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: 2026-06-03 Modele evaluate: 161

161/161

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#72#72	Claude Sonnet 4.6none	7.0	Anthropic	$0.306	5.27s
Vezi fișa modelului Total teste 20 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 58.3% Teste instabile 1 Tokenuri de intrare 54,721 Tokenuri de ieșire 9,450 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.27s Timp de răspuns (total) 68.50s Timp de răspuns (maxim) 23.84s Formatare suplimentară: 4 Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.8 Programare : 6.8 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 Cultură generală : 3.0
#139#139	Nemotron 3 Supernone	5.0	NVIDIA	$0.006 ↑	5.47s
Vezi fișa modelului Total teste 20 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 33.3% Teste instabile 3 Tokenuri de intrare 33,717 Tokenuri de ieșire 6,186 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.47s Timp de răspuns (total) 109.43s Timp de răspuns (maxim) 16.45s Răspuns greșit: 13 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 3.4 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 4.6 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 4.7 Cultură generală : 3.0
#12#12	Gemini 3 Flash Previewlow	8.6	Google	$0.106	5.81s
Vezi fișa modelului Total teste 20 Teste greșite 4 Fiabilitate 10.0 Rată de trecere pe încercare 81.7% Teste instabile 1 Tokenuri de intrare 33,766 Tokenuri de ieșire 2,070 Tokenuri de raționament 27,348 Timp de răspuns (mediu) 5.81s Timp de răspuns (total) 116.25s Timp de răspuns (maxim) 14.72s Răspuns greșit: 4 Trucuri anti-AI : 10.0 Programare : 7.3 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 Cultură generală : 10.0
#97#97	Gemma 4 26B A4Bnone	6.2	Google	$0.003 ↓	5.96s
Vezi fișa modelului Total teste 20 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 46.7% Teste instabile 2 Tokenuri de intrare 36,978 Tokenuri de ieșire 1,815 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.96s Timp de răspuns (total) 119.22s Timp de răspuns (maxim) 57.10s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Timp expirat: 1 Trucuri anti-AI : 8.3 Programare : 4.1 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
#53#53	GPT-5.3 Chatnone	7.4	OpenAI	$0.402	6.13s
Vezi fișa modelului Total teste 20 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 68.3% Teste instabile 4 Tokenuri de intrare 31,590 Tokenuri de ieșire 24,757 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.13s Timp de răspuns (total) 122.61s Timp de răspuns (maxim) 18.33s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 6.7 Programare : 6.9 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 4.6 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#115#115	Laguna Xs.2medium	5.8	Poolside	$0.000	6.73s
Vezi fișa modelului Total teste 19 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 50.9% 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 Trucuri anti-AI : 6.9 Programare : 6.3 Combinat : 3.0 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
#30#30	GPT-5.2 Chatnone	7.9	OpenAI	$0.352	6.82s
Vezi fișa modelului Total teste 20 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 73.3% Teste instabile 3 Tokenuri de intrare 31,593 Tokenuri de ieșire 21,144 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.82s Timp de răspuns (total) 136.34s Timp de răspuns (maxim) 38.52s Răspuns greșit: 6 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.7 Programare : 8.2 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.4 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#157#157	Ling-2.6-1Tnone	4.3	Inclusionai	$0.005	7.72s
Vezi fișa modelului Total teste 20 Teste greșite 17 Fiabilitate N/D Rată de trecere pe încercare 15.0% Teste instabile 0 Tokenuri de intrare 34,905 Tokenuri de ieșire 2,434 Tokenuri de raționament 0 Timp de răspuns (mediu) 7.72s Timp de răspuns (total) 139.00s Timp de răspuns (maxim) 25.72s Răspuns greșit: 12 Eroare API: 2 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 3.4 Programare : 4.2 Combinat : 3.0 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
#2🥈 #2	Gemini 3.5 Flashhigh	9.6	Google	$0.994	8.30s
Vezi fișa modelului Total teste 20 Teste greșite 1 Fiabilitate 10.0 Rată de trecere pe încercare 96.7% Teste instabile 1 Tokenuri de intrare 34,591 Tokenuri de ieșire 1,969 Tokenuri de raționament 102,679 Timp de răspuns (mediu) 8.30s Timp de răspuns (total) 165.92s Timp de răspuns (maxim) 34.82s Răspuns greșit: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 9.8 Cultură generală : 10.0
#129#129	Mistral Small 4medium	5.4	Mistral	$0.056	8.35s
