संयुक्त मॉडेल क्रमवारी

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

दाखवलेली मॉडेल्स

सरासरी संयुक्त स्कोअर

0.6

सर्वोत्तम मॉडेल

Ling 3.1 Flash 0.7

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)
#314	Nemotron 3.5 Super VL none	NVIDIA	0.3	0.6	$0.040	0/2	451.9s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.040 प्रतिसाद वेळ (सरासरी) 451.9s
#362	Qwen3.5-9B none	Qwen	0.3	0.5	$0.041	0/2	194.0s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.041 प्रतिसाद वेळ (सरासरी) 194.0s
#331	GPT-5.6 Luna none	OpenAI	0.3	0.5	$0.042	0/2	6.68s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.042 प्रतिसाद वेळ (सरासरी) 6.68s
#383	Hy3 preview low	Tencent	0.5	0.5	$0.042	1/1	78.7s
एकूण चाचण्या 1 चुकीच्या चाचण्या 0 एकूण खर्च $0.042 प्रतिसाद वेळ (सरासरी) 78.7s
#342	MiMo-V2-Flash medium	Xiaomi	0.5	0.5	$0.043	1/1	75.7s
एकूण चाचण्या 1 चुकीच्या चाचण्या 0 एकूण खर्च $0.043 प्रतिसाद वेळ (सरासरी) 75.7s
#231	Mercury 2.5 high	Inception	0.6	0.6	$0.044	1/2	16.0s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.044 प्रतिसाद वेळ (सरासरी) 16.0s
#370	Laguna S 2.1 none	Poolside	0.3	0.5	$0.044	0/2	21.6s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.044 प्रतिसाद वेळ (सरासरी) 21.6s
#114	Qwen3.8 Flash Next low	Qwen	0.7	0.8	~$0.045	1/2	98.9s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च ~$0.045 प्रतिसाद वेळ (सरासरी) 98.9s
#380	Mimo V2 PRO default	Xiaomi	0.2	0.5	$0.045	0/1	6.58s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $0.045 प्रतिसाद वेळ (सरासरी) 6.58s
#354	KAT Coder AIR V2.5 low	Kwaipilot	0.6	0.5	$0.046	1/2	55.9s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.046 प्रतिसाद वेळ (सरासरी) 55.9s
#396	GLM 5 Turbo none	Z.ai	0.2	0.4	$0.047	0/1	4.89s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $0.047 प्रतिसाद वेळ (सरासरी) 4.89s
#344	Mistral Small 4 none	Mistral	0.3	0.5	$0.047	0/2	7.44s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.047 प्रतिसाद वेळ (सरासरी) 7.44s
#95	GPT-6 Luna medium	OpenAI	1.0	0.8	$0.047	2/2	22.7s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.047 प्रतिसाद वेळ (सरासरी) 22.7s
#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
#346	KAT Coder AIR V2.5 medium	Kwaipilot	0.7	0.5	$0.048	1/2	19.6s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.048 प्रतिसाद वेळ (सरासरी) 19.6s

संयुक्त क्रमवारी

मॉडेल फिल्टर करा

संयुक्त स्कोअर नुसार शीर्ष मॉडेल्स

संयुक्त स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स