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: 2026-10-17 Modele evaluate: 442

Modele recomandate

GPT-6.1 Sol xhigh Inteligent Rată de trecere pe încercare 97.1% Teste corecte 22 / 23 Scor 9.9/10 Gemini 3.7 Flash low Rapid Timp de răspuns (mediu) 6.24s Total tokenuri de ieșire 38,453 Scor 9.4/10 GPT-6 Luna high Accesibil Preț de intrare $0.100 / 1M Preț de ieșire $0.500 / 1M Preț citire cache $0.010 / 1M Preț scriere cache $0.125 / 1M Scor 7.7/10

442/442

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#423#423	Jev 1.13default	2.6	Typesafe	$0.003	698ms
Vezi fișa modelului Total teste 12 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 26.1% Teste instabile 0 Tokenuri de intrare 67,092 Tokenuri de ieșire 18,927 Tokenuri de raționament 0 Timp de răspuns (mediu) 698ms Timp de răspuns (total) 8.38s Timp de răspuns (maxim) 1.08s Răspuns greșit: 6 Sarcini agentice : 0.0 Trucuri anti-AI : 4.0 Programare : 2.2 Combinat : 0.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 3.3 Apelare instrumente : 0.0 Cultură generală : 0.0
#429#429	Jev 1.14default	2.3	Typesafe	$0.003	377ms
Vezi fișa modelului Total teste 12 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 23.2% Teste instabile 2 Tokenuri de intrare 67,092 Tokenuri de ieșire 18,927 Tokenuri de raționament 0 Timp de răspuns (mediu) 377ms Timp de răspuns (total) 4.52s Timp de răspuns (maxim) 546ms Răspuns greșit: 7 Nu a urmat instrucțiunile: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 4.0 Programare : 2.7 Combinat : 0.0 Parsare și extragere de date : 7.3 Specific domeniului : 7.7 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.7 Apelare instrumente : 0.0 Cultură generală : 0.0
#329#329	Ling 3.0 Flashnone	5.2	Inclusionai	$0.004 ↕	3.40s
Vezi fișa modelului Total teste 23 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 26.1% Teste instabile 0 Tokenuri de intrare 123,993 Tokenuri de ieșire 12,777 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.40s Timp de răspuns (total) 74.77s Timp de răspuns (maxim) 17.51s Răspuns greșit: 13 Eroare API: 2 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Sarcini agentice : 3.0 Trucuri anti-AI : 4.8 Programare : 5.5 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 : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#416#416	Laguna Xs.2default	3.1	Poolside	$0.004 ↕	806ms
Vezi fișa modelului Total teste 19 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 21.7% Teste instabile 0 Tokenuri de intrare 33,675 Tokenuri de ieșire 2,826 Tokenuri de raționament 0 Timp de răspuns (mediu) 806ms Timp de răspuns (total) 12.09s Timp de răspuns (maxim) 2.01s Răspuns greșit: 8 Eroare API: 4 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 3.0 Programare : 0.8 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 3.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 3.0 Cultură generală : 3.0
#427#427	GPT-6 Luna Decisionsdefault	2.4	OpenAI	$0.005	495ms
Vezi fișa modelului Total teste 12 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 13.0% Teste instabile 0 Tokenuri de intrare 47,583 Tokenuri de ieșire 0 Tokenuri de raționament 0 Timp de răspuns (mediu) 495ms Timp de răspuns (total) 5.94s Timp de răspuns (maxim) 842ms Răspuns greșit: 8 Nu a urmat instrucțiunile: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 2.3 Programare : 2.5 Combinat : 0.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.7 Apelare instrumente : 0.0 Cultură generală : 0.0
#396#396	Granite 4.1 8bdefault	3.8	IBM Granite	$0.007	1.38s
Vezi fișa modelului Total teste 23 Teste greșite 21 Fiabilitate 10.0 Rată de trecere pe încercare 8.7% Teste instabile 0 Tokenuri de intrare 113,836 Tokenuri de ieșire 5,996 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.38s Timp de răspuns (total) 31.81s Timp de răspuns (maxim) 16.67s Răspuns greșit: 13 Nu a urmat instrucțiunile: 4 Apel de instrument invalid: 2 Eroare API: 1 Formatare suplimentară: 1 Sarcini agentice : 3.0 Trucuri anti-AI : 4.9 Programare : 4.5 Combinat : 3.0 Parsare și extragere de date : 3.0 Specific domeniului : 3.0 Inteligență generală : 4.0 Respectarea instrucțiunilor : 3.6 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#410#410	Hy3 previewnone	3.3	Tencent	$0.007 ↕	12.92s
