संयुक्त क्रमवारी
संयुक्त मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: बरोबर चाचण्या ↑.
अयशस्वी होण्याची कारणे
316/316
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | संयुक्त स्कोअर | स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #64 | Inkling high | Thinkingmachines | 7.3 | 8.0 | $1.046 | 1/2 | 63.8s |
| #69 | Inkling medium | Thinkingmachines | 7.3 | 8.0 | $0.383 | 1/2 | 41.2s |
| #70 | GPT-5.6 Terra high | OpenAI | 8.7 | 8.0 | $0.836 | 1/2 | 13.7s |
| #71 | Kimi K3 max | Moonshot AI | 6.5 | 7.9 | $3.467 | 1/2 | 223.0s |
| #72 | GPT-5.2 Chat none | OpenAI | 7.3 | 7.9 | $0.594 | 1/2 | 13.9s |
| #73 | Step 3.7 Flash medium | Stepfun | 7.3 | 7.9 | $0.495 | 1/2 | 80.9s |
| #75 | Qwen3.7 Plus medium | Qwen | 8.2 | 7.9 | $0.277 | 1/2 | 190.3s |
| #77 | Gemini 3.5 Flash Lite medium | 7.3 | 7.8 | $0.272 | 1/2 | 17.9s | |
| #81 | Qwen3.8 27B medium | Qwen | 8.7 | 7.8 | ~$0.058 | 1/2 | 124.5s |
| #82 | Seed-2.0-Lite medium | Bytedance Seed | 6.4 | 7.8 | $0.236 | 1/2 | 58.5s |
| #84 | Qwen3.7 Flash high | Qwen | 6.9 | 7.8 | $0.052 | 1/2 | 232.0s |
| #86 | Seed-2.0-Code low | Bytedance Seed | 7.3 | 7.7 | $0.767 | 1/2 | 99.1s |
| #89 | DeepSeek V4 Flash 0423 high | DeepSeek | 6.4 | 7.6 | $0.042 | 1/2 | 104.1s |
| #93 | Nemotron 3 Ultra medium | NVIDIA | 6.3 | 7.6 | $0.701 | 1/2 | 218.2s |
| #94 | Claude Opus 5 none | Anthropic | 8.3 | 7.5 | $1.550 | 1/2 | 30.5s |