AI BENCHY
Advertise here

संयुक्त 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

15

सरासरी संयुक्त स्कोअर

5.5

सर्वोत्तम मॉडेल

Grok 4.20 Multi Agent Beta 1.5

अयशस्वी होण्याची कारणे

अयशस्वी होण्याचे कारण अवैध टूल कॉल सह96 अयशस्वी होण्याचे कारण चुकीचे उत्तर सह71 अयशस्वी होण्याचे कारण उत्तर नाही सह33 अयशस्वी होण्याचे कारण API त्रुटी सह26 अयशस्वी होण्याचे कारण वेळ संपला सह5 अयशस्वी होण्याचे कारण अतिरिक्त फॉरमॅटिंग सह1 अयशस्वी होण्याचे कारण सूचनांचे पालन केले नाही सह1
220/220
क्रमांक मॉडेल कंपनी संयुक्त स्कोअर स्कोअर एकूण खर्च बरोबर चाचण्या प्रतिसाद वेळ (सरासरी)

संयुक्त स्कोअर नुसार शीर्ष मॉडेल्स

संयुक्त स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स