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) |
|---|---|---|---|---|---|---|---|
| #230 | Mercury 2.5 Preview high | Inception | 0.4 | 0.6 | $0.040 | 0/2 | 14.4s |
| #232 | Beam 1.0 501B A23B xhigh | Reflection | 0.3 | 0.6 | $0.688 | 0/2 | 2.68s |
| #233 | GLM 5.3 low | Z.ai | 0.4 | 0.6 | $0.215 | 0/2 | 53.0s |
| #234 | GLM 5.1 none | Z.ai | 0.3 | 0.6 | $0.451 | 0/2 | 46.9s |
| #238 | Qwen3.5-122B-A10B none | Qwen | 0.5 | 0.6 | $0.308 | 0/2 | 129.3s |
| #239 | Gemini 3 Flash Preview none | 0.4 | 0.6 | $0.155 | 0/2 | 12.4s | |
| #240 | Beam 1.0 501B A23B max | Reflection | 0.3 | 0.6 | $0.799 | 0/2 | 3.04s |
| #245 | Beam 1.0 501B A23B low | Reflection | 0.3 | 0.6 | $0.432 | 0/2 | 2.22s |
| #247 | Gemini 3.5 Flash minimal | 0.3 | 0.6 | $0.508 | 0/2 | 14.4s | |
| #252 | Qwen3.5-35B-A3B medium | Qwen | 0.4 | 0.6 | $0.716 | 0/2 | 512.8s |
| #253 | Qwen3.6 27B none | Qwen | 0.3 | 0.6 | $0.148 | 0/2 | 83.1s |
| #254 | Gemini 3.5 Flash Lite low | 0.4 | 0.6 | $0.183 | 0/2 | 11.0s | |
| #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 |