AI BENCHY

Clasament Benchmark AI

Name: Rezultate benchmark modele AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-30 Modele evaluate: 78

Căutare

78/80

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#1🥇 #1	Gemini 3 Flash Previewmedium	10.0	Google	$0.166	11.39s
Vezi fișa modelului Total teste: 17 Teste greșite: 0 Rată de trecere pe încercare: 100.0% Teste instabile: 0 Tokenuri de ieșire: 1,640 Tokenuri de raționament: 48,270 Timp de răspuns: medie 11.39s · total 113.86s · maxim 50.16s Trucuri anti-AI : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 10.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#2🥈 #2	Gemini 3.1 Pro Previewmedium	9.6	Google	$0.522	15.56s
Vezi fișa modelului Total teste: 17 Teste greșite: 1 Rată de trecere pe încercare: 94.1% Teste instabile: 0 Tokenuri de ieșire: 1,527 Tokenuri de raționament: 36,341 Timp de răspuns: medie 15.56s · total 155.64s · maxim 40.61s Răspuns greșit: 1 Trucuri anti-AI : 10.0 Combinat : 9.5 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#3🥉 #3	Gemini 3 Flash Previewlow	8.7	Google	$0.081	5.95s
Vezi fișa modelului Total teste: 17 Teste greșite: 3 Rată de trecere pe încercare: 84.3% Teste instabile: 1 Tokenuri de ieșire: 1,592 Tokenuri de raționament: 20,556 Timp de răspuns: medie 5.95s · total 101.19s · maxim 14.72s Răspuns greșit: 3 Trucuri anti-AI : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#4#4	Gemini 3 PRO Previewmedium	8.7	Google	$0.197	9.06s
Vezi fișa modelului Total teste: 17 Teste greșite: 3 Rată de trecere pe încercare: 82.4% Teste instabile: 0 Tokenuri de ieșire: 1,508 Tokenuri de raționament: 10,084 Timp de răspuns: medie 9.06s · total 90.58s · maxim 26.24s Răspuns greșit: 3 Trucuri anti-AI : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#5#5	Seed-2.0-Litemedium	8.5	Bytedance Seed	$0.105	27.78s
Vezi fișa modelului Total teste: 17 Teste greșite: 5 Rată de trecere pe încercare: 82.4% Teste instabile: 3 Tokenuri de ieșire: 2,821 Tokenuri de raționament: 44,723 Timp de răspuns: medie 27.78s · total 472.24s · maxim 168.71s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.3 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 6.7 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 9.0 Apelare instrumente : 10.0
#6#6	Qwen3.6 Plus Previewmedium	8.5	Qwen	$0.000	13.94s
Vezi fișa modelului Total teste: 17 Teste greșite: 4 Rată de trecere pe încercare: 76.5% Teste instabile: 0 Tokenuri de ieșire: 1,756 Tokenuri de raționament: 77,213 Timp de răspuns: medie 13.94s · total 237.01s · maxim 43.55s Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#7#7	GPT-5.3-Codexmedium	8.5	OpenAI	$0.544	15.76s
Vezi fișa modelului Total teste: 17 Teste greșite: 5 Rată de trecere pe încercare: 82.4% Teste instabile: 3 Tokenuri de ieșire: 1,788 Tokenuri de raționament: 33,649 Timp de răspuns: medie 15.76s · total 267.97s · maxim 100.93s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.6 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 9.0 Apelare instrumente : 10.0
#8#8	Gemini 3.1 Flash Lite Previewhigh	8.4	Google	$2.310	68.83s
Vezi fișa modelului Total teste: 16 Teste greșite: 4 Rată de trecere pe încercare: 77.1% Teste instabile: 1 Tokenuri de ieșire: 1,283 Tokenuri de raționament: 1,533,310 Timp de răspuns: medie 68.83s · total 1101.32s · maxim 280.52s Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 7.9 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#9#9	Qwen3.5 Plus 2026-02-15medium	8.4	Qwen	$0.189	39.13s
Vezi fișa modelului Total teste: 17 Teste greșite: 4 Rată de trecere pe încercare: 82.4% Teste instabile: 2 Tokenuri de ieșire: 1,754 Tokenuri de raționament: 92,522 Timp de răspuns: medie 39.13s · total 391.29s · maxim 81.20s Timp expirat: 2 Răspuns greșit: 2 Trucuri anti-AI : 8.2 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.7 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#10#10	Qwen3.5-122B-A10Bmedium	8.4	Qwen	$0.505	29.05s
Vezi fișa modelului Total teste: 17 Teste greșite: 4 Rată de trecere pe încercare: 80.4% Teste instabile: 2 Tokenuri de ieșire: 17,313 Tokenuri de raționament: 151,974 Timp de răspuns: medie 29.05s · total 493.86s · maxim 119.29s Răspuns greșit: 3 Timp expirat: 1 Trucuri anti-AI : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 3.4 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#11#11	Qwen3.5-27Bmedium	8.3	Qwen	$0.467	52.01s
Vezi fișa modelului Total teste: 17 Teste greșite: 5 Rată de trecere pe încercare: 80.4% Teste instabile: 3 Tokenuri de ieșire: 2,125 Tokenuri de raționament: 223,335 Timp de răspuns: medie 52.01s · total 884.10s · maxim 163.96s Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Timp expirat: 1 Răspuns greșit: 1 Trucuri anti-AI : 8.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0
#12#12	GLM 5medium	8.3	Z.ai	$0.108	17.15s
Vezi fișa modelului Total teste: 17 Teste greșite: 5 Rată de trecere pe încercare: 84.3% Teste instabile: 4 Tokenuri de ieșire: 19,833 Tokenuri de raționament: 38,523 Timp de răspuns: medie 17.15s · total 154.32s · maxim 28.96s Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Combinat : 10.0 Parsare și extragere de date : 7.1 Specific domeniului : 3.5 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#13#13	DeepSeek V3.2medium	8.2	DeepSeek	$0.026	38.49s
Vezi fișa modelului Total teste: 17 Teste greșite: 5 Rată de trecere pe încercare: 80.4% Teste instabile: 3 Tokenuri de ieșire: 9,994 Tokenuri de raționament: 41,719 Timp de răspuns: medie 38.49s · total 654.41s · maxim 93.11s Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Trucuri anti-AI : 8.4 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.4 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0
#14#14	Gemini 2.5 Flashmedium	8.1	Google	$0.292	11.88s
Vezi fișa modelului Total teste: 17 Teste greșite: 5 Rată de trecere pe încercare: 74.5% Teste instabile: 1 Tokenuri de ieșire: 1,376 Tokenuri de raționament: 111,923 Timp de răspuns: medie 11.88s · total 201.89s · maxim 95.48s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.4 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.8 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#15#15	Gemini 3.1 Flash Lite Previewmedium	8.1	Google	$0.050	3.70s
Vezi fișa modelului Total teste: 17 Teste greșite: 5 Rată de trecere pe încercare: 70.6% Teste instabile: 0 Tokenuri de ieșire: 1,737 Tokenuri de raționament: 26,346 Timp de răspuns: medie 3.70s · total 62.97s · maxim 14.93s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 9.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#16#16	GPT-5.4medium	8.1	OpenAI	$0.794	18.95s
Vezi fișa modelului Total teste: 17 Teste greșite: 5 Rată de trecere pe încercare: 78.4% Teste instabile: 3 Tokenuri de ieșire: 1,780 Tokenuri de raționament: 46,687 Timp de răspuns: medie 18.95s · total 322.23s · maxim 100.41s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.3 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.7 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0
#17#17	GLM 5 Turbomedium	8.0	Z.ai	$0.166	17.98s
Vezi fișa modelului Total teste: 17 Teste greșite: 6 Rată de trecere pe încercare: 76.5% Teste instabile: 5 Tokenuri de ieșire: 11,865 Tokenuri de raționament: 35,632 Timp de răspuns: medie 17.98s · total 305.72s · maxim 194.23s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Timp expirat: 1 Trucuri anti-AI : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.3 Apelare instrumente : 10.0
#18#18	Gemini 3.1 Flash Lite Previewlow	8.0	Google	$0.021	3.28s
Vezi fișa modelului Total teste: 17 Teste greșite: 5 Rată de trecere pe încercare: 70.6% Teste instabile: 0 Tokenuri de ieșire: 1,617 Tokenuri de raționament: 7,686 Timp de răspuns: medie 3.28s · total 55.80s · maxim 11.91s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#19#19	Gemini 3 Flash Previewnone	8.0	Google	$0.019	1.66s
Vezi fișa modelului Total teste: 17 Teste greșite: 5 Rată de trecere pe încercare: 76.5% Teste instabile: 2 Tokenuri de ieșire: 1,417 Tokenuri de raționament: 0 Timp de răspuns: medie 1.66s · total 16.61s · maxim 3.56s Răspuns greșit: 5 Trucuri anti-AI : 8.3 Combinat : 4.7 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#20#20	Qwen3.5-Flashmedium	8.0	Qwen	$0.076	67.96s
Vezi fișa modelului Total teste: 17 Teste greșite: 6 Rată de trecere pe încercare: 82.4% Teste instabile: 5 Tokenuri de ieșire: 1,827 Tokenuri de raționament: 179,299 Timp de răspuns: medie 67.96s · total 1155.28s · maxim 234.29s Timp expirat: 3 Eroare API: 1 Nu a urmat instrucțiunile: 1 Răspuns greșit: 1 Trucuri anti-AI : 10.0 Combinat : 10.0 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 10.0
#21#21	MiMo-V2-Promedium	8.0	Xiaomi	$0.123	9.78s
Vezi fișa modelului Total teste: 17 Teste greșite: 6 Rată de trecere pe încercare: 76.5% Teste instabile: 3 Tokenuri de ieșire: 1,875 Tokenuri de raționament: 26,959 Timp de răspuns: medie 9.78s · total 156.45s · maxim 64.71s Răspuns greșit: 3 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Combinat : 4.7 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.0 Apelare instrumente : 10.0
#22#22	Claude Sonnet 4.6medium	7.9	Anthropic	$1.024	10.09s