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 21.7% Teste instabile 2 Tokenuri de intrare 27,172 Tokenuri de ieșire 2,661 Tokenuri de raționament 0 Timp de răspuns (mediu) 12.92s Timp de răspuns (total) 232.64s Timp de răspuns (maxim) 35.84s Răspuns greșit: 8 Eroare API: 4 Nu a urmat instrucțiunile: 4 Formatare suplimentară: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 4.8 Programare : 2.7 Combinat : 1.5 Parsare și extragere de date : 6.5 Specific domeniului : 3.6 Inteligență generală : 4.1 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#415#415	Grok 4.1 Fastdefault	3.1	X AI	$0.008 ↓	1.62s
Vezi fișa modelului Total teste 19 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 18.8% Teste instabile 3 Tokenuri de intrare 36,608 Tokenuri de ieșire 1,723 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.62s Timp de răspuns (total) 19.48s Timp de răspuns (maxim) 5.51s Răspuns greșit: 13 Nu a urmat instrucțiunile: 3 Sarcini agentice : 0.0 Trucuri anti-AI : 3.2 Programare : 1.8 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.4 Respectarea instrucțiunilor : 3.0 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 2.8 Cultură generală : 3.0
#379#379	Trinity Large Previewdefault	4.4	Arcee AI	$0.008 ↑	2.83s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 10.0 Rată de trecere pe încercare 20.3% Teste instabile 2 Tokenuri de intrare 29,828 Tokenuri de ieșire 2,169 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.83s Timp de răspuns (total) 56.65s Timp de răspuns (maxim) 14.34s Răspuns greșit: 12 Eroare API: 3 Nu a urmat instrucțiunile: 3 Sarcini agentice : 3.0 Trucuri anti-AI : 3.1 Programare : 3.7 Combinat : 1.5 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
#430#430	Classify-1default	2.2	Scaledown	$0.008	4.58s
Vezi fișa modelului Total teste 12 Teste greșite 9 Fiabilitate 9.4 Rată de trecere pe încercare 18.8% Teste instabile 2 Tokenuri de intrare 195,645 Tokenuri de ieșire 164 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.58s Timp de răspuns (total) 55.01s Timp de răspuns (maxim) 13.35s Răspuns greșit: 8 Eroare API: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 4.0 Programare : 2.7 Combinat : 0.0 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.0 Apelare instrumente : 0.0 Cultură generală : 0.0
#397#397	Nemotron 3.5 Lightningnone	3.8	NVIDIA	$0.009 ↕	15.92s
Vezi fișa modelului Total teste 23 Teste greșite 20 Fiabilitate 9.8 Rată de trecere pe încercare 15.9% Teste instabile 2 Tokenuri de intrare 97,418 Tokenuri de ieșire 4,779 Tokenuri de raționament 0 Timp de răspuns (mediu) 15.92s Timp de răspuns (total) 366.20s Timp de răspuns (maxim) 339.57s Răspuns greșit: 16 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Sarcini agentice : 3.0 Trucuri anti-AI : 4.8 Programare : 3.1 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 : 3.1 Apelare instrumente : 2.8 Cultură generală : 3.0
#403#403	Laguna M.1default	3.6	Poolside	$0.009 ↕	2.89s
Vezi fișa modelului Total teste 19 Teste greșite 15 Fiabilitate 9.8 Rată de trecere pe încercare 26.1% Teste instabile 3 Tokenuri de intrare 38,147 Tokenuri de ieșire 2,054 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.89s Timp de răspuns (total) 43.28s Timp de răspuns (maxim) 15.42s Răspuns greșit: 10 Eroare API: 4 Apel de instrument invalid: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 3.4 Programare : 2.5 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 3.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#439#439	Solar Decidedefault	1.0	Upstage	$0.009 ↑	6.01s
Vezi fișa modelului Total teste 7 Teste greșite 5 Fiabilitate 10.0 Rată de trecere pe încercare 14.5% Teste instabile 3 Tokenuri de intrare 47,586 Tokenuri de ieșire 51 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.01s Timp de răspuns (total) 42.05s Timp de răspuns (maxim) 13.10s Răspuns greșit: 5 Sarcini agentice : 0.0 Trucuri anti-AI : 0.8 Programare : 0.0 Combinat : 0.0 Parsare și extragere de date : 3.7 Specific domeniului : 4.3 Inteligență generală : 0.0 Respectarea instrucțiunilor : 5.0 Rezolvare de puzzle-uri : 1.0 Apelare instrumente : 0.0 Cultură generală : 0.0
#315#315	Qwen3.8 27Bnone	5.4	Qwen	~$0.010	5.05s
Vezi fișa modelului Total teste 23 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 39.1% Teste instabile 0 Tokenuri de intrare 281,460 Tokenuri de ieșire 13,791 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.05s Timp de răspuns (total) 116.11s Timp de răspuns (maxim) 47.42s Răspuns greșit: 12 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Sarcini agentice : 5.0 Trucuri anti-AI : 6.5 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 7.7 Inteligență generală : 4.2 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#431#431	Clef Omnidefault	1.9	Cloudflare	$0.011	880ms
Vezi fișa modelului Total teste 12 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 8.7% Teste instabile 0 Tokenuri de intrare 70,125 Tokenuri de ieșire 0 Tokenuri de raționament 0 Timp de răspuns (mediu) 880ms Timp de răspuns (total) 10.56s Timp de răspuns (maxim) 1.31s Răspuns greșit: 9 Nu a urmat instrucțiunile: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 4.0 Programare : 2.5 Combinat : 0.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.7 Apelare instrumente : 0.0 Cultură generală : 0.0
#287#287	Qwen3.8 Flash Nextnone	5.8	Qwen	~$0.011	5.71s
Vezi fișa modelului Total teste 23 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 43.5% Teste instabile 3 Tokenuri de intrare 266,004 Tokenuri de ieșire 9,077 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.71s Timp de răspuns (total) 131.36s Timp de răspuns (maxim) 65.25s Răspuns greșit: 14 Fără răspuns: 1 Sarcini agentice : 5.0 Trucuri anti-AI : 6.5 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 6.1 Respectarea instrucțiunilor : 7.1 Rezolvare de puzzle-uri : 6.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#409#409	Laguna Xs.2medium	3.3	Poolside	$0.015 ↕	6.73s
Vezi fișa modelului Total teste 19 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 42.0% Teste instabile 6 Tokenuri de intrare 39,481 Tokenuri de ieșire 54,218 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.73s Timp de răspuns (total) 100.98s Timp de răspuns (maxim) 29.11s Răspuns greșit: 6 Eroare API: 4 Fără răspuns: 2 Apel de instrument invalid: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 6.9 Programare : 2.1 Combinat : 1.5 Parsare și extragere de date : 7.1 Specific domeniului : 4.1 Inteligență generală : 3.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 4.7 Cultură generală : 3.0
#341#341	Mercury 2.5 Previewlow	5.0	Inception	$0.015 ↑	4.92s
Vezi fișa modelului Total teste 23 Teste greșite 17 Fiabilitate 9.9 Rată de trecere pe încercare 44.9% Teste instabile 8 Tokenuri de intrare 235,438 Tokenuri de ieșire 8,136 Tokenuri de raționament 28,734 Timp de răspuns (mediu) 4.92s Timp de răspuns (total) 113.24s Timp de răspuns (maxim) 84.47s Răspuns greșit: 13 Nu a urmat instrucțiunile: 2 Eroare API: 1 Fără răspuns: 1 Sarcini agentice : 5.0 Trucuri anti-AI : 5.6 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 6.3 Specific domeniului : 4.1 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 2.8 Cultură generală : 3.0
#442#442	Claude Opus 5.5none	0.2	Anthropic	$0.015	13.58s
