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 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) |
|---|---|---|---|---|---|---|---|
| #60 | GPT-5.4 Mini medium | OpenAI | 6.9 | 7.5 | $0.756 | 1/2 | 59.6s |
| #61 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 6.9 | 7.5 | $0.437 | 1/2 | 175.8s |
| #62 | Qwen3.5-27B medium | Qwen | 7.3 | 7.4 | $1.627 | 1/2 | 595.2s |
| #63 | Qwen3.7 Max none | Qwen | 6.5 | 7.4 | $0.197 | 1/2 | 37.2s |
| #64 | LongCat 2.0 medium | Meituan | 7.3 | 7.4 | $0.478 | 1/2 | 151.0s |
| #66 | KAT-Coder-Pro V2.5 low | Kwaipilot | 6.4 | 7.4 | $0.387 | 1/2 | 111.9s |
| #68 | Gemini 3.1 Flash Lite Preview medium | 7.2 | 7.3 | $0.115 | 1/2 | 16.6s | |
| #69 | Gemini 3.1 Flash Lite medium | 7.2 | 7.3 | $0.117 | 1/2 | 18.5s | |
| #71 | Step 3.7 Flash low | Stepfun | 7.3 | 7.3 | $0.454 | 1/2 | 66.2s |
| #72 | Kimi K2.6 medium | Moonshot AI | 6.9 | 7.2 | $1.036 | 1/2 | 458.6s |
| #73 | KAT-Coder-Pro V2.5 high | Kwaipilot | 7.3 | 7.2 | $0.482 | 1/2 | 106.7s |
| #74 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 6.5 | 7.2 | $0.317 | 1/2 | 92.4s |
| #76 | Qwen3.5-122B-A10B medium | Qwen | 6.4 | 7.1 | $1.046 | 1/2 | 313.5s |
| #77 | Grok 4.3 medium | X AI | 6.5 | 7.1 | $0.779 | 1/2 | 55.1s |
| #79 | Grok 4.20 medium | X AI | 8.7 | 7.1 | $0.777 | 1/2 | 42.2s |