Vezi fișa modelului Total teste: 17 Teste greșite: 5 Rată de trecere pe încercare: 72.6% Teste instabile: 1 Tokenuri de ieșire: 35,174 Tokenuri de raționament: 24,687 Timp de răspuns: medie 10.09s · total 90.85s · maxim 46.35s Formatare suplimentară: 2 Răspuns greșit: 2 Timp expirat: 1 Trucuri anti-AI : 6.5 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#23#23	MiMo-V2-Omnimedium	7.9	Xiaomi	$0.084	13.71s
Vezi fișa modelului Total teste: 17 Teste greșite: 6 Rată de trecere pe încercare: 64.7% Teste instabile: 0 Tokenuri de ieșire: 663 Tokenuri de raționament: 39,001 Timp de răspuns: medie 13.71s · total 233.06s · maxim 158.78s Nu a urmat instrucțiunile: 2 Răspuns greșit: 2 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 6.5 Apelare instrumente : 10.0
#24#24	Grok 4.20 Betamedium	7.9	X AI	$0.608	8.54s
Vezi fișa modelului Total teste: 17 Teste greșite: 6 Rată de trecere pe încercare: 72.6% Teste instabile: 2 Tokenuri de ieșire: 1,487 Tokenuri de raționament: 87,922 Timp de răspuns: medie 8.54s · total 145.26s · maxim 24.21s Nu a urmat instrucțiunile: 3 Răspuns greșit: 3 Trucuri anti-AI : 8.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 3.0
#25#25	Step 3.5 Flashmedium	7.9	Stepfun	$0.000	26.78s
Vezi fișa modelului Total teste: 17 Teste greșite: 6 Rată de trecere pe încercare: 70.6% Teste instabile: 2 Tokenuri de ieșire: 71,904 Tokenuri de raționament: 155,607 Timp de răspuns: medie 26.78s · total 294.58s · maxim 170.45s Nu a urmat instrucțiunile: 3 Răspuns greșit: 3 Trucuri anti-AI : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.5 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0
#26#26	Gemini 3.1 Flash Lite Previewnone	7.8	Google	$0.015	1.29s
Vezi fișa modelului Total teste: 17 Teste greșite: 6 Rată de trecere pe încercare: 68.6% Teste instabile: 1 Tokenuri de ieșire: 4,721 Tokenuri de raționament: 0 Timp de răspuns: medie 1.29s · total 21.95s · maxim 3.39s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 7.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#27#27	GPT-5.2 Chatnone	7.8	OpenAI	$0.271	6.72s
Vezi fișa modelului Total teste: 17 Teste greșite: 6 Rată de trecere pe încercare: 74.5% Teste instabile: 3 Tokenuri de ieșire: 16,001 Tokenuri de raționament: 0 Timp de răspuns: medie 6.72s · total 114.20s · maxim 38.52s Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.4 Respectarea instrucțiunilor : 7.5 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#28#28	MiMo-V2-Flashmedium	7.6	Xiaomi	$0.037	24.30s
Vezi fișa modelului Total teste: 17 Teste greșite: 6 Rată de trecere pe încercare: 70.6% Teste instabile: 2 Tokenuri de ieșire: 11,959 Tokenuri de raționament: 111,534 Timp de răspuns: medie 24.30s · total 267.31s · maxim 96.01s Răspuns greșit: 3 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.1 Combinat : 9.8 Parsare și extragere de date : 6.5 Specific domeniului : 5.9 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#29#29	GPT-5.3 Chatnone	7.6	OpenAI	$0.318	5.68s
Vezi fișa modelului Total teste: 17 Teste greșite: 7 Rată de trecere pe încercare: 66.7% Teste instabile: 3 Tokenuri de ieșire: 19,348 Tokenuri de raționament: 0 Timp de răspuns: medie 5.68s · total 96.58s · maxim 18.33s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 6.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 4.6 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#30#30	Claude Opus 4.6medium	7.5	Anthropic	$1.317	20.87s
Vezi fișa modelului Total teste: 17 Teste greșite: 6 Rată de trecere pe încercare: 68.6% Teste instabile: 2 Tokenuri de ieșire: 26,343 Tokenuri de raționament: 17,434 Timp de răspuns: medie 20.87s · total 208.73s · maxim 83.40s Formatare suplimentară: 4 Răspuns greșit: 2 Trucuri anti-AI : 6.4 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#31#31	GPT-5.4 Nanomedium	7.4	OpenAI	$0.077	11.08s
Vezi fișa modelului Total teste: 17 Teste greșite: 7 Rată de trecere pe încercare: 66.7% Teste instabile: 2 Tokenuri de ieșire: 2,474 Tokenuri de raționament: 54,516 Timp de răspuns: medie 11.08s · total 188.39s · maxim 94.06s Răspuns greșit: 4 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 8.3 Combinat : 9.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 4.0 Apelare instrumente : 10.0
#32#32	Seed-2.0-Minimedium	7.3	Bytedance Seed	$0.029	60.58s
Vezi fișa modelului Total teste: 17 Teste greșite: 7 Rată de trecere pe încercare: 64.7% Teste instabile: 2 Tokenuri de ieșire: 1,971 Tokenuri de raționament: 58,624 Timp de răspuns: medie 60.58s · total 848.16s · maxim 262.83s Timp expirat: 4 Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.6 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0
#33#33	GPT-5.2medium	7.3	OpenAI	$0.314	13.93s
