संयुक्त मॉडेल क्रमवारी

संयुक्त मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: बरोबर चाचण्या ↑.

दाखवलेली मॉडेल्स

सरासरी संयुक्त स्कोअर

0.6

सर्वोत्तम मॉडेल

Muse Glimmer 30B 0.6

अयशस्वी होण्याची कारणे

अयशस्वी होण्याचे कारण अवैध टूल कॉल सह180 अयशस्वी होण्याचे कारण चुकीचे उत्तर सह128 अयशस्वी होण्याचे कारण API त्रुटी सह62 अयशस्वी होण्याचे कारण उत्तर नाही सह56 अयशस्वी होण्याचे कारण वेळ संपला सह11 अयशस्वी होण्याचे कारण अतिरिक्त फॉरमॅटिंग सह1 अयशस्वी होण्याचे कारण सूचनांचे पालन केले नाही सह1

451/451

क्रमांक	मॉडेल	कंपनी	संयुक्त स्कोअर	स्कोअर	एकूण खर्च	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)
#122	Qwen3.8 2.4T A95B high	Qwen	0.7	0.8	$2.949	1/2	266.1s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $2.949 प्रतिसाद वेळ (सरासरी) 266.1s
#123	MiMo-V2.6-Flash medium	Xiaomi	0.7	0.8	$0.218	1/2	20.7s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.218 प्रतिसाद वेळ (सरासरी) 20.7s
#125	Ling 3.1 Flash high	Inclusionai	0.6	0.8	$0.000	1/2	351.2s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 351.2s
#128	GLM 5.3 high	Z.ai	0.6	0.8	$0.495	1/2	64.0s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.495 प्रतिसाद वेळ (सरासरी) 64.0s
#129	Step 3.7 Flash medium	Stepfun	0.7	0.8	$0.571	1/2	80.9s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.571 प्रतिसाद वेळ (सरासरी) 80.9s
#132	Grok 4.5 low	X AI	0.7	0.8	$1.345	1/2	12.8s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $1.345 प्रतिसाद वेळ (सरासरी) 12.8s
#133	DeepSeek V4 Flash 0731 medium	DeepSeek	0.7	0.8	$0.460	1/2	150.6s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.460 प्रतिसाद वेळ (सरासरी) 150.6s
#136	Muse Glimmer 30B high	Meta	0.6	0.8	$0.506	1/2	115.4s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.506 प्रतिसाद वेळ (सरासरी) 115.4s
#137	Nemotron 3.5 Super VL medium	NVIDIA	0.6	0.8	$0.437	1/2	112.2s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.437 प्रतिसाद वेळ (सरासरी) 112.2s
#138	Claude Haiku 5.5 medium	Anthropic	0.7	0.8	$0.063	1/2	20.3s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.063 प्रतिसाद वेळ (सरासरी) 20.3s
#139	Qwen3.5 Plus 2026-04-20 medium	Qwen	0.7	0.8	$0.435	1/2	92.4s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.435 प्रतिसाद वेळ (सरासरी) 92.4s
#140	Qwen3.7 Flash low	Qwen	0.6	0.8	$0.071	1/2	217.8s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.071 प्रतिसाद वेळ (सरासरी) 217.8s
#141	Muse Glimmer 30B medium	Meta	0.7	0.8	$0.288	1/2	76.5s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.288 प्रतिसाद वेळ (सरासरी) 76.5s
#143	Qwen3.8 Flash Next medium	Qwen	0.6	0.8	~$0.047	1/2	76.7s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च ~$0.047 प्रतिसाद वेळ (सरासरी) 76.7s
#144	GPT-6 Luna low	OpenAI	0.7	0.8	$0.033	1/2	49.8s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.033 प्रतिसाद वेळ (सरासरी) 49.8s

संयुक्त क्रमवारी

मॉडेल फिल्टर करा

संयुक्त स्कोअर नुसार शीर्ष मॉडेल्स

संयुक्त स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स