Clasament AI Benchy

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: 2026-09-02 Modele evaluate: 311

Modele recomandate

GPT-5.6 Sol high Inteligent Rată de trecere pe încercare 89.4% Teste corecte 18 / 22 Scor 9.4/10 GPT-5.6 Luna medium Rapid Timp de răspuns (mediu) 7.43s Total tokenuri de ieșire 44,525 Scor 7.4/10 DeepSeek V4 Flash 0731 high Accesibil Preț de intrare $0.065 / 1M Preț de ieșire $0.180 / 1M Scor 8.0/10

311/311

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#305#305	Ling 3.0 Tinymedium	3.8	Inclusionai	$0.000	68.08s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 9.6 Rată de trecere pe încercare 24.2% Teste instabile 3 Tokenuri de intrare 103,898 Tokenuri de ieșire 148,304 Tokenuri de raționament 774,972 Timp de răspuns (mediu) 68.08s Timp de răspuns (total) 1429.66s Timp de răspuns (maxim) 262.20s Fără răspuns: 7 Răspuns greșit: 5 Nu a urmat instrucțiunile: 4 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 6.5 Programare : 2.9 Combinat : 3.0 Parsare și extragere de date : 2.7 Specific domeniului : 3.0 Inteligență generală : 3.8 Respectarea instrucțiunilor : 6.8 Rezolvare de puzzle-uri : 3.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#245#245	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Vezi fișa modelului Total teste 16 Teste greșite 3 Fiabilitate N/D Rată de trecere pe încercare 59.1% Teste instabile 0 Tokenuri de intrare 28,980 Tokenuri de ieșire 1,283 Tokenuri de raționament 1,533,310 Timp de răspuns (mediu) 68.14s Timp de răspuns (total) 1090.28s Timp de răspuns (maxim) 280.52s Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 7.5 Programare : 0.0 Combinat : 5.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 0.0
#128#128	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 7 Tokenuri de intrare 101,056 Tokenuri de ieșire 11,832 Tokenuri de raționament 116,955 Timp de răspuns (mediu) 68.43s Timp de răspuns (total) 1505.53s Timp de răspuns (maxim) 376.10s Răspuns greșit: 5 Eroare API: 2 Timp expirat: 2 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.2 Programare : 6.0 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 3.4 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#44#44	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Vezi fișa modelului Total teste 22 Teste greșite 5 Fiabilitate 10.0 Rată de trecere pe încercare 83.3% Teste instabile 3 Tokenuri de intrare 122,155 Tokenuri de ieșire 5,514 Tokenuri de raționament 293,946 Timp de răspuns (mediu) 68.59s Timp de răspuns (total) 1508.91s Timp de răspuns (maxim) 436.38s Răspuns greșit: 5 Trucuri anti-AI : 10.0 Programare : 7.6 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 6.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#175#175	Ring-2.6-1Tmedium	6.4	Inclusionai	$0.102 ↑	68.80s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 59.1% Teste instabile 3 Tokenuri de intrare 113,613 Tokenuri de ieșire 122,706 Tokenuri de raționament 42,325 Timp de răspuns (mediu) 68.80s Timp de răspuns (total) 1375.99s Timp de răspuns (maxim) 304.19s Răspuns greșit: 6 Eroare API: 2 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 5.3 Combinat : 7.3 Parsare și extragere de date : 6.5 Specific domeniului : 3.6 Inteligență generală : 4.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#284#284	MiniMax M2.5medium	4.6	Minimax	$0.327 ↑	69.08s
Vezi fișa modelului Total teste 22 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 43.9% Teste instabile 9 Tokenuri de intrare 142,621 Tokenuri de ieșire 20,409 Tokenuri de raționament 251,820 Timp de răspuns (mediu) 69.08s Timp de răspuns (total) 1036.24s Timp de răspuns (maxim) 251.36s Răspuns greșit: 7 Timp expirat: 4 Nu a urmat instrucțiunile: 3 Fără răspuns: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 7.9 Programare : 3.4 Combinat : 3.7 Parsare și extragere de date : 4.6 Specific domeniului : 2.9 Inteligență generală : 3.8 Respectarea instrucțiunilor : 7.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#63#63	GLM 5.2high	8.0	Z.ai	$1.188 ↑	69.86s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 3 Tokenuri de intrare 83,822 Tokenuri de ieșire 72,040 Tokenuri de raționament 292,615 Timp de răspuns (mediu) 69.86s Timp de răspuns (total) 1536.98s Timp de răspuns (maxim) 599.43s Timp expirat: 3 Fără răspuns: 2 Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 6.4 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.1 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#141#141	Step 3.7 Flashhigh	6.8	Stepfun	$1.229	70.10s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 60.6% Teste instabile 4 Tokenuri de intrare 98,700 Tokenuri de ieșire 1,050,900 Tokenuri de raționament 0 Timp de răspuns (mediu) 70.10s Timp de răspuns (total) 1542.14s Timp de răspuns (maxim) 364.99s Răspuns greșit: 7 Fără răspuns: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 4.0 Combinat : 8.7 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 5.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#250#250	Nemotron 3.5 Lightningmedium	5.1	NVIDIA	$0.156 ↕	70.11s
Vezi fișa modelului Total teste 22 Teste greșite 17 Fiabilitate 9.9 Rată de trecere pe încercare 48.5% Teste instabile 11 Tokenuri de intrare 126,330 Tokenuri de ieșire 165,702 Tokenuri de raționament 594,739 Timp de răspuns (mediu) 70.11s Timp de răspuns (total) 1542.52s Timp de răspuns (maxim) 437.11s Răspuns greșit: 13 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 6.9 Programare : 4.4 Combinat : 6.2 Parsare și extragere de date : 3.7 Specific domeniului : 2.9 Inteligență generală : 5.5 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 4.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#81#81	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 8.5 Rată de trecere pe încercare 77.3% Teste instabile 6 Tokenuri de intrare 85,657 Tokenuri de ieșire 8,142 Tokenuri de raționament 233,167 Timp de răspuns (mediu) 72.24s Timp de răspuns (total) 1589.31s Timp de răspuns (maxim) 485.92s Răspuns greșit: 6 Eroare API: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.7 Programare : 7.0 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 6.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 9.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#26#26	Grok 4.5high	9.0	X AI	$2.252 ↑	72.30s
Vezi fișa modelului Total teste 22 Teste greșite 5 Fiabilitate 10.0 Rată de trecere pe încercare 86.4% Teste instabile 3 Tokenuri de intrare 152,175 Tokenuri de ieșire 5,655 Tokenuri de raționament 318,807 Timp de răspuns (mediu) 72.30s Timp de răspuns (total) 1590.56s Timp de răspuns (maxim) 676.83s Fără răspuns: 2 Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 4.7 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#46#46	Grok 4.6medium	8.4	X AI	$1.713	73.46s
Vezi fișa modelului Total teste 22 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 81.8% Teste instabile 4 Tokenuri de intrare 106,787 Tokenuri de ieșire 4,811 Tokenuri de raționament 244,997 Timp de răspuns (mediu) 73.46s Timp de răspuns (total) 1616.12s Timp de răspuns (maxim) 514.35s Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 8.2 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#92#92	MiniMax M3medium	7.5	Minimax	$0.300	75.15s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 9.7 Rată de trecere pe încercare 62.1% Teste instabile 5 Tokenuri de intrare 121,996 Tokenuri de ieșire 90,051 Tokenuri de raționament 185,731 Timp de răspuns (mediu) 75.15s Timp de răspuns (total) 1578.24s Timp de răspuns (maxim) 431.03s Răspuns greșit: 4 Timp expirat: 3 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 5.5 Programare : 6.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.2 Inteligență generală : 5.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#301#301	Ling 3.0 Tinyhigh	3.8	Inclusionai	$0.000	75.68s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 10.0 Rată de trecere pe încercare 24.2% Teste instabile 3 Tokenuri de intrare 115,314 Tokenuri de ieșire 133,965 Tokenuri de raționament 816,718 Timp de răspuns (mediu) 75.68s Timp de răspuns (total) 1589.20s Timp de răspuns (maxim) 345.15s Fără răspuns: 7 Răspuns greșit: 6 Nu a urmat instrucțiunile: 3 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 6.4 Programare : 2.9 Combinat : 3.0 Parsare și extragere de date : 2.8 Specific domeniului : 2.9 Inteligență generală : 5.4 Respectarea instrucțiunilor : 6.8 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#272#272	Trinity Large Thinkinghigh	4.8	Arcee AI	$0.592 ↓	75.86s
Vezi fișa modelului Total teste 22 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 39.4% Teste instabile 8 Tokenuri de intrare 101,776 Tokenuri de ieșire 276,367 Tokenuri de raționament 656,252 Timp de răspuns (mediu) 75.86s Timp de răspuns (total) 1668.93s Timp de răspuns (maxim) 510.21s Răspuns greșit: 10 Nu a urmat instrucțiunile: 4 Apel de instrument invalid: 2 Fără răspuns: 1 Trucuri anti-AI : 6.7 Programare : 3.7 Combinat : 3.0 Parsare și extragere de date : 6.3 Specific domeniului : 2.9 Inteligență generală : 6.5 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 4.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#61#61	DeepSeek V4 Flash 0731low	8.0	DeepSeek	$0.044 ↓	77.55s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 5 Tokenuri de intrare 93,345 Tokenuri de ieșire 35,723 Tokenuri de raționament 350,266 Timp de răspuns (mediu) 77.55s Timp de răspuns (total) 1706.18s Timp de răspuns (maxim) 438.65s Răspuns greșit: 7 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 8.2 Programare : 7.3 Combinat : 9.8 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 6.5 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 8.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#179#179	Gemma 4 31Bmedium	6.2	Google	$0.100 ↓	78.59s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 3 Tokenuri de intrare 94,969 Tokenuri de ieșire 34,399 Tokenuri de raționament 233,022 Timp de răspuns (mediu) 78.59s Timp de răspuns (total) 1571.84s Timp de răspuns (maxim) 437.40s Răspuns greșit: 3 Eroare API: 2 Timp expirat: 2 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 4.3 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 9.9 Apelare instrumente : 3.0 Cultură generală : 3.0
#102#102	Kimi K2.7 Codemedium	7.4	Moonshot AI	$0.687 ↓	80.09s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 5 Tokenuri de intrare 72,085 Tokenuri de ieșire 57,453 Tokenuri de raționament 182,093 Timp de răspuns (mediu) 80.09s Timp de răspuns (total) 1681.85s Timp de răspuns (maxim) 365.80s Răspuns greșit: 6 Timp expirat: 3 Eroare API: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 7.3 Programare : 7.8 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 3.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 3.0 Cultură generală : 3.0
#12#12	Grok 4.6high	9.3	X AI	$1.908	84.15s
Vezi fișa modelului Total teste 22 Teste greșite 3 Fiabilitate 10.0 Rată de trecere pe încercare 86.4% Teste instabile 0 Tokenuri de intrare 107,275 Tokenuri de ieșire 5,094 Tokenuri de raționament 277,123 Timp de răspuns (mediu) 84.15s Timp de răspuns (total) 1851.26s Timp de răspuns (maxim) 618.49s Răspuns greșit: 2 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 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 Cultură generală : 3.0
#187#187	Qwen3.5-Flashmedium	6.1	Qwen	$0.142 ↓	84.44s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 6 Tokenuri de intrare 118,508 Tokenuri de ieșire 35,457 Tokenuri de raționament 477,389 Timp de răspuns (mediu) 84.44s Timp de răspuns (total) 1773.20s Timp de răspuns (maxim) 515.38s Răspuns greșit: 5 Timp expirat: 3 Eroare API: 1 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 3.7 Combinat : 6.4 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#114#114	DeepSeek V4 Flash 0731medium	7.3	DeepSeek	$0.066 ↓	84.66s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 8 Tokenuri de intrare 89,819 Tokenuri de ieșire 58,398 Tokenuri de raționament 492,457 Timp de răspuns (mediu) 84.66s Timp de răspuns (total) 1862.46s Timp de răspuns (maxim) 288.78s Răspuns greșit: 5 Fără răspuns: 3 Formatare suplimentară: 1 Apel de instrument invalid: 1 Timp expirat: 1 Trucuri anti-AI : 8.2 Programare : 6.4 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 6.1 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#261#261	Laguna S 2.1low	5.0	Poolside	$0.082 ↓	85.34s
Vezi fișa modelului Total teste 22 Teste greșite 19 Fiabilitate 10.0 Rată de trecere pe încercare 22.7% Teste instabile 5 Tokenuri de intrare 118,752 Tokenuri de ieșire 67,823 Tokenuri de raționament 383,885 Timp de răspuns (mediu) 85.34s Timp de răspuns (total) 1877.49s Timp de răspuns (maxim) 814.73s Răspuns greșit: 15 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 3.4 Programare : 3.8 Combinat : 3.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.8 Respectarea instrucțiunilor : 4.3 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#189#189	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.756 ↓	85.44s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 48.5% Teste instabile 6 Tokenuri de intrare 118,486 Tokenuri de ieșire 156,166 Tokenuri de raționament 860,619 Timp de răspuns (mediu) 85.44s Timp de răspuns (total) 1879.75s Timp de răspuns (maxim) 525.14s Răspuns greșit: 8 Nu a urmat instrucțiunile: 4 Apel de instrument invalid: 2 Trucuri anti-AI : 6.8 Programare : 7.5 Combinat : 2.9 Parsare și extragere de date : 6.3 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 4.4 Rezolvare de puzzle-uri : 5.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#291#291	Granite 4.2 8Bnone	4.3	IBM Granite	$0.026	86.27s
Vezi fișa modelului Total teste 22 Teste greșite 19 Fiabilitate 8.6 Rată de trecere pe încercare 16.7% Teste instabile 2 Tokenuri de intrare 57,786 Tokenuri de ieșire 130,805 Tokenuri de raționament 0 Timp de răspuns (mediu) 86.27s Timp de răspuns (total) 1897.96s Timp de răspuns (maxim) 747.17s Răspuns greșit: 11 Formatare suplimentară: 4 Timp expirat: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.9 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 2.9 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 3.0 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#27#27	Muse Spark 1.3medium	9.0	Meta	$1.075	89.78s
Vezi fișa modelului Total teste 22 Teste greșite 6 Fiabilitate 9.3 Rată de trecere pe încercare 81.8% Teste instabile 4 Tokenuri de intrare 98,062 Tokenuri de ieșire 13,168 Tokenuri de raționament 210,826 Timp de răspuns (mediu) 89.78s Timp de răspuns (total) 1975.17s Timp de răspuns (maxim) 356.29s Răspuns greșit: 3 Eroare API: 1 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 8.4 Apelare instrumente : 9.8 Cultură generală : 3.0

Tendințe globale ale benchmarkului

Vezi cum echilibrează modelele actuale scorul, costul, viteza, lungimea răspunsului și performanța pe categorii.

Grafice →

Frontiera Pareto: inteligență vs cost

Evoluția celui mai bun scor al companiilor de top

Frontiera Pareto: inteligență vs viteza de răspuns

Frontiera Pareto: scor vs tokenuri de ieșire

Dificultatea categoriilor între modele

Comparație rapidă

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium