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

Gemini 3.6 Flash 1.0

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)
#388	Trinity Large Preview default	Arcee AI	0.2	0.4	$0.008	0/1	8.91s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $0.008 प्रतिसाद वेळ (सरासरी) 8.91s
#389	Granite 4.2 8B none	IBM Granite	0.3	0.4	$0.037	0/2	424.3s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.037 प्रतिसाद वेळ (सरासरी) 424.3s
#390	Cobuddy medium	Baidu	0.2	0.4	$0.000	0/1	47.4s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 47.4s
#391	Mercury 2 none	Inception	0.3	0.4	$0.033	0/2	2.56s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.033 प्रतिसाद वेळ (सरासरी) 2.56s
#393	MiniMax M2.5 medium	Minimax	0.4	0.4	$0.440	0/2	83.2s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.440 प्रतिसाद वेळ (सरासरी) 83.2s
#394	GLM 4.7 Flash medium	Z.ai	0.3	0.4	$0.193	0/2	802.8s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.193 प्रतिसाद वेळ (सरासरी) 802.8s
#395	gpt-oss-120b none	OpenAI	0.2	0.4	$0.016	0/1	0ms
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $0.016 प्रतिसाद वेळ (सरासरी) 0ms
#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
#397	Mercury 2.5 none	Inception	0.3	0.4	$0.026	0/2	3.24s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.026 प्रतिसाद वेळ (सरासरी) 3.24s
#399	Qwen3.5-9B medium	Qwen	0.3	0.4	$0.106	0/2	0ms
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.106 प्रतिसाद वेळ (सरासरी) 0ms
#400	Grok 4.20 Multi Agent Beta medium	X AI	0.2	0.4	$5.599	0/1	0ms
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $5.599 प्रतिसाद वेळ (सरासरी) 0ms
#401	Hunter Alpha medium	OpenRouter	0.2	0.4	$0.000	0/1	30.5s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 30.5s
#403	Laguna M.1 medium	Poolside	0.2	0.4	$0.033	0/1	53.1s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $0.033 प्रतिसाद वेळ (सरासरी) 53.1s
#404	Ling 3.0 Tiny default	Inclusionai	0.3	0.4	$0.000	0/2	124.2s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 124.2s
#405	Granite 4.1 8b default	IBM Granite	0.3	0.4	$0.007	0/2	9.28s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.007 प्रतिसाद वेळ (सरासरी) 9.28s

संयुक्त क्रमवारी

मॉडेल फिल्टर करा

संयुक्त स्कोअर नुसार शीर्ष मॉडेल्स

संयुक्त स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स