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) |
|---|---|---|---|---|---|---|---|
| #238 | DeepSeek V4 Flash 0423 none | DeepSeek | 4.6 | 5.4 | $0.039 | 0/2 | 179.6s |
| #239 | Laguna S 2.1 medium | Poolside | 3.2 | 5.4 | $0.053 | 0/2 | 284.7s |
| #241 | GPT-5.6 Luna none | OpenAI | 3.2 | 5.4 | $0.029 | 0/2 | 6.68s |
| #242 | MiMo-V2.5-Pro none | Xiaomi | 3.0 | 5.4 | $0.068 | 0/2 | 28.3s |
| #243 | Kimi K2.5 none | Moonshot AI | 2.8 | 5.4 | $0.101 | 0/2 | 61.0s |
| #244 | DeepSeek V4 Flash 0731 none | DeepSeek | 3.7 | 5.4 | $0.011 | 0/2 | 202.4s |
| #245 | Laguna S 2.1 high | Poolside | 2.9 | 5.4 | $0.114 | 0/2 | 702.3s |
| #247 | Laguna XS 2.1 none | Poolside | 3.0 | 5.3 | $0.008 | 0/2 | 10.4s |
| #248 | Seed-2.0-Code none | Bytedance Seed | 3.0 | 5.3 | $0.151 | 0/2 | 78.4s |
| #251 | Qwen3.6 35B A3B none | Qwen | 3.8 | 5.3 | $0.051 | 0/2 | 39.5s |
| #252 | Dots 3 Note Preview none | Dots Studio | 3.0 | 5.2 | $0.000 | 0/2 | 14.8s |
| #253 | Inkling none | Thinkingmachines | 2.9 | 5.2 | $0.147 | 0/2 | 25.7s |
| #254 | Granite 4.2 8B medium | IBM Granite | 3.0 | 5.2 | $0.009 | 0/2 | 291.1s |
| #256 | Mistral Small 4 none | Mistral | 3.0 | 5.1 | $0.022 | 0/2 | 7.44s |
| #257 | Mistral Small 4 medium | Mistral | 3.0 | 5.1 | $0.097 | 0/2 | 32.4s |