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)
#85	Muse Glimmer 30B xhigh	Meta	0.6	0.8	$0.585	0/2	272.7s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.585 प्रतिसाद वेळ (सरासरी) 272.7s
#88	Muse Spark 1.1 high	Meta	0.6	0.8	$2.570	0/2	70.3s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $2.570 प्रतिसाद वेळ (सरासरी) 70.3s
#99	Gemini 4 Argon low	Google	0.4	0.8	$0.438	0/2	11.9s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.438 प्रतिसाद वेळ (सरासरी) 11.9s
#154	Seed-2.0-Code medium	Bytedance Seed	0.5	0.7	$1.275	0/2	102.3s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $1.275 प्रतिसाद वेळ (सरासरी) 102.3s
#155	GLM 5.3 FlashX high	Z.ai	0.3	0.7	$0.210	0/2	27.7s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.210 प्रतिसाद वेळ (सरासरी) 27.7s
#171	Gemini 3.8 Flash low	Google	0.4	0.7	$0.323	0/2	19.6s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.323 प्रतिसाद वेळ (सरासरी) 19.6s
#177	Qwen3.6 27B medium	Qwen	0.7	0.7	$1.021	0/2	584.1s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $1.021 प्रतिसाद वेळ (सरासरी) 584.1s
#180	GLM 5.3 FlashX medium	Z.ai	0.3	0.7	$0.114	0/2	16.0s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.114 प्रतिसाद वेळ (सरासरी) 16.0s
#192	Gemini 3 Flash Preview low	Google	0.3	0.7	$0.254	0/2	10.2s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.254 प्रतिसाद वेळ (सरासरी) 10.2s
#193	Muse Glimmer 30B low	Meta	0.4	0.7	$0.219	0/2	132.0s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.219 प्रतिसाद वेळ (सरासरी) 132.0s
#197	Gemma 4 31B medium	Google	0.3	0.7	$0.144	0/2	433.1s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.144 प्रतिसाद वेळ (सरासरी) 433.1s
#198	GPT-5.6 Luna low	OpenAI	0.3	0.7	$0.049	0/2	13.7s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.049 प्रतिसाद वेळ (सरासरी) 13.7s
#203	Inkling low	Thinkingmachines	0.3	0.7	$0.293	0/2	22.7s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.293 प्रतिसाद वेळ (सरासरी) 22.7s
#210	Qwen3.5-Flash none	Qwen	0.3	0.7	$0.089	0/2	243.6s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.089 प्रतिसाद वेळ (सरासरी) 243.6s
#217	Apodex 1.1 Mini high	Apodex	0.4	0.7	$0.000	0/2	67.5s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 67.5s

1 2 31

→

संयुक्त क्रमवारी

मॉडेल फिल्टर करा

संयुक्त स्कोअर नुसार शीर्ष मॉडेल्स

संयुक्त स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स