Vezi fișa modelului Total teste 20 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 45.0% Teste instabile 7 Tokenuri de intrare 39,834 Tokenuri de ieșire 21,871 Tokenuri de raționament 68,349 Timp de răspuns (mediu) 8.35s Timp de răspuns (total) 167.08s Timp de răspuns (maxim) 59.15s Răspuns greșit: 11 Eroare API: 2 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 5.6 Programare : 5.1 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
#118#118	Owl Alphanone	5.7	Openrouter	$0.000	8.80s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 38.3% Teste instabile 1 Tokenuri de intrare 39,406 Tokenuri de ieșire 4,802 Tokenuri de raționament 0 Timp de răspuns (mediu) 8.80s Timp de răspuns (total) 176.09s Timp de răspuns (maxim) 47.10s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Formatare suplimentară: 1 Trucuri anti-AI : 3.4 Programare : 7.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#21#21	Gemini 3.5 Flashnone	8.0	Google	$0.924	9.05s
Vezi fișa modelului Total teste 20 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 76.7% Teste instabile 3 Tokenuri de intrare 10,840 Tokenuri de ieșire 100,760 Tokenuri de raționament 0 Timp de răspuns (mediu) 9.05s Timp de răspuns (total) 153.86s Timp de răspuns (maxim) 64.36s Eroare API: 3 Răspuns greșit: 3 Trucuri anti-AI : 10.0 Programare : 8.2 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 7.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 3.0 Cultură generală : 2.8
#138#138	Qwen3 Coder Nextnone	5.1	Qwen	$0.008 ↓	9.05s
Vezi fișa modelului Total teste 20 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 28.3% Teste instabile 1 Tokenuri de intrare 44,864 Tokenuri de ieșire 3,575 Tokenuri de raționament 0 Timp de răspuns (mediu) 9.05s Timp de răspuns (total) 126.72s Timp de răspuns (maxim) 45.14s Răspuns greșit: 13 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.6 Programare : 5.4 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
#31#31	Gemini 3 PRO Previewmedium	7.9	Google	$0.385 ↑	9.05s
Vezi fișa modelului Total teste 20 Teste greșite 6 Fiabilitate N/D Rată de trecere pe încercare 70.0% Teste instabile 0 Tokenuri de intrare 28,848 Tokenuri de ieșire 1,490 Tokenuri de raționament 10,102 Timp de răspuns (mediu) 9.05s Timp de răspuns (total) 90.53s Timp de răspuns (maxim) 26.24s Eroare API: 3 Răspuns greșit: 3 Trucuri anti-AI : 10.0 Programare : 3.0 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 Cultură generală : 3.0
#147#147	Qwen3 Coder Nextmedium	4.7	Qwen	$0.008 ↓	9.16s
Vezi fișa modelului Total teste 20 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 30.0% Teste instabile 3 Tokenuri de intrare 44,607 Tokenuri de ieșire 3,310 Tokenuri de raționament 0 Timp de răspuns (mediu) 9.16s Timp de răspuns (total) 128.25s Timp de răspuns (maxim) 81.80s Răspuns greșit: 12 Nu a urmat instrucțiunile: 3 Timp expirat: 1 Trucuri anti-AI : 3.5 Programare : 4.1 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 6.3 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#135#135	Ling-2.6-flashnone	5.2	Inclusionai	$0.001 ↑	9.34s
Vezi fișa modelului Total teste 20 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 33.3% Teste instabile 2 Tokenuri de intrare 40,718 Tokenuri de ieșire 2,878 Tokenuri de raționament 0 Timp de răspuns (mediu) 9.34s Timp de răspuns (total) 177.48s Timp de răspuns (maxim) 35.34s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 2 Eroare API: 1 Trucuri anti-AI : 6.8 Programare : 6.5 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 4.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 2.9 Apelare instrumente : 3.0 Cultură generală : 3.0
#11#11	Claude Opus 4.8medium	8.7	Anthropic	$1.006	9.34s
Vezi fișa modelului Total teste 20 Teste greșite 4 Fiabilitate 10.0 Rată de trecere pe încercare 83.3% Teste instabile 1 Tokenuri de intrare 57,185 Tokenuri de ieșire 23,201 Tokenuri de raționament 5,901 Timp de răspuns (mediu) 9.34s Timp de răspuns (total) 186.84s Timp de răspuns (maxim) 38.03s Răspuns greșit: 3 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 9.8 Parsare și extragere de date : 7.1 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#8#8	GPT-5.5low	8.9	OpenAI	$0.822	9.43s
Vezi fișa modelului Total teste 20 Teste greșite 3 Fiabilitate 10.0 Rată de trecere pe încercare 85.0% Teste instabile 0 Tokenuri de intrare 31,590 Tokenuri de ieșire 2,025 Tokenuri de raționament 20,092 Timp de răspuns (mediu) 9.43s Timp de răspuns (total) 188.66s Timp de răspuns (maxim) 56.19s Răspuns greșit: 3 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 : 9.9 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#86#86	Grok 4.20 Multi Agent Betamedium	6.6	X AI	$5.599 ↑	9.69s
Vezi fișa modelului Total teste 18 Teste greșite 10 Fiabilitate N/D Rată de trecere pe încercare 59.3% 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 : 10.0 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
#14#14	Grok 4.20 Betamedium	8.5	X AI	$0.750 ↑	9.75s
