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)
#301	Trinity Large Thinking high	Arcee AI	0.3	0.6	$0.794	0/2	262.4s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.794 प्रतिसाद वेळ (सरासरी) 262.4s
#304	Mistral Large 4 none	Mistral	0.3	0.6	$0.290	0/2	36.9s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.290 प्रतिसाद वेळ (सरासरी) 36.9s
#309	GPT-5.4 none	OpenAI	0.3	0.6	$0.690	0/2	9.26s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.690 प्रतिसाद वेळ (सरासरी) 9.26s
#310	Solar Pro 4 none	Upstage	0.3	0.6	$0.022	0/2	35.1s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.022 प्रतिसाद वेळ (सरासरी) 35.1s
#314	Nemotron 3.5 Super VL none	NVIDIA	0.3	0.6	$0.040	0/2	451.9s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.040 प्रतिसाद वेळ (सरासरी) 451.9s
#316	Kimi K2.6 none	Moonshot AI	0.3	0.5	$0.486	0/2	77.8s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.486 प्रतिसाद वेळ (सरासरी) 77.8s
#318	Gemini 2.5 Flash none	Google	0.3	0.5	$0.017	0/2	61.2s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.017 प्रतिसाद वेळ (सरासरी) 61.2s
#320	Gemma 4 26B A4B none	Google	0.3	0.5	$0.031	0/2	37.2s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.031 प्रतिसाद वेळ (सरासरी) 37.2s
#322	Seed-2.0-Code none	Bytedance Seed	0.3	0.5	$0.257	0/2	78.4s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.257 प्रतिसाद वेळ (सरासरी) 78.4s
#324	Qwen3.8 27B none	Qwen	0.3	0.5	~$0.010	0/2	24.1s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च ~$0.010 प्रतिसाद वेळ (सरासरी) 24.1s
#329	Ember-1 none	Fireworks	0.3	0.5	$0.786	0/2	49.0s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.786 प्रतिसाद वेळ (सरासरी) 49.0s
#332	Granite 4.2 8B low	IBM Granite	0.3	0.5	$0.036	0/2	298.2s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.036 प्रतिसाद वेळ (सरासरी) 298.2s
#335	Laguna XS 2.1 none	Poolside	0.3	0.5	$0.020	0/2	10.4s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.020 प्रतिसाद वेळ (सरासरी) 10.4s
#337	Inkling Small low	Thinkingmachines	0.3	0.5	$0.055	0/2	4.08s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.055 प्रतिसाद वेळ (सरासरी) 4.08s
#338	Ling 3.0 Flash none	Inclusionai	0.3	0.5	$0.004	0/2	8.58s
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च $0.004 प्रतिसाद वेळ (सरासरी) 8.58s

संयुक्त क्रमवारी

मॉडेल फिल्टर करा

संयुक्त स्कोअर नुसार शीर्ष मॉडेल्स

संयुक्त स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स