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: 2026-07-02 Modele evaluate: 174

174/174

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#144#144	GPT-4o-mininone	5.0	OpenAI	$0.006	1.77s
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 23.8% Teste instabile 0 Tokenuri de intrare 31,518 Tokenuri de ieșire 1,982 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.77s Timp de răspuns (total) 24.80s Timp de răspuns (maxim) 7.58s Răspuns greșit: 15 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.8 Programare : 3.2 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#143#143	Laguna M.1medium	5.0	Poolside	$0.033 ↕	14.73s
Vezi fișa modelului Total teste 19 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 47.6% Teste instabile 2 Tokenuri de intrare 44,969 Tokenuri de ieșire 58,087 Tokenuri de raționament 0 Timp de răspuns (mediu) 14.73s Timp de răspuns (total) 220.93s Timp de răspuns (maxim) 53.14s Eroare API: 4 Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 6.5 Programare : 1.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 3.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#142#142	Trinity Large Previewnone	5.0	Arcee AI	$0.008 ↑	2.98s
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 22.2% Teste instabile 2 Tokenuri de intrare 29,828 Tokenuri de ieșire 2,169 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.98s Timp de răspuns (total) 56.57s Timp de răspuns (maxim) 14.34s Răspuns greșit: 12 Nu a urmat instrucțiunile: 3 Eroare API: 2 Trucuri anti-AI : 3.1 Programare : 3.7 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.5 Respectarea instrucțiunilor : 3.5 Rezolvare de puzzle-uri : 3.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#141#141	Grok 4.20 Multi Agent Betamedium	5.0	X AI	$5.599 ↑	9.69s
Vezi fișa modelului Total teste 18 Teste greșite 10 Fiabilitate N/D Rată de trecere pe încercare 50.8% Teste instabile 5 Tokenuri de intrare 721,952 Tokenuri de ieșire 294,668 Tokenuri de raționament 305,374 Timp de răspuns (mediu) 9.69s Timp de răspuns (total) 155.07s Timp de răspuns (maxim) 35.28s Răspuns greșit: 4 Eroare API: 2 Formatare suplimentară: 2 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 6.9 Programare : 3.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.8 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 3.0 Cultură generală : 0.0
#140#140	Qwen3.5-9Bnone	5.1	Qwen	$0.006 ↑	1.89s
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 20.6% Teste instabile 1 Tokenuri de intrare 48,041 Tokenuri de ieșire 3,952 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.89s Timp de răspuns (total) 39.68s Timp de răspuns (maxim) 6.03s Răspuns greșit: 14 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 3.1 Programare : 3.9 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 Cultură generală : 3.0
#139#139	MiMo-V2.5none	5.1	Xiaomi	$0.006 ↓	2.20s
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 27.0% Teste instabile 1 Tokenuri de intrare 41,985 Tokenuri de ieșire 2,267 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.20s Timp de răspuns (total) 46.21s Timp de răspuns (maxim) 6.86s Răspuns greșit: 14 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.5 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 4.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#138#138	Mistral Small 4medium	5.1	Mistral	$0.068	9.40s
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 44.4% Teste instabile 8 Tokenuri de intrare 42,576 Tokenuri de ieșire 24,184 Tokenuri de raționament 84,678 Timp de răspuns (mediu) 9.40s Timp de răspuns (total) 197.39s Timp de răspuns (maxim) 59.15s Răspuns greșit: 12 Eroare API: 2 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 5.6 Programare : 4.4 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 Cultură generală : 3.0
#137#137	Hunter Alphamedium	5.1	OpenRouter	$0.000	10.33s
Vezi fișa modelului Total teste 18 Teste greșite 10 Fiabilitate N/D Rată de trecere pe încercare 55.6% Teste instabile 6 Tokenuri de intrare 28,927 Tokenuri de ieșire 4,682 Tokenuri de raționament 17,969 Timp de răspuns (mediu) 10.33s Timp de răspuns (total) 175.58s Timp de răspuns (maxim) 30.53s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Timp expirat: 2 Eroare API: 1 Formatare suplimentară: 1 Trucuri anti-AI : 7.3 Programare : 9.8 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 Cultură generală : 0.0
#136#136	North Mini Codenone	5.1	Cohere	$0.000	29.82s
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 8.5 Rată de trecere pe încercare 19.1% Teste instabile 0 Tokenuri de intrare 43,264 Tokenuri de ieșire 8,278 Tokenuri de raționament 0 Timp de răspuns (mediu) 29.82s Timp de răspuns (total) 626.26s Timp de răspuns (maxim) 159.85s Răspuns greșit: 12 Formatare suplimentară: 2 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 3.0 Programare : 3.9 Combinat : 3.5 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 3.9 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.5 Apelare instrumente : 9.5 Cultură generală : 3.0
#135#135	Qwen3 Coder Nextnone	5.1	Qwen	$0.009 ↓	8.62s
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 27.0% Teste instabile 1 Tokenuri de intrare 47,507 Tokenuri de ieșire 3,584 Tokenuri de raționament 0 Timp de răspuns (mediu) 8.62s Timp de răspuns (total) 129.37s Timp de răspuns (maxim) 45.14s Răspuns greșit: 14 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.6 Programare : 4.6 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#134#134	Mistral Small 4none	5.1	Mistral	$0.007	630ms
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 27.0% Teste instabile 1 Tokenuri de intrare 37,309 Tokenuri de ieșire 2,201 Tokenuri de raționament 0 Timp de răspuns (mediu) 630ms Timp de răspuns (total) 13.22s Timp de răspuns (maxim) 1.72s Răspuns greșit: 15 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.4 Programare : 3.7 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 Cultură generală : 3.0
#133#133	Qwen3.6 35B A3Bnone	5.2	Qwen	$0.031 ↑	3.73s
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 30.2% Teste instabile 5 Tokenuri de intrare 19,329 Tokenuri de ieșire 27,755 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.73s Timp de răspuns (total) 70.86s Timp de răspuns (maxim) 22.52s Răspuns greșit: 13 Eroare API: 2 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.6 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 4.4 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 3.0 Cultură generală : 3.0
#132#132	MiniMax M2.7medium	5.2	Minimax	$0.075 ↓	38.18s
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 46.0% Teste instabile 8 Tokenuri de intrare 34,371 Tokenuri de ieșire 8,981 Tokenuri de raționament 89,812 Timp de răspuns (mediu) 38.18s Timp de răspuns (total) 763.60s Timp de răspuns (maxim) 196.21s Răspuns greșit: 6 Nu a urmat instrucțiunile: 5 Timp expirat: 2 Eroare API: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 7.9 Programare : 5.7 Combinat : 4.7 Parsare și extragere de date : 6.3 Specific domeniului : 3.0 Inteligență generală : 3.9 Respectarea instrucțiunilor : 3.8 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 4.7 Cultură generală : 3.0
#131#131	DeepSeek V3.2none	5.3	DeepSeek	$0.017 ↓	13.83s
Vezi fișa modelului Total teste 21 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 39.7% Teste instabile 6 Tokenuri de intrare 55,997 Tokenuri de ieșire 11,165 Tokenuri de raționament 0 Timp de răspuns (mediu) 13.83s Timp de răspuns (total) 290.43s Timp de răspuns (maxim) 115.89s Răspuns greșit: 7 Eroare API: 4 Formatare suplimentară: 2 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 3.2 Programare : 3.1 Combinat : 6.5 Parsare și extragere de date : 6.3 Specific domeniului : 2.9 Inteligență generală : 4.7 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#130#130	Qwen3.5-122B-A10Bnone	5.3	Qwen	$0.020 ↓	3.41s
Vezi fișa modelului Total teste 21 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 31.8% Teste instabile 1 Tokenuri de intrare 47,735 Tokenuri de ieșire 3,383 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.41s Timp de răspuns (total) 71.59s Timp de răspuns (maxim) 46.00s Răspuns greșit: 13 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 3.7 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.8 Apelare instrumente : 10.0 Cultură generală : 3.0
#129#129	GPT-5.4 Mininone	5.3	OpenAI	$0.038	1.13s
