संयुक्त क्रमवारी
संयुक्त मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: प्रतिसाद वेळ (सरासरी) ↓.
अयशस्वी होण्याची कारणे
216/216
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | संयुक्त स्कोअर | स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #33 | Step 3.7 Flash medium | Stepfun | 7.3 | 8.0 | $0.515 | 1/2 | 80.9s |
| #80 | DeepSeek V3.2 medium | DeepSeek | 7.3 | 7.0 | $0.078 | 1/2 | 79.9s |
| #50 | DeepSeek V4 Pro high | DeepSeek | 10.0 | 7.7 | $0.200 | 2/2 | 79.0s |
| #159 | Hy3 preview low | Tencent | 5.0 | 5.5 | $0.015 | 1/1 | 78.7s |
| #107 | MiMo-V2.5 medium | Xiaomi | 8.7 | 6.5 | $0.082 | 1/2 | 78.0s |
| #144 | Kimi K2.6 none | Moonshot AI | 3.0 | 5.8 | $0.184 | 0/2 | 77.8s |
| #119 | MiMo-V2-Flash medium | Xiaomi | 4.9 | 6.3 | $0.043 | 1/1 | 75.7s |
| #150 | KAT-Coder-Air V2.5 high | Kwaipilot | 6.5 | 5.6 | $0.077 | 1/2 | 74.5s |
| #188 | KAT-Coder-Air V2.5 none | Kwaipilot | 3.8 | 4.8 | $0.067 | 0/2 | 73.0s |
| #178 | MiniMax M2.7 medium | Minimax | 3.8 | 5.0 | $0.163 | 0/2 | 72.1s |
| #86 | DeepSeek V4 Pro none | DeepSeek | 7.9 | 6.9 | $0.096 | 1/2 | 71.6s |
| #30 | Muse Spark 1.1 high | Meta | 5.9 | 8.1 | $1.694 | 0/2 | 70.3s |
| #71 | Step 3.7 Flash low | Stepfun | 7.3 | 7.3 | $0.454 | 1/2 | 66.2s |
| #56 | Kimi K2.7 Code medium | Moonshot AI | 7.3 | 7.5 | $0.740 | 1/2 | 66.0s |
| #52 | Grok Build 0.1 medium | X AI | 10.0 | 7.6 | $1.097 | 2/2 | 65.1s |