Vezi fișa modelului Total teste: 17 Teste greșite: 7 Rată de trecere pe încercare: 70.6% Teste instabile: 4 Tokenuri de ieșire: 2,238 Tokenuri de raționament: 16,811 Timp de răspuns: medie 13.93s · total 139.29s · maxim 77.80s Nu a urmat instrucțiunile: 3 Răspuns greșit: 2 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 6.5 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 3.7 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 4.7
#34#34	Qwen3.5-35B-A3Bmedium	7.3	Qwen	$0.349	42.48s
Vezi fișa modelului Total teste: 17 Teste greșite: 8 Rată de trecere pe încercare: 78.4% Teste instabile: 7 Tokenuri de ieșire: 5,864 Tokenuri de raționament: 175,683 Timp de răspuns: medie 42.48s · total 722.12s · maxim 106.00s Timp expirat: 4 Răspuns greșit: 2 Eroare API: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Combinat : 4.7 Parsare și extragere de date : 7.3 Specific domeniului : 4.1 Inteligență generală : 2.8 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 10.0
#35#35	Claude Sonnet 4.6none	7.3	Anthropic	$0.252	5.12s
Vezi fișa modelului Total teste: 17 Teste greșite: 7 Rată de trecere pe încercare: 62.8% Teste instabile: 1 Tokenuri de ieșire: 6,910 Tokenuri de raționament: 0 Timp de răspuns: medie 5.12s · total 51.16s · maxim 23.84s Formatare suplimentară: 3 Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.8 Combinat : 9.5 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 6.1 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#36#36	Kimi K2.5medium	7.2	Moonshot AI	$0.201	64.59s
Vezi fișa modelului Total teste: 17 Teste greșite: 8 Rată de trecere pe încercare: 72.6% Teste instabile: 6 Tokenuri de ieșire: 40,907 Tokenuri de raționament: 75,121 Timp de răspuns: medie 64.59s · total 645.93s · maxim 137.29s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 7.3 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 6.5 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0
#37#37	GPT-5.4 Minimedium	7.1	OpenAI	$0.289	15.66s
Vezi fișa modelului Total teste: 17 Teste greșite: 9 Rată de trecere pe încercare: 68.6% Teste instabile: 6 Tokenuri de ieșire: 1,708 Tokenuri de raționament: 58,019 Timp de răspuns: medie 15.66s · total 266.14s · maxim 102.91s Nu a urmat instrucțiunile: 5 Răspuns greșit: 4 Trucuri anti-AI : 8.6 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 4.5 Respectarea instrucțiunilor : 7.4 Rezolvare de puzzle-uri : 6.8 Apelare instrumente : 4.7
#38#38	Hunter Alphamedium	7.0	Openrouter	$0.000	10.33s
Vezi fișa modelului Total teste: 17 Teste greșite: 9 Rată de trecere pe încercare: 68.6% Teste instabile: 6 Tokenuri de ieșire: 4,724 Tokenuri de raționament: 17,921 Timp de răspuns: medie 10.33s · total 175.60s · maxim 30.53s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Timp expirat: 2 Formatare suplimentară: 1 Trucuri anti-AI : 7.3 Combinat : 4.7 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 7.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 6.1 Apelare instrumente : 10.0
#39#39	Grok 4.1 Fastmedium	6.9	X AI	$0.052	23.91s
Vezi fișa modelului Total teste: 17 Teste greșite: 8 Rată de trecere pe încercare: 66.7% Teste instabile: 5 Tokenuri de ieșire: 1,189 Tokenuri de raționament: 84,595 Timp de răspuns: medie 23.91s · total 239.09s · maxim 121.79s Nu a urmat instrucțiunile: 3 Răspuns greșit: 3 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 8.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.8 Inteligență generală : 4.2 Respectarea instrucțiunilor : 6.6 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 2.8
#40#40	Nemotron 3 Supermedium	6.9	NVIDIA	$0.000	19.06s
Vezi fișa modelului Total teste: 17 Teste greșite: 8 Rată de trecere pe încercare: 58.8% Teste instabile: 3 Tokenuri de ieșire: 11,947 Tokenuri de raționament: 29,768 Timp de răspuns: medie 19.06s · total 305.04s · maxim 87.80s Nu a urmat instrucțiunile: 4 Răspuns greșit: 3 Timp expirat: 1 Trucuri anti-AI : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 3.8 Respectarea instrucțiunilor : 7.2 Rezolvare de puzzle-uri : 3.5 Apelare instrumente : 10.0
#41#41	GPT-5 Minimedium	6.8	OpenAI	$0.118	24.02s
Vezi fișa modelului Total teste: 17 Teste greșite: 9 Rată de trecere pe încercare: 58.8% Teste instabile: 3 Tokenuri de ieșire: 5,896 Tokenuri de raționament: 49,322 Timp de răspuns: medie 24.02s · total 408.39s · maxim 88.15s Nu a urmat instrucțiunile: 4 Răspuns greșit: 4 Timp expirat: 1 Trucuri anti-AI : 7.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 4.5 Respectarea instrucțiunilor : 8.0 Rezolvare de puzzle-uri : 5.6 Apelare instrumente : 10.0
#42#42	Qwen3.5 Plus 2026-02-15none	6.8	Qwen	$0.016	2.51s
