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: 2026-05-10 Modele evaluate: 144

144/144

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#84#84	Gemma 4 26B A4Bnone	6.3	Google	$0.005	6.28s
Vezi fișa modelului Total teste 19 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 49.1% Teste instabile 2 Tokenuri de ieșire 1,796 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.28s Timp de răspuns (total) 119.39s Timp de răspuns (maxim) 57.10s Răspuns greșit: 8 Nu a urmat instrucțiunile: 2 Timp expirat: 1 Trucuri anti-AI : 8.3 Programare : 4.7 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
#83#83	Gemini 2.5 Flashnone	6.3	Google	$0.013	916ms
Vezi fișa modelului Total teste 19 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 49.1% Teste instabile 2 Tokenuri de ieșire 1,738 Tokenuri de raționament 0 Timp de răspuns (mediu) 916ms Timp de răspuns (total) 17.41s Timp de răspuns (maxim) 4.39s Răspuns greșit: 10 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.0 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#82#82	Mercury 2medium	6.3	Inception	$0.050	2.23s
Vezi fișa modelului Total teste 19 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 50.9% Teste instabile 3 Tokenuri de ieșire 3,994 Tokenuri de raționament 52,081 Timp de răspuns (mediu) 2.23s Timp de răspuns (total) 40.10s Timp de răspuns (maxim) 14.63s Răspuns greșit: 8 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 6.9 Programare : 10.0 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 : 3.8 Apelare instrumente : 10.0 Cultură generală : 3.0
#81#81	MiMo-V2-Omninone	6.3	Xiaomi	$0.020	2.37s
Vezi fișa modelului Total teste 19 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 43.9% Teste instabile 1 Tokenuri de ieșire 2,254 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.37s Timp de răspuns (total) 45.03s Timp de răspuns (maxim) 6.81s Răspuns greșit: 10 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.6 Programare : 6.6 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
#80#80	GLM 5none	6.5	Z.ai	$0.020	4.18s
Vezi fișa modelului Total teste 19 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 49.1% Teste instabile 1 Tokenuri de ieșire 1,972 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.18s Timp de răspuns (total) 50.12s Timp de răspuns (maxim) 11.07s Răspuns greșit: 10 Trucuri anti-AI : 4.8 Programare : 5.6 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 Cultură generală : 3.0
#79#79	Grok 4.1 Fastmedium	6.5	X AI	$0.058	24.01s
Vezi fișa modelului Total teste 19 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 61.4% Teste instabile 6 Tokenuri de ieșire 2,025 Tokenuri de raționament 96,679 Timp de răspuns (mediu) 24.01s Timp de răspuns (total) 288.18s 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 : 2.3 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
#78#78	Qwen3.5 Plus 2026-02-15none	6.5	Qwen	$0.017	2.49s
Vezi fișa modelului Total teste 19 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 50.9% Teste instabile 2 Tokenuri de ieșire 2,472 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.49s Timp de răspuns (total) 32.33s Timp de răspuns (maxim) 6.65s Răspuns greșit: 10 Trucuri anti-AI : 4.8 Programare : 6.3 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 Cultură generală : 3.0
#77#77	Laguna Xs.2medium	6.6	Poolside	$0.000	6.74s
Vezi fișa modelului Total teste 19 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 64.5% Teste instabile 6 Tokenuri de ieșire 54,284 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.74s Timp de răspuns (total) 101.08s Timp de răspuns (maxim) 29.11s Răspuns greșit: 6 Fără răspuns: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 8.2 Programare : 6.3 Combinat : 3.0 Parsare și extragere de date : 7.1 Specific domeniului : 4.1 Inteligență generală : 0.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.5 Apelare instrumente : 4.7 Cultură generală : 0.0
#76#76	Grok 4.20 Multi Agent Betamedium	6.6	X AI	$5.074	9.80s
Vezi fișa modelului Total teste 18 Teste greșite 10 Fiabilitate N/D Rată de trecere pe încercare 63.0% Teste instabile 6 Tokenuri de ieșire 299,034 Tokenuri de raționament 309,670 Timp de răspuns (mediu) 9.80s Timp de răspuns (total) 156.75s 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 : 7.2 Apelare instrumente : 3.0
#75#75	Gemini 3.1 Flash Litenone	6.7	Google	$0.012	1.11s
Vezi fișa modelului Total teste 19 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 57.9% Teste instabile 4 Tokenuri de ieșire 2,454 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.11s Timp de răspuns (total) 21.13s Timp de răspuns (maxim) 2.97s Răspuns greșit: 9 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 7.5 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#74#74	GPT-5.5none	6.7	OpenAI	$0.197	1.99s
