Peringkat Gabungan
Lihat model AI mana yang paling baik di Gabungan, mana yang tetap andal, dan di mana kesenjangan terbesar muncul. Urutkan berdasarkan: Waktu respons (rata-rata) ↓.
Alasan kegagalan
Dengan alasan kegagalan Pemanggilan alat tidak valid91 Dengan alasan kegagalan Jawaban salah69 Dengan alasan kegagalan Tidak ada jawaban32 Dengan alasan kegagalan Kesalahan API26 Dengan alasan kegagalan Kedaluwarsa5 Dengan alasan kegagalan Format tambahan1 Dengan alasan kegagalan Tidak mengikuti instruksi1
216/216
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) |
|---|---|---|---|---|---|---|---|
| #33 | Step 3.7 Flash medium | Stepfun | 7.3 | 8.0 | $0.515 | 1/2 | 80.9s |
| #80 | DeepSeek V3.2 medium | DeepSeek | 7.3 | 7.0 | $0.078 | 1/2 | 79.9s |
| #50 | DeepSeek V4 Pro high | DeepSeek | 10.0 | 7.7 | $0.200 | 2/2 | 79.0s |
| #159 | Hy3 preview low | Tencent | 5.0 | 5.5 | $0.015 | 1/1 | 78.7s |
| #107 | MiMo-V2.5 medium | Xiaomi | 8.7 | 6.5 | $0.082 | 1/2 | 78.0s |
| #144 | Kimi K2.6 none | Moonshot AI | 3.0 | 5.8 | $0.184 | 0/2 | 77.8s |
| #119 | MiMo-V2-Flash medium | Xiaomi | 4.9 | 6.3 | $0.043 | 1/1 | 75.7s |
| #150 | KAT-Coder-Air V2.5 high | Kwaipilot | 6.5 | 5.6 | $0.077 | 1/2 | 74.5s |
| #188 | KAT-Coder-Air V2.5 none | Kwaipilot | 3.8 | 4.8 | $0.067 | 0/2 | 73.0s |
| #178 | MiniMax M2.7 medium | Minimax | 3.8 | 5.0 | $0.163 | 0/2 | 72.1s |
| #86 | DeepSeek V4 Pro none | DeepSeek | 7.9 | 6.9 | $0.096 | 1/2 | 71.6s |
| #30 | Muse Spark 1.1 high | Meta | 5.9 | 8.1 | $1.694 | 0/2 | 70.3s |
| #71 | Step 3.7 Flash low | Stepfun | 7.3 | 7.3 | $0.454 | 1/2 | 66.2s |
| #56 | Kimi K2.7 Code medium | Moonshot AI | 7.3 | 7.5 | $0.740 | 1/2 | 66.0s |
| #52 | Grok Build 0.1 medium | X AI | 10.0 | 7.6 | $1.097 | 2/2 | 65.1s |