Vezi fișa modelului Total teste: 17 Teste greșite: 8 Rată de trecere pe încercare: 54.9% Teste instabile: 1 Tokenuri de ieșire: 2,018 Tokenuri de raționament: 0 Timp de răspuns: medie 2.51s · total 27.60s · maxim 6.65s Răspuns greșit: 8 Trucuri anti-AI : 4.8 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.4 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#43#43	GLM 5none	6.7	Z.ai	$0.019	3.77s
Vezi fișa modelului Total teste: 17 Teste greșite: 8 Rată de trecere pe încercare: 52.9% Teste instabile: 0 Tokenuri de ieșire: 1,551 Tokenuri de raționament: 0 Timp de răspuns: medie 3.77s · total 37.66s · maxim 11.07s Răspuns greșit: 8 Trucuri anti-AI : 4.8 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#44#44	MiMo-V2-Omninone	6.4	Xiaomi	$0.006	2.01s
Vezi fișa modelului Total teste: 17 Teste greșite: 9 Rată de trecere pe încercare: 47.1% Teste instabile: 0 Tokenuri de ieșire: 469 Tokenuri de raționament: 0 Timp de răspuns: medie 2.01s · total 34.09s · maxim 6.81s Răspuns greșit: 7 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.5 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 8.0 Apelare instrumente : 10.0
#45#45	DeepSeek V3.2none	6.4	DeepSeek	$0.016	12.35s
Vezi fișa modelului Total teste: 17 Teste greșite: 10 Rată de trecere pe încercare: 51.0% Teste instabile: 3 Tokenuri de ieșire: 7,831 Tokenuri de raționament: 0 Timp de răspuns: medie 12.35s · total 209.94s · maxim 115.89s Răspuns greșit: 7 Formatare suplimentară: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 3.2 Combinat : 6.5 Parsare și extragere de date : 6.3 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.5 Apelare instrumente : 10.0
#46#46	Mercury 2medium	6.3	Inception	$0.045	2.25s
Vezi fișa modelului Total teste: 17 Teste greșite: 10 Rată de trecere pe încercare: 51.0% Teste instabile: 3 Tokenuri de ieșire: 3,723 Tokenuri de raționament: 46,120 Timp de răspuns: medie 2.25s · total 35.99s · maxim 14.63s Răspuns greșit: 6 Nu a urmat instrucțiunile: 4 Trucuri anti-AI : 6.9 Combinat : 10.0 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 4.8 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 3.9 Apelare instrumente : 10.0
#47#47	GPT-5 Nanomedium	6.2	OpenAI	$0.061	44.47s
Vezi fișa modelului Total teste: 17 Teste greșite: 10 Rată de trecere pe încercare: 58.8% Teste instabile: 7 Tokenuri de ieșire: 4,500 Tokenuri de raționament: 143,296 Timp de răspuns: medie 44.47s · total 444.74s · maxim 204.02s Răspuns greșit: 6 Nu a urmat instrucțiunile: 3 Timp expirat: 1 Trucuri anti-AI : 6.5 Combinat : 10.0 Parsare și extragere de date : 3.7 Specific domeniului : 5.2 Inteligență generală : 4.1 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0
#48#48	Grok 4.20 Multi-Agent Betamedium	6.2	X AI	$4.978	8.64s
Vezi fișa modelului Total teste: 17 Teste greșite: 11 Rată de trecere pe încercare: 54.9% Teste instabile: 6 Tokenuri de ieșire: 298,948 Tokenuri de raționament: 296,529 Timp de răspuns: medie 8.64s · total 129.64s · maxim 35.28s Nu a urmat instrucțiunile: 4 Răspuns greșit: 3 Eroare API: 2 Formatare suplimentară: 2 Trucuri anti-AI : 6.9 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.8 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 7.2 Apelare instrumente : 3.0
#49#49	Qwen3.5-Flashnone	6.0	Qwen	$0.006	3.36s
Vezi fișa modelului Total teste: 17 Teste greșite: 10 Rată de trecere pe încercare: 43.1% Teste instabile: 1 Tokenuri de ieșire: 3,777 Tokenuri de raționament: 0 Timp de răspuns: medie 3.36s · total 57.15s · maxim 13.73s Răspuns greșit: 9 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.3 Apelare instrumente : 10.0
#50#50	gpt-oss-120bmedium	6.0	OpenAI	$0.010	15.05s
Vezi fișa modelului Total teste: 17 Teste greșite: 10 Rată de trecere pe încercare: 51.0% Teste instabile: 5 Tokenuri de ieșire: 13,265 Tokenuri de raționament: 34,330 Timp de răspuns: medie 15.05s · total 150.55s · maxim 50.92s Răspuns greșit: 6 Nu a urmat instrucțiunile: 4 Trucuri anti-AI : 6.7 Combinat : 10.0 Parsare și extragere de date : 6.4 Specific domeniului : 2.9 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 9.8
#51#51	Seed-2.0-Litenone	6.0	Bytedance Seed	$0.016	2.40s
Vezi fișa modelului Total teste: 17 Teste greșite: 10 Rată de trecere pe încercare: 52.9% Teste instabile: 5 Tokenuri de ieșire: 2,749 Tokenuri de raționament: 0 Timp de răspuns: medie 2.40s · total 40.85s · maxim 6.70s Răspuns greșit: 10 Trucuri anti-AI : 3.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.2 Apelare instrumente : 10.0
#52#52	Gemini 2.5 Flashnone	5.9	Google	$0.012	888ms
Vezi fișa modelului Total teste: 17 Teste greșite: 11 Rată de trecere pe încercare: 41.2% Teste instabile: 2 Tokenuri de ieșire: 1,273 Tokenuri de raționament: 0 Timp de răspuns: medie 888ms · total 15.10s · maxim 4.39s Răspuns greșit: 10 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 5.0 Respectarea instrucțiunilor : 8.0 Rezolvare de puzzle-uri : 5.7 Apelare instrumente : 10.0
#53#53	Qwen3.5-35B-A3Bnone	5.9	Qwen	$0.015	3.89s
Vezi fișa modelului Total teste: 17 Teste greșite: 11 Rată de trecere pe încercare: 47.1% Teste instabile: 3 Tokenuri de ieșire: 3,761 Tokenuri de raționament: 0 Timp de răspuns: medie 3.89s · total 66.07s · maxim 47.43s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.4 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 6.5 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.9 Apelare instrumente : 10.0
#54#54	MiniMax M2.5medium	5.9	Minimax	$0.250	39.65s
Vezi fișa modelului Total teste: 17 Teste greșite: 12 Rată de trecere pe încercare: 60.8% Teste instabile: 10 Tokenuri de ieșire: 107,044 Tokenuri de raționament: 206,422 Timp de răspuns: medie 39.65s · total 396.47s · maxim 237.27s Răspuns greșit: 5 Nu a urmat instrucțiunile: 3 Timp expirat: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 7.9 Combinat : 4.5 Parsare și extragere de date : 4.6 Specific domeniului : 2.9 Inteligență generală : 3.8 Respectarea instrucțiunilor : 8.1 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0
#55#55	Hunter Alphanone	5.9	Openrouter	$0.000	4.58s
Vezi fișa modelului Total teste: 17 Teste greșite: 11 Rată de trecere pe încercare: 49.0% Teste instabile: 4 Tokenuri de ieșire: 2,278 Tokenuri de raționament: 0 Timp de răspuns: medie 4.58s · total 77.92s · maxim 15.17s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 6.1 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 5.8 Apelare instrumente : 10.0
#56#56	Qwen3.5-122B-A10Bnone	5.8	Qwen	$0.020	3.71s
Vezi fișa modelului Total teste: 17 Teste greșite: 11 Rată de trecere pe încercare: 37.3% Teste instabile: 1 Tokenuri de ieșire: 2,682 Tokenuri de raționament: 0 Timp de răspuns: medie 3.71s · total 63.06s · maxim 46.00s Răspuns greșit: 10 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.8 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 4.5 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0
#57#57	MiMo-V2-Pronone	5.8	Xiaomi	$0.040	2.31s
Vezi fișa modelului Total teste: 17 Teste greșite: 11 Rată de trecere pe încercare: 45.1% Teste instabile: 3 Tokenuri de ieșire: 1,721 Tokenuri de raționament: 0 Timp de răspuns: medie 2.31s · total 39.25s · maxim 6.58s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0
#58#58	GPT-5.4none	5.6	OpenAI	$0.095	1.43s
Vezi fișa modelului Total teste: 17 Teste greșite: 11 Rată de trecere pe încercare: 39.2% Teste instabile: 2 Tokenuri de ieșire: 1,837 Tokenuri de raționament: 0 Timp de răspuns: medie 1.43s · total 24.27s · maxim 2.89s Răspuns greșit: 10 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.2 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.6 Apelare instrumente : 10.0
#59#59	Qwen3.5-27Bnone	5.6	Qwen	$0.016	1.70s
Vezi fișa modelului Total teste: 17 Teste greșite: 12 Rată de trecere pe încercare: 35.3% Teste instabile: 2 Tokenuri de ieșire: 3,164 Tokenuri de raționament: 0 Timp de răspuns: medie 1.70s · total 28.82s · maxim 9.39s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Combinat : 2.8 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 4.8 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0
#60#60	Mistral Small 4medium	5.6	Mistral	$0.026	4.18s
Vezi fișa modelului Total teste: 17 Teste greșite: 12 Rată de trecere pe încercare: 49.0% Teste instabile: 6 Tokenuri de ieșire: 12,288 Tokenuri de raționament: 28,112 Timp de răspuns: medie 4.18s · total 71.03s · maxim 25.25s Răspuns greșit: 7 Nu a urmat instrucțiunile: 3 Eroare API: 2 Trucuri anti-AI : 5.6 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 3.4 Apelare instrumente : 10.0
#61#61	GLM 5 Turbonone	5.6	Z.ai	$0.029	2.89s
Vezi fișa modelului Total teste: 17 Teste greșite: 11 Rată de trecere pe încercare: 37.3% Teste instabile: 1 Tokenuri de ieșire: 1,270 Tokenuri de raționament: 0 Timp de răspuns: medie 2.89s · total 49.05s · maxim 8.21s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.2 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 10.0
#62#62	GLM 4.7 Flashnone	5.6	Z.ai	$0.003	3.13s
Vezi fișa modelului Total teste: 17 Teste greșite: 12 Rată de trecere pe încercare: 39.2% Teste instabile: 3 Tokenuri de ieșire: 1,863 Tokenuri de raționament: 0 Timp de răspuns: medie 3.13s · total 31.33s · maxim 7.05s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 5.2 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 7.7 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 4.4 Apelare instrumente : 2.8
