 | $0.000 | 0/1 | 47.4s |
| #281 | Mercury 2 none | Inception | 3.0 | 4.7 | $0.030 | 0/2 | 2.56s |
| #282 | Granite 4.2 8B high | IBM Granite | 5.0 | 4.6 | $0.084 | 0/2 | 570.4s |
| #283 | Qwen3 Coder Next medium | Qwen | 3.0 | 4.6 | $0.034 | 0/2 | 14.6s |
| #284 | MiniMax M2.5 medium | Minimax | 3.7 | 4.6 | $0.327 | 0/2 | 83.2s |
| #285 | Laguna S 2.1 none | Poolside | 2.9 | 4.5 | $0.022 | 0/2 | 21.6s |