संयुक्त मॉडेल क्रमवारी

संयुक्त मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा.

दाखवलेली मॉडेल्स

सरासरी संयुक्त स्कोअर

0.6

सर्वोत्तम मॉडेल

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)
#270	DeepSeek V4 Flash 0731 none	DeepSeek	0.4	0.6	$0.053	0/2	202.4s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.053 प्रतिसाद वेळ (सरासरी) 202.4s
#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
#321	GLM 5V Turbo medium	Z.ai	0.3	0.5	$0.457	0/1	15.1s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $0.457 प्रतिसाद वेळ (सरासरी) 15.1s
#253	Qwen3.6 27B none	Qwen	0.3	0.6	$0.148	0/2	83.1s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.148 प्रतिसाद वेळ (सरासरी) 83.1s
#257	Gemini 3.1 Flash Lite low	Google	0.3	0.6	$0.717	0/2	161.2s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.717 प्रतिसाद वेळ (सरासरी) 161.2s
#331	GPT-5.6 Luna none	OpenAI	0.3	0.5	$0.042	0/2	6.68s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.042 प्रतिसाद वेळ (सरासरी) 6.68s
#349	Laguna S 2.1 medium	Poolside	0.3	0.5	$0.092	0/2	284.7s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.092 प्रतिसाद वेळ (सरासरी) 284.7s
#369	North Mini Code default	Cohere	0.3	0.5	$0.000	0/2	96.2s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 96.2s
#267	Space Bunny Alpha xhigh	Stealth	0.3	0.6	$0.000	0/2	37.1s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 37.1s
#377	Laguna S 2.1 low	Poolside	0.3	0.5	$0.108	0/2	412.5s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.108 प्रतिसाद वेळ (सरासरी) 412.5s
#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
#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
#225	Beam 1.0 501B A23B medium	Reflection	0.3	0.7	$0.499	0/2	2.62s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.499 प्रतिसाद वेळ (सरासरी) 2.62s
#229	Qwen3.6 35B A3B medium	Qwen	0.3	0.7	$0.834	0/2	817.6s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.834 प्रतिसाद वेळ (सरासरी) 817.6s
#232	Beam 1.0 501B A23B xhigh	Reflection	0.3	0.6	$0.688	0/2	2.68s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.688 प्रतिसाद वेळ (सरासरी) 2.68s

संयुक्त क्रमवारी

मॉडेल फिल्टर करा

संयुक्त स्कोअर नुसार शीर्ष मॉडेल्स

संयुक्त स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स