#63#63	Grok 4.20 Betanone	5.3	X AI	$0.090	1.19s
Vezi fișa modelului Total teste: 17 Teste greșite: 13 Rată de trecere pe încercare: 31.4% Teste instabile: 2 Tokenuri de ieșire: 1,517 Tokenuri de raționament: 0 Timp de răspuns: medie 1.19s · total 20.22s · maxim 6.48s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 4.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 4.8 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0
#64#64	Kimi K2.5none	5.3	Moonshot AI	$0.015	10.83s
Vezi fișa modelului Total teste: 17 Teste greșite: 12 Rată de trecere pe încercare: 37.3% Teste instabile: 3 Tokenuri de ieșire: 2,010 Tokenuri de raționament: 0 Timp de răspuns: medie 10.83s · total 108.27s · maxim 42.13s Răspuns greșit: 12 Trucuri anti-AI : 3.6 Combinat : 2.8 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0
#65#65	Trinity Large Previewnone	5.3	Arcee AI	$0.000	3.04s
Vezi fișa modelului Total teste: 17 Teste greșite: 12 Rată de trecere pe încercare: 31.4% Teste instabile: 1 Tokenuri de ieșire: 1,843 Tokenuri de raționament: 0 Timp de răspuns: medie 3.04s · total 51.75s · maxim 8.91s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.4 Respectarea instrucțiunilor : 4.1 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0
#66#66	Mistral Small 4none	5.3	Mistral	$0.006	629ms
Vezi fișa modelului Total teste: 17 Teste greșite: 12 Rată de trecere pe încercare: 33.3% Teste instabile: 1 Tokenuri de ieșire: 1,624 Tokenuri de raționament: 0 Timp de răspuns: medie 629ms · total 10.70s · maxim 1.72s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.4 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0
#67#67	Nemotron 3 Supernone	5.2	NVIDIA	$0.000	8.86s
Vezi fișa modelului Total teste: 17 Teste greșite: 13 Rată de trecere pe încercare: 35.3% Teste instabile: 3 Tokenuri de ieșire: 4,225 Tokenuri de raționament: 0 Timp de răspuns: medie 8.86s · total 150.70s · maxim 24.97s Răspuns greșit: 9 Nu a urmat instrucțiunile: 4 Trucuri anti-AI : 4.8 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 4.2 Respectarea instrucțiunilor : 4.9 Rezolvare de puzzle-uri : 5.7 Apelare instrumente : 4.7
#68#68	GPT-4o-mininone	5.0	OpenAI	$0.005	1.94s
Vezi fișa modelului Total teste: 17 Teste greșite: 13 Rată de trecere pe încercare: 23.5% Teste instabile: 0 Tokenuri de ieșire: 1,600 Tokenuri de raționament: 0 Timp de răspuns: medie 1.94s · total 19.44s · maxim 7.58s Răspuns greșit: 12 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.8 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.0 Respectarea instrucțiunilor : 4.8 Rezolvare de puzzle-uri : 3.7 Apelare instrumente : 10.0
#69#69	MiniMax M2.7medium	5.0	Minimax	$0.072	27.32s
Vezi fișa modelului Total teste: 17 Teste greșite: 14 Rată de trecere pe încercare: 49.0% Teste instabile: 10 Tokenuri de ieșire: 4,517 Tokenuri de raționament: 47,612 Timp de răspuns: medie 27.32s · total 437.10s · maxim 117.04s Nu a urmat instrucțiunile: 6 Răspuns greșit: 5 Timp expirat: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 7.9 Combinat : 4.7 Parsare și extragere de date : 6.3 Specific domeniului : 3.0 Inteligență generală : 3.9 Respectarea instrucțiunilor : 3.7 Rezolvare de puzzle-uri : 3.8 Apelare instrumente : 4.7
#70#70	Qwen3 Coder Nextnone	5.0	Qwen	$0.007	10.82s
Vezi fișa modelului Total teste: 17 Teste greșite: 13 Rată de trecere pe încercare: 23.5% Teste instabile: 0 Tokenuri de ieșire: 3,032 Tokenuri de raționament: 0 Timp de răspuns: medie 10.82s · total 118.99s · maxim 45.14s Răspuns greșit: 11 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.6 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 4.8 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 10.0
#71#71	Mercury 2none	4.8	Inception	$0.007	592ms
Vezi fișa modelului Total teste: 17 Teste greșite: 13 Rată de trecere pe încercare: 29.4% Teste instabile: 2 Tokenuri de ieșire: 1,315 Tokenuri de raționament: 0 Timp de răspuns: medie 592ms · total 10.07s · maxim 1.27s Răspuns greșit: 12 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.0 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0
#72#72	GPT-5.4 Mininone	4.8	OpenAI	$0.030	1.17s
Vezi fișa modelului Total teste: 17 Teste greșite: 13 Rată de trecere pe încercare: 31.4% Teste instabile: 3 Tokenuri de ieșire: 2,085 Tokenuri de raționament: 0 Timp de răspuns: medie 1.17s · total 19.82s · maxim 2.52s Răspuns greșit: 10 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 3.1 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 3.0
#73#73	Qwen3.5-9Bnone	4.8	Qwen	$0.005	1.22s
Vezi fișa modelului Total teste: 17 Teste greșite: 13 Rată de trecere pe încercare: 23.5% Teste instabile: 0 Tokenuri de ieșire: 2,945 Tokenuri de raționament: 0 Timp de răspuns: medie 1.22s · total 20.74s · maxim 5.91s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 3.1 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 10.0
#74#74	Qwen3 Coder Nextmedium	4.8	Qwen	$0.007	11.57s
Vezi fișa modelului Total teste: 17 Teste greșite: 14 Rată de trecere pe încercare: 25.5% Teste instabile: 2 Tokenuri de ieșire: 2,941 Tokenuri de raționament: 0 Timp de răspuns: medie 11.57s · total 127.32s · maxim 81.80s Răspuns greșit: 9 Nu a urmat instrucțiunile: 5 Trucuri anti-AI : 3.5 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 6.3 Respectarea instrucțiunilor : 4.8 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0
#75#75	GLM 4.7 Flashmedium	4.7	Z.ai	$0.042	33.44s
Vezi fișa modelului Total teste: 17 Teste greșite: 13 Rată de trecere pe încercare: 39.2% Teste instabile: 7 Tokenuri de ieșire: 38,719 Tokenuri de raționament: 65,465 Timp de răspuns: medie 33.44s · total 334.39s · maxim 174.55s Răspuns greșit: 8 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 4.7 Combinat : 2.8 Parsare și extragere de date : 6.3 Specific domeniului : 3.5 Inteligență generală : 3.6 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 2.9 Apelare instrumente : 10.0
#76#76	Qwen3.5-9Bmedium	4.5	Qwen	$0.024	69.21s
Vezi fișa modelului Total teste: 17 Teste greșite: 14 Rată de trecere pe încercare: 35.3% Teste instabile: 6 Tokenuri de ieșire: 18,141 Tokenuri de raționament: 141,204 Timp de răspuns: medie 69.21s · total 968.99s · maxim 226.38s Timp expirat: 11 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Răspuns greșit: 1 Trucuri anti-AI : 5.1 Combinat : 3.0 Parsare și extragere de date : 3.6 Specific domeniului : 3.6 Inteligență generală : 2.8 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0
#77#77	Grok 4.1 Fastnone	4.4	X AI	$0.008	1.76s
Vezi fișa modelului Total teste: 17 Teste greșite: 14 Rată de trecere pe încercare: 23.5% Teste instabile: 2 Tokenuri de ieșire: 1,154 Tokenuri de raționament: 0 Timp de răspuns: medie 1.76s · total 17.56s · maxim 5.51s Răspuns greșit: 12 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.2 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.4 Respectarea instrucțiunilor : 3.0 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 2.8
#78#78	MiMo-V2-Flashnone	4.4	Xiaomi	$0.023	2.79s
Vezi fișa modelului Total teste: 17 Teste greșite: 14 Rată de trecere pe încercare: 27.5% Teste instabile: 4 Tokenuri de ieșire: 67,796 Tokenuri de raționament: 0 Timp de răspuns: medie 2.79s · total 36.29s · maxim 19.68s Răspuns greșit: 11 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.2 Combinat : 3.0 Parsare și extragere de date : 2.9 Specific domeniului : 5.3 Inteligență generală : 4.6 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.6 Apelare instrumente : 10.0
#79#79	GPT-5.4 Nanonone	4.3	OpenAI	$0.009	1.39s
Vezi fișa modelului Total teste: 17 Teste greșite: 15 Rată de trecere pe încercare: 29.4% Teste instabile: 6 Tokenuri de ieșire: 2,185 Tokenuri de raționament: 0 Timp de răspuns: medie 1.39s · total 23.70s · maxim 3.84s Răspuns greșit: 12 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 3.5 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 2.9 Inteligență generală : 3.8 Respectarea instrucțiunilor : 5.0 Rezolvare de puzzle-uri : 3.7 Apelare instrumente : 10.0
#80#80	LFM2-24B-A2Bnone	4.1	Liquid	$0.001	811ms
Vezi fișa modelului Total teste: 16 Teste greșite: 15 Rată de trecere pe încercare: 14.6% Teste instabile: 2 Tokenuri de ieșire: 1,185 Tokenuri de raționament: 0 Timp de răspuns: medie 811ms · total 11.35s · maxim 2.88s Răspuns greșit: 9 Eroare API: 4 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.3 Combinat : 3.0 Parsare și extragere de date : 3.0 Specific domeniului : 5.9 Inteligență generală : 4.0 Respectarea instrucțiunilor : 4.8 Rezolvare de puzzle-uri : 4.4 Apelare instrumente : 3.0

Comparație rapidă

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsGemini 3 PRO Previewmedium Gemini 3 Flash PreviewmediumvsSeed-2.0-Litemedium Gemini 3 Flash PreviewmediumvsQwen3.6 Plus PreviewmediumDisponibil gratuit Gemini 3 Flash PreviewmediumvsGPT-5.3-Codexmedium Gemini 3.1 Pro PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsGemini 3 PRO Previewmedium Gemini 3 PRO PreviewmediumvsSeed-2.0-Litemedium Seed-2.0-LitemediumvsQwen3.6 Plus PreviewmediumDisponibil gratuit Qwen3.6 Plus PreviewmediumDisponibil gratuitvsGPT-5.3-Codexmedium

Clasament Benchmark AI

Filtrează modelele

Comparație rapidă