Vezi fișa modelului Total teste 19 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 59.7% Teste instabile 3 Tokenuri de ieșire 1,928 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.99s Timp de răspuns (total) 37.87s Timp de răspuns (maxim) 5.56s Răspuns greșit: 9 Trucuri anti-AI : 6.9 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#73#73	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 ieșire 4,724 Tokenuri de raționament 17,921 Timp de răspuns (mediu) 10.33s Timp de răspuns (total) 175.60s 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
#72#72	Qwen3.6 27Bmedium	6.8	Qwen	$0.229	52.13s
Vezi fișa modelului Total teste 19 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 61.4% Teste instabile 5 Tokenuri de ieșire 8,680 Tokenuri de raționament 96,890 Timp de răspuns (mediu) 52.13s Timp de răspuns (total) 990.48s Timp de răspuns (maxim) 168.22s Răspuns greșit: 6 Fără răspuns: 2 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 7.0 Parsare și extragere de date : 3.5 Specific domeniului : 2.9 Inteligență generală : 6.5 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#71#71	Kimi K2.5medium	6.8	Moonshot AI	$0.236	73.39s
Vezi fișa modelului Total teste 19 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 68.4% Teste instabile 7 Tokenuri de ieșire 42,188 Tokenuri de raționament 92,514 Timp de răspuns (mediu) 73.39s Timp de răspuns (total) 880.65s Timp de răspuns (maxim) 150.77s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Timp expirat: 2 Fără răspuns: 1 Trucuri anti-AI : 7.3 Programare : 4.7 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 Cultură generală : 3.0
#70#70	Gemini 3.1 Flash Liteminimal	6.8	Google	$0.012	1.41s
Vezi fișa modelului Total teste 19 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 59.7% Teste instabile 3 Tokenuri de ieșire 2,457 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.41s Timp de răspuns (total) 26.72s Timp de răspuns (maxim) 4.49s Răspuns greșit: 6 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#69#69	GPT-5 Minimedium	6.8	OpenAI	$0.132	23.24s
Vezi fișa modelului Total teste 19 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 57.9% Teste instabile 3 Tokenuri de ieșire 6,539 Tokenuri de raționament 55,338 Timp de răspuns (mediu) 23.24s Timp de răspuns (total) 441.55s Timp de răspuns (maxim) 88.15s Răspuns greșit: 5 Nu a urmat instrucțiunile: 4 Timp expirat: 1 Trucuri anti-AI : 7.1 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 4.5 Respectarea instrucțiunilor : 7.9 Rezolvare de puzzle-uri : 5.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#68#68	Grok 4.20medium	6.9	X AI	$0.756	14.53s
Vezi fișa modelului Total teste 19 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 63.2% Teste instabile 4 Tokenuri de ieșire 1,784 Tokenuri de raționament 128,233 Timp de răspuns (mediu) 14.53s Timp de răspuns (total) 276.06s Timp de răspuns (maxim) 63.48s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 8.2 Programare : 4.3 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 3.9 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 3.0 Cultură generală : 3.0
#67#67	DeepSeek V4 Prohigh	6.9	DeepSeek	$0.212	58.93s
Vezi fișa modelului Total teste 19 Teste greșite 8 Fiabilitate 9.3 Rată de trecere pe încercare 70.2% Teste instabile 4 Tokenuri de ieșire 12,211 Tokenuri de raționament 53,774 Timp de răspuns (mediu) 58.93s Timp de răspuns (total) 1119.75s Timp de răspuns (maxim) 358.35s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 7.4 Programare : 2.6 Combinat : 10.0 Parsare și extragere de date : 8.8 Specific domeniului : 3.0 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#66#66	Gemma 4 31Bnone	6.9	Google	$0.003	3.86s
Vezi fișa modelului Total teste 19 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 52.6% Teste instabile 0 Tokenuri de ieșire 1,371 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.86s Timp de răspuns (total) 65.57s Timp de răspuns (maxim) 26.13s Răspuns greșit: 6 Eroare API: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.5 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 6.5 Apelare instrumente : 3.0 Cultură generală : 3.0
#65#65	Laguna M.1medium	6.9	Poolside	$0.000	14.38s
Vezi fișa modelului Total teste 19 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 64.4% Teste instabile 3 Tokenuri de ieșire 56,620 Tokenuri de raționament 0 Timp de răspuns (mediu) 14.38s Timp de răspuns (total) 215.70s Timp de răspuns (maxim) 53.14s Răspuns greșit: 4 Fără răspuns: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 7.7 Programare : 4.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 0.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 3.8 Apelare instrumente : 10.0 Cultură generală : 0.0
#64#64	MiMo-V2-Omnimedium	7.2	Xiaomi	$0.451	27.58s
Vezi fișa modelului Total teste 19 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 59.7% Teste instabile 2 Tokenuri de ieșire 1,925 Tokenuri de raționament 216,652 Timp de răspuns (mediu) 27.58s Timp de răspuns (total) 524.03s Timp de răspuns (maxim) 234.19s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 4.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.4 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#63#63	Claude Sonnet 4.6none	7.2	Anthropic	$0.269	4.96s