Vezi fișa modelului Total teste 18 Teste greșite 4 Fiabilitate N/D Rată de trecere pe încercare 81.5% Teste instabile 1 Tokenuri de intrare 35,955 Tokenuri de ieșire 1,647 Tokenuri de raționament 91,565 Timp de răspuns (mediu) 9.75s Timp de răspuns (total) 175.48s Timp de răspuns (maxim) 31.36s Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.7 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 : 3.0
#78#78	Hunter Alphamedium	6.7	OpenRouter	$0.000	10.33s
Vezi fișa modelului Total teste 18 Teste greșite 10 Fiabilitate N/D Rată de trecere pe încercare 64.8% 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 : 3.0 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
#107#107	Owl Alphamedium	5.8	Openrouter	$0.000	11.64s
Vezi fișa modelului Total teste 20 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 41.7% Teste instabile 1 Tokenuri de intrare 40,601 Tokenuri de ieșire 2,965 Tokenuri de raționament 0 Timp de răspuns (mediu) 11.64s Timp de răspuns (total) 232.83s Timp de răspuns (maxim) 58.63s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Eroare API: 1 Trucuri anti-AI : 4.8 Programare : 6.6 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 : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#65#65	GPT-5.4 Nanomedium	7.2	OpenAI	$0.099	11.79s
Vezi fișa modelului Total teste 20 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 63.3% Teste instabile 3 Tokenuri de intrare 32,815 Tokenuri de ieșire 2,993 Tokenuri de raționament 70,928 Timp de răspuns (mediu) 11.79s Timp de răspuns (total) 235.81s Timp de răspuns (maxim) 94.06s Răspuns greșit: 7 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.3 Programare : 6.8 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 : 4.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#109#109	DeepSeek V4 Pronone	5.8	DeepSeek	$0.024 ↓	12.91s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 8.5 Rată de trecere pe încercare 45.0% Teste instabile 4 Tokenuri de intrare 42,256 Tokenuri de ieșire 5,345 Tokenuri de raționament 0 Timp de răspuns (mediu) 12.91s Timp de răspuns (total) 258.27s Timp de răspuns (maxim) 58.65s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Eroare API: 1 Formatare suplimentară: 1 Trucuri anti-AI : 3.5 Programare : 5.4 Combinat : 9.5 Parsare și extragere de date : 6.9 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 7.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#154#154	Hy3 previewnone	4.5	Tencent	$0.003	12.92s
Vezi fișa modelului Total teste 20 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 25.0% 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 Nu a urmat instrucțiunile: 4 Eroare API: 3 Formatare suplimentară: 1 Trucuri anti-AI : 4.8 Programare : 2.7 Combinat : 3.0 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
#123#123	Kimi K2.6none	5.6	Moonshot AI	$0.077 ↓	13.82s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 38.3% Teste instabile 2 Tokenuri de intrare 30,318 Tokenuri de ieșire 16,405 Tokenuri de raționament 0 Timp de răspuns (mediu) 13.82s Timp de răspuns (total) 276.39s Timp de răspuns (maxim) 238.89s Răspuns greșit: 10 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 4.6 Programare : 6.8 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#5#5	Qwen3.7 Maxmedium	9.0	Qwen	$0.471 ↓	13.83s
Vezi fișa modelului Total teste 20 Teste greșite 3 Fiabilitate 10.0 Rată de trecere pe încercare 88.3% Teste instabile 1 Tokenuri de intrare 39,525 Tokenuri de ieșire 2,109 Tokenuri de raționament 110,285 Timp de răspuns (mediu) 13.83s Timp de răspuns (total) 276.53s Timp de răspuns (maxim) 33.37s Răspuns greșit: 3 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#133#133	Kimi K2.5none	5.3	Moonshot AI	$0.027 ↑	14.06s
Vezi fișa modelului Total teste 20 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 36.7% Teste instabile 3 Tokenuri de intrare 33,436 Tokenuri de ieșire 6,653 Tokenuri de raționament 0 Timp de răspuns (mediu) 14.06s Timp de răspuns (total) 182.72s Timp de răspuns (maxim) 42.13s Răspuns greșit: 14 Trucuri anti-AI : 3.6 Programare : 6.8 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
#130#130	DeepSeek V3.2none	5.4	DeepSeek	$0.017 ↓	14.43s
Vezi fișa modelului Total teste 20 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 41.7% Teste instabile 6 Tokenuri de intrare 53,408 Tokenuri de ieșire 11,159 Tokenuri de raționament 0 Timp de răspuns (mediu) 14.43s Timp de răspuns (total) 288.55s Timp de răspuns (maxim) 115.89s Răspuns greșit: 6 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
#91#91	Laguna M.1medium	6.4	Poolside	$0.000	14.73s
Vezi fișa modelului Total teste 19 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 52.6% 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 : 4.3 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

Comparație rapidă

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

Clasament Benchmark AI

Filtrează modelele

Comparație rapidă