Peringkat Gabungan
Lihat model AI mana yang paling baik di Gabungan, mana yang tetap andal, dan di mana kesenjangan terbesar muncul. Urutkan berdasarkan: Total Biaya ↓.
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) |
|---|---|---|---|---|---|---|---|
| #61 | GPT-5.4 medium | OpenAI | 1.0 | 0.9 | $2.213 | 2/2 | 29.8s |
| #14 | GPT-6 Astra low | OpenAI | 1.0 | 1.0 | $2.160 | 2/2 | 10.5s |
| #25 | Claude Opus 5.5 high | Anthropic | 1.0 | 0.9 | $2.133 | 2/2 | 60.0s |
| #242 | Claude Sonnet 4.6 medium | Anthropic | 1.0 | 0.6 | $2.126 | 2/2 | 93.7s |
| #45 | Muse Spark Open xhigh | Meta | 1.0 | 0.9 | $2.081 | 2/2 | 134.0s |
| #375 | Gemini 3.1 Flash Lite high | 0.5 | 0.5 | $2.044 | 1/1 | 149.2s | |
| #69 | Seed 2.1 Turbo medium | Bytedance Seed | 1.0 | 0.9 | $2.042 | 2/2 | 400.3s |
| #55 | Muse Spark 1.2 high | Meta | 0.8 | 0.9 | $2.018 | 1/2 | 39.9s |
| #156 | Grok 4.7 low | X AI | 0.7 | 0.7 | $1.933 | 1/2 | 31.2s |
| #2 | Gemini 3.8 Flash high | 1.0 | 1.0 | $1.927 | 2/2 | 115.7s | |
| #43 | Seed 2.1 Turbo high | Bytedance Seed | 1.0 | 0.9 | $1.892 | 2/2 | 408.8s |
| #40 | Muse Spark 1.3 high | Meta | 1.0 | 0.9 | $1.891 | 2/2 | 55.5s |
| #59 | Pareto 26.9 default | Unbiased | 0.8 | 0.9 | $1.864 | 1/2 | 81.4s |
| #326 | Hy4 preview low | Tencent | 0.3 | 0.5 | $1.844 | 0/2 | 139.4s |
| #23 | GPT-5.5 low | OpenAI | 1.0 | 0.9 | $1.822 | 2/2 | 13.7s |