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 30.2% Teste instabile 3 Tokenuri de intrare 34,244 Tokenuri de ieșire 2,541 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.13s Timp de răspuns (total) 23.82s Timp de răspuns (maxim) 2.52s Răspuns greșit: 13 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 3.1 Programare : 5.5 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 Cultură generală : 3.0
#128#128	Laguna XS 2.1none	5.3	Poolside	$0.003	722ms
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 31.8% Teste instabile 3 Tokenuri de intrare 41,148 Tokenuri de ieșire 3,451 Tokenuri de raționament 0 Timp de răspuns (mediu) 722ms Timp de răspuns (total) 15.17s Timp de răspuns (maxim) 2.30s Răspuns greșit: 14 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Trucuri anti-AI : 5.3 Programare : 4.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 3.8 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#127#127	GLM 5 Turbonone	5.3	Z.ai	$0.047 ↑	2.82s
Vezi fișa modelului Total teste 21 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 31.8% Teste instabile 2 Tokenuri de intrare 32,525 Tokenuri de ieșire 1,815 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.82s Timp de răspuns (total) 59.29s Timp de răspuns (maxim) 8.21s Răspuns greșit: 13 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.0 Programare : 3.9 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 Cultură generală : 3.0
#126#126	Qwen3.5 Plus 2026-04-20none	5.5	Qwen	$0.032 ↓	4.39s
Vezi fișa modelului Total teste 21 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 41.3% Teste instabile 4 Tokenuri de intrare 38,910 Tokenuri de ieșire 11,145 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.39s Timp de răspuns (total) 92.26s Timp de răspuns (maxim) 33.34s Răspuns greșit: 12 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 3.9 Combinat : 2.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#125#125	Gemma 4 26B A4Bnone	5.5	Google	$0.004 ↓	5.91s
Vezi fișa modelului Total teste 21 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 44.4% Teste instabile 2 Tokenuri de intrare 40,038 Tokenuri de ieșire 1,824 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.91s Timp de răspuns (total) 124.05s Timp de răspuns (maxim) 57.10s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Timp expirat: 1 Trucuri anti-AI : 8.3 Programare : 3.7 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 6.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#124#124	Qwen3.6 27Bnone	5.5	Qwen	$0.025 ↓	3.72s
Vezi fișa modelului Total teste 21 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 47.6% Teste instabile 6 Tokenuri de intrare 52,721 Tokenuri de ieșire 3,812 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.72s Timp de răspuns (total) 78.08s Timp de răspuns (maxim) 11.82s Răspuns greșit: 11 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 3.8 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 7.7 Inteligență generală : 5.2 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 9.5 Cultură generală : 3.0
#123#123	MiMo-V2.5-Pronone	5.5	Xiaomi	$0.017 ↓	1.78s
Vezi fișa modelului Total teste 21 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 39.7% Teste instabile 4 Tokenuri de intrare 30,724 Tokenuri de ieșire 3,043 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.78s Timp de răspuns (total) 37.42s Timp de răspuns (maxim) 8.32s Răspuns greșit: 11 Nu a urmat instrucțiunile: 4 Trucuri anti-AI : 3.3 Programare : 4.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#122#122	Kimi K2.5none	5.5	Moonshot AI	$0.027 ↑	13.18s
Vezi fișa modelului Total teste 21 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 34.9% Teste instabile 3 Tokenuri de intrare 36,034 Tokenuri de ieșire 6,657 Tokenuri de raționament 0 Timp de răspuns (mediu) 13.18s Timp de răspuns (total) 184.47s Timp de răspuns (maxim) 42.13s Răspuns greșit: 15 Trucuri anti-AI : 3.6 Programare : 5.5 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 : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#121#121	DeepSeek V4 Flashnone	5.5	DeepSeek	$0.007 ↓	26.75s
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 30.2% Teste instabile 3 Tokenuri de intrare 50,127 Tokenuri de ieșire 13,710 Tokenuri de raționament 0 Timp de răspuns (mediu) 26.75s Timp de răspuns (total) 561.82s Timp de răspuns (maxim) 111.96s Răspuns greșit: 12 Formatare suplimentară: 2 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 3.0 Programare : 4.2 Combinat : 4.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.2 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#120#120	GLM 5.1none	5.6	Z.ai	$0.063 ↑	4.10s
Vezi fișa modelului Total teste 21 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 41.3% Teste instabile 4 Tokenuri de intrare 47,133 Tokenuri de ieșire 3,754 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.10s Timp de răspuns (total) 86.18s Timp de răspuns (maxim) 32.57s Răspuns greșit: 13 Apel de instrument invalid: 1 Trucuri anti-AI : 4.0 Programare : 3.9 Combinat : 2.8 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#119#119	Grok 4.1 Fastmedium	5.6	X AI	$0.069 ↑	23.85s
Vezi fișa modelului Total teste 19 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 55.6% Teste instabile 6 Tokenuri de intrare 42,845 Tokenuri de ieșire 2,006 Tokenuri de raționament 96,334 Timp de răspuns (mediu) 23.85s Timp de răspuns (total) 286.16s Timp de răspuns (maxim) 121.79s Nu a urmat instrucțiunile: 4 Răspuns greșit: 4 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 8.7 Programare : 7.8 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.8 Inteligență generală : 4.2 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 2.8 Cultură generală : 3.0
#118#118	Claude Sonnet 5none	5.7	Anthropic	$0.287	4.74s
Vezi fișa modelului Total teste 21 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 42.9% Teste instabile 4 Tokenuri de intrare 76,797 Tokenuri de ieșire 13,325 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.74s Timp de răspuns (total) 99.46s Timp de răspuns (maxim) 29.46s Răspuns greșit: 7 Formatare suplimentară: 4 Fără răspuns: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 5.3 Programare : 4.6 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.7 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#117#117	Mimo V2 Omninone	5.7	Xiaomi	$0.021 ↓	2.44s
Vezi fișa modelului Total teste 21 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 39.7% Teste instabile 1 Tokenuri de intrare 40,852 Tokenuri de ieșire 3,314 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.44s Timp de răspuns (total) 48.81s Timp de răspuns (maxim) 6.81s Răspuns greșit: 10 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.6 Programare : 4.4 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.1 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#116#116	Qwen3.6 Plus Previewmedium	5.8	Qwen	$0.000	15.25s
Vezi fișa modelului Total teste 19 Teste greșite 10 Fiabilitate N/D Rată de trecere pe încercare 42.9% Teste instabile 0 Tokenuri de intrare 32,639 Tokenuri de ieșire 1,153 Tokenuri de raționament 62,197 Timp de răspuns (mediu) 15.25s Timp de răspuns (total) 182.96s Timp de răspuns (maxim) 43.55s Eroare API: 8 Răspuns greșit: 2 Trucuri anti-AI : 8.3 Programare : 9.8 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 3.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#115#115	GPT-5.4none	5.8	OpenAI	$0.122	1.42s
Vezi fișa modelului Total teste 21 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 36.5% Teste instabile 2 Tokenuri de intrare 34,212 Tokenuri de ieșire 2,417 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.42s Timp de răspuns (total) 29.87s Timp de răspuns (maxim) 2.95s Răspuns greșit: 13 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.2 Programare : 5.5 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 Cultură generală : 3.0

←

1 2 3 4 5 6

→

Comparație rapidă

Gemini 3.5 FlashhighvsGemini 3 Flash Previewmedium Gemini 3.5 FlashhighvsQwen3.7 Maxmedium Gemini 3.5 FlashhighvsGPT-5.5low Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashhighvsClaude Fable 5medium Gemini 3.5 FlashhighvsGemini 3.1 Pro Previewmedium Gemini 3.5 FlashhighvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuit Gemini 3.5 FlashhighvsNorth Mini CodemediumDisponibil gratuit Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsClaude Fable 5medium

Clasament Benchmark AI

Filtrează modelele

Comparație rapidă