संयुक्त क्रमवारी
संयुक्त मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा.
अयशस्वी होण्याची कारणे
210/210
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | संयुक्त स्कोअर | स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #187 | Qwen3 Coder Next medium | Qwen | 3.0 | 4.7 | $0.032 | 0/2 | 14.6s |
| #189 | Mercury 2 none | Inception | 3.0 | 4.6 | $0.030 | 0/2 | 2.56s |
| #201 | Granite 4.1 8B none | IBM Granite | 3.0 | 4.0 | $0.007 | 0/2 | 9.28s |
| #204 | Qwen3.5-9B medium | Qwen | 3.0 | 3.8 | $0.036 | 0/2 | 0ms |
| #110 | Gemma 4 31B medium | 2.9 | 6.3 | $0.163 | 0/2 | 433.1s | |
| #123 | Inkling low | Thinkingmachines | 2.9 | 6.1 | $0.187 | 0/2 | 22.7s |
| #125 | Qwen3.5-Flash none | Qwen | 2.9 | 6.1 | $0.073 | 0/2 | 243.6s |
| #132 | GPT-5.6 Terra none | OpenAI | 2.9 | 6.0 | $0.349 | 0/2 | 7.02s |
| #137 | North Mini Code medium | Cohere | 2.9 | 5.9 | $0.000 | 0/2 | 554.9s |
| #164 | Inkling none | Thinkingmachines | 2.9 | 5.2 | $0.147 | 0/2 | 25.7s |
| #194 | GLM 4.7 Flash medium | Z.ai | 2.9 | 4.3 | $0.166 | 0/2 | 802.8s |
| #117 | GPT-5.6 Luna low | OpenAI | 2.8 | 6.2 | $0.249 | 0/2 | 13.7s |
| #151 | GLM 5.1 none | Z.ai | 2.8 | 5.5 | $0.164 | 0/2 | 46.9s |
| #155 | Kimi K2.5 none | Moonshot AI | 2.8 | 5.5 | $0.127 | 0/2 | 61.0s |
| #109 | Mimo V2 PRO medium | Xiaomi | 2.3 | 6.3 | $0.333 | 0/1 | 64.7s |