Vezi fișa modelului Total teste 19 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 61.4% Teste instabile 1 Tokenuri de ieșire 7,864 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.96s Timp de răspuns (total) 59.50s Timp de răspuns (maxim) 23.84s Răspuns greșit: 4 Formatare suplimentară: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.8 Programare : 10.0 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
#62#62	GPT-5.4 Minimedium	7.2	OpenAI	$0.345	16.00s
Vezi fișa modelului Total teste 19 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 68.4% Teste instabile 5 Tokenuri de ieșire 2,163 Tokenuri de raționament 69,741 Timp de răspuns (mediu) 16.00s Timp de răspuns (total) 303.99s Timp de răspuns (maxim) 102.91s Răspuns greșit: 5 Nu a urmat instrucțiunile: 4 Trucuri anti-AI : 8.6 Programare : 10.0 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 : 7.8 Apelare instrumente : 4.7 Cultură generală : 3.0
#61#61	DeepSeek V3.2medium	7.2	DeepSeek	$0.031	46.06s
Vezi fișa modelului Total teste 19 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 72.8% Teste instabile 6 Tokenuri de ieșire 7,035 Tokenuri de raționament 53,765 Timp de răspuns (mediu) 46.06s Timp de răspuns (total) 875.23s Timp de răspuns (maxim) 180.92s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Timp expirat: 2 Trucuri anti-AI : 9.2 Programare : 4.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 3.8 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#60#60	GPT-5.2medium	7.2	OpenAI	$0.397	15.22s
Vezi fișa modelului Total teste 19 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 68.4% Teste instabile 4 Tokenuri de ieșire 2,731 Tokenuri de raționament 22,200 Timp de răspuns (mediu) 15.22s Timp de răspuns (total) 182.59s Timp de răspuns (maxim) 77.80s Nu a urmat instrucțiunile: 3 Răspuns greșit: 3 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 6.5 Programare : 10.0 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 : 7.6 Apelare instrumente : 4.7 Cultură generală : 3.0
#59#59	Qwen3.5-35B-A3Bmedium	7.2	Qwen	$0.481	51.50s
Vezi fișa modelului Total teste 19 Teste greșite 9 Fiabilitate 6.7 Rată de trecere pe încercare 75.4% Teste instabile 7 Tokenuri de ieșire 21,056 Tokenuri de raționament 280,814 Timp de răspuns (mediu) 51.50s Timp de răspuns (total) 978.57s Timp de răspuns (maxim) 177.35s Timp expirat: 4 Răspuns greșit: 3 Eroare API: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 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 Cultură generală : 3.0
#58#58	Seed-2.0-Minimedium	7.2	Bytedance Seed	$0.038	68.89s
Vezi fișa modelului Total teste 19 Teste greșite 8 Fiabilitate 3.3 Rată de trecere pe încercare 63.2% Teste instabile 2 Tokenuri de ieșire 2,469 Tokenuri de raționament 81,017 Timp de răspuns (mediu) 68.89s Timp de răspuns (total) 1102.23s Timp de răspuns (maxim) 262.83s Timp expirat: 4 Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.6 Programare : 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 : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#57#57	Ring 2.6 1tnone	7.2	Inclusionai	$0.000	55.10s
Vezi fișa modelului Total teste 19 Teste greșite 7 Fiabilitate 9.8 Rată de trecere pe încercare 62.5% Teste instabile 2 Tokenuri de ieșire 39,954 Tokenuri de raționament 0 Timp de răspuns (mediu) 55.10s Timp de răspuns (total) 881.55s Timp de răspuns (maxim) 143.82s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 9.2 Programare : 10.0 Combinat : 0.0 Parsare și extragere de date : 3.0 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 0.0 Cultură generală : 3.0
#55#55	Ring 2.6 1tmedium	7.2	Inclusionai	$0.000	61.29s
Vezi fișa modelului Total teste 19 Teste greșite 8 Fiabilitate 9.9 Rată de trecere pe încercare 66.7% Teste instabile 3 Tokenuri de ieșire 21,752 Tokenuri de raționament 42,754 Timp de răspuns (mediu) 61.29s Timp de răspuns (total) 1164.50s Timp de răspuns (maxim) 304.19s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.5 Inteligență generală : 4.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#56#56	MiMo-V2-Flashmedium	7.2	Xiaomi	$0.038	21.71s
Vezi fișa modelului Total teste 19 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 66.7% Teste instabile 3 Tokenuri de ieșire 12,399 Tokenuri de raționament 115,182 Timp de răspuns (mediu) 21.71s Timp de răspuns (total) 282.29s Timp de răspuns (maxim) 96.01s Răspuns greșit: 4 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Trucuri anti-AI : 8.1 Programare : 4.7 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 Cultură generală : 3.0

Comparație rapidă

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsQwen3.6 Max Previewmedium Gemini 3 Flash PreviewmediumvsRing 2.6 1tmediumDisponibil gratuit Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsGPT-5.5medium GPT-5.5mediumvsGPT-5.5low GPT-5.5lowvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsQwen3.6 Max Previewmedium

Clasament Benchmark AI

Filtrează modelele

Comparație rapidă