Vezi fișa modelului Total teste 1 Teste greșite 0 Fiabilitate 10.0 Rată de trecere pe încercare 4.4% Teste instabile 0 Tokenuri de intrare 73 Tokenuri de ieșire 6 Tokenuri de raționament 729 Timp de răspuns (mediu) 13.58s Timp de răspuns (total) 13.58s Timp de răspuns (maxim) 13.58s Sarcini agentice : 0.0 Trucuri anti-AI : 0.0 Programare : 0.0 Combinat : 0.0 Parsare și extragere de date : 0.0 Specific domeniului : 3.3 Inteligență generală : 0.0 Respectarea instrucțiunilor : 0.0 Rezolvare de puzzle-uri : 0.0 Apelare instrumente : 0.0 Cultură generală : 0.0
#351#351	Ling 2.6 1tdefault	4.9	Inclusionai	$0.016 ↑	8.16s
Vezi fișa modelului Total teste 23 Teste greșite 19 Fiabilitate 10.0 Rată de trecere pe încercare 17.4% Teste instabile 0 Tokenuri de intrare 106,423 Tokenuri de ieșire 11,555 Tokenuri de raționament 0 Timp de răspuns (mediu) 8.16s Timp de răspuns (total) 163.24s Timp de răspuns (maxim) 25.72s Răspuns greșit: 12 Eroare API: 4 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Sarcini agentice : 3.0 Trucuri anti-AI : 3.4 Programare : 3.8 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 3.0 Cultură generală : 3.0
#386#386	gpt-oss-120bnone	4.2	OpenAI	$0.016 ↓	28.63s
Vezi fișa modelului Total teste 20 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 34.8% Teste instabile 3 Tokenuri de intrare 131,652 Tokenuri de ieșire 16,869 Tokenuri de raționament 53,081 Timp de răspuns (mediu) 28.63s Timp de răspuns (total) 486.69s Timp de răspuns (maxim) 140.90s Răspuns greșit: 9 Eroare API: 3 Nu a urmat instrucțiunile: 2 Sarcini agentice : 6.1 Trucuri anti-AI : 6.5 Programare : 1.5 Combinat : 1.5 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 4.8 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#377#377	Nemotron 3 Supernone	4.5	NVIDIA	$0.016 ↑	7.11s
Vezi fișa modelului Total teste 23 Teste greșite 18 Fiabilitate 9.5 Rată de trecere pe încercare 27.5% Teste instabile 3 Tokenuri de intrare 146,361 Tokenuri de ieșire 9,073 Tokenuri de raționament 1 Timp de răspuns (mediu) 7.11s Timp de răspuns (total) 163.46s Timp de răspuns (maxim) 30.51s Răspuns greșit: 16 Nu a urmat instrucțiunile: 2 Sarcini agentice : 2.8 Trucuri anti-AI : 4.8 Programare : 3.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.6 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 4.7 Cultură generală : 3.0
#309#309	Gemini 2.5 Flashnone	5.5	Google	$0.017	6.00s
Vezi fișa modelului Total teste 23 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 37.7% Teste instabile 1 Tokenuri de intrare 39,886 Tokenuri de ieșire 1,890 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.00s Timp de răspuns (total) 138.04s Timp de răspuns (maxim) 118.00s Răspuns greșit: 13 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Sarcini agentice : 3.0 Trucuri anti-AI : 3.0 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 5.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#326#326	Laguna XS 2.1none	5.3	Poolside	$0.020	4.56s
Vezi fișa modelului Total teste 23 Teste greșite 18 Fiabilitate 10.0 Rată de trecere pe încercare 29.0% Teste instabile 3 Tokenuri de intrare 270,072 Tokenuri de ieșire 23,173 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.56s Timp de răspuns (total) 104.80s Timp de răspuns (maxim) 70.79s Răspuns greșit: 14 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Sarcini agentice : 5.0 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
#336#336	Mercury 2.5low	5.1	Inception	$0.020	3.34s
Vezi fișa modelului Total teste 23 Teste greșite 17 Fiabilitate 9.8 Rată de trecere pe încercare 37.7% Teste instabile 5 Tokenuri de intrare 326,083 Tokenuri de ieșire 7,224 Tokenuri de raționament 33,078 Timp de răspuns (mediu) 3.34s Timp de răspuns (total) 76.80s Timp de răspuns (maxim) 47.06s Răspuns greșit: 14 Eroare API: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Sarcini agentice : 5.0 Trucuri anti-AI : 6.9 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.6 Inteligență generală : 4.4 Respectarea instrucțiunilor : 2.9 Rezolvare de puzzle-uri : 5.9 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 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow