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: 2026-07-20 Modele evaluate: 210

210/210

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#112#112	Claude Sonnet 5none	6.3	Anthropic	$0.548	6.04s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 45.5% Teste instabile 4 Tokenuri de intrare 161,035 Tokenuri de ieșire 22,511 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.04s Timp de răspuns (total) 132.85s Timp de răspuns (maxim) 33.39s Răspuns greșit: 7 Formatare suplimentară: 4 Fără răspuns: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 5.3 Programare : 4.6 Combinat : 6.5 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
#116#116	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.066	4.40s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 43.9% Teste instabile 4 Tokenuri de intrare 142,197 Tokenuri de ieșire 14,746 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.40s Timp de răspuns (total) 96.84s Timp de răspuns (maxim) 44.58s Răspuns greșit: 13 Fără răspuns: 1 Trucuri anti-AI : 3.0 Programare : 5.6 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#125#125	Qwen3.5-Flashnone	6.1	Qwen	$0.073 ↓	25.28s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 39.4% Teste instabile 2 Tokenuri de intrare 282,347 Tokenuri de ieșire 209,201 Tokenuri de raționament 0 Timp de răspuns (mediu) 25.28s Timp de răspuns (total) 556.24s Timp de răspuns (maxim) 480.96s Răspuns greșit: 13 Apel de instrument invalid: 1 Trucuri anti-AI : 3.5 Programare : 5.5 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#126#126	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.122 ↓	13.56s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 43.9% Teste instabile 4 Tokenuri de intrare 94,468 Tokenuri de ieșire 51,487 Tokenuri de raționament 0 Timp de răspuns (mediu) 13.56s Timp de răspuns (total) 298.31s Timp de răspuns (maxim) 206.05s Răspuns greșit: 12 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 3.9 Combinat : 6.4 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
#129#129	Nemotron 3 Ultranone	6.1	NVIDIA	$0.095 ↕	3.87s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 42.4% Teste instabile 2 Tokenuri de intrare 101,275 Tokenuri de ieșire 9,474 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.87s Timp de răspuns (total) 85.15s Timp de răspuns (maxim) 37.50s Răspuns greșit: 12 Eroare API: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.5 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#132#132	GPT-5.6 Terranone	6.0	OpenAI	$0.349	1.65s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 42.4% Teste instabile 3 Tokenuri de intrare 102,259 Tokenuri de ieșire 6,203 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.65s Timp de răspuns (total) 36.28s Timp de răspuns (maxim) 10.07s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 4.8 Programare : 5.5 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 9.6 Cultură generală : 3.0
#140#140	Nemotron 3 Supermedium	5.7	NVIDIA	$0.050 ↑	51.99s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 8.7 Rată de trecere pe încercare 40.9% Teste instabile 3 Tokenuri de intrare 81,429 Tokenuri de ieșire 18,371 Tokenuri de raționament 98,853 Timp de răspuns (mediu) 51.99s Timp de răspuns (total) 1039.89s Timp de răspuns (maxim) 431.98s Răspuns greșit: 5 Eroare API: 4 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 8.3 Programare : 3.1 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.1 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#149#149	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.42s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 9.9 Rată de trecere pe încercare 45.5% Teste instabile 3 Tokenuri de intrare 51,472 Tokenuri de ieșire 7,822 Tokenuri de raționament 58,352 Timp de răspuns (mediu) 8.42s Timp de răspuns (total) 185.24s Timp de răspuns (maxim) 48.19s Răspuns greșit: 11 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.7 Programare : 3.6 Combinat : 6.5 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 3.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#156#156	Gemma 4 26B A4Bnone	5.5	Google	$0.015 ↓	7.64s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 42.4% Teste instabile 2 Tokenuri de intrare 131,282 Tokenuri de ieșire 15,781 Tokenuri de raționament 0 Timp de răspuns (mediu) 7.64s Timp de răspuns (total) 167.98s Timp de răspuns (maxim) 57.10s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 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
#202#202	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 43.9% Teste instabile 4 Tokenuri de intrare 11,793 Tokenuri de ieșire 267,275 Tokenuri de raționament 0 Timp de răspuns (mediu) 28.69s Timp de răspuns (total) 459.00s Timp de răspuns (maxim) 138.35s Răspuns greșit: 7 Eroare API: 3 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.7 Programare : 3.3 Combinat : 1.5 Parsare și extragere de date : 3.8 Specific domeniului : 3.6 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 3.0 Cultură generală : 3.0
#145#145	GLM 5V Turbonone	5.6	Z.ai	$0.052	2.99s
Vezi fișa modelului Total teste 21 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 36.4% Teste instabile 0 Tokenuri de intrare 37,100 Tokenuri de ieșire 1,766 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.99s Timp de răspuns (total) 62.74s Timp de răspuns (maxim) 6.51s Răspuns greșit: 11 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 5.5 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.6 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#146#146	Owl Alphamedium	5.6	Openrouter	$0.000	11.95s
Vezi fișa modelului Total teste 21 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 37.9% Teste instabile 1 Tokenuri de intrare 43,478 Tokenuri de ieșire 2,974 Tokenuri de raționament 0 Timp de răspuns (mediu) 11.95s Timp de răspuns (total) 250.88s Timp de răspuns (maxim) 58.63s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Eroare API: 1 Trucuri anti-AI : 4.8 Programare : 5.4 Combinat : 1.5 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
#157#157	Mimo V2 Omninone	5.5	Xiaomi	$0.021 ↓	2.44s
Vezi fișa modelului Total teste 21 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 37.9% 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 : 1.5 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
#97#97	LongCat 2.0high	6.6	Meituan	$0.469	148.73s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 9.4 Rată de trecere pe încercare 53.0% Teste instabile 5 Tokenuri de intrare 93,357 Tokenuri de ieșire 30,466 Tokenuri de raționament 336,325 Timp de răspuns (mediu) 148.73s Timp de răspuns (total) 3272.00s Timp de răspuns (maxim) 941.66s Răspuns greșit: 6 Timp expirat: 3 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Trucuri anti-AI : 8.9 Programare : 7.6 Combinat : 10.0 Parsare și extragere de date : 3.6 Specific domeniului : 3.6 Inteligență generală : 5.1 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#102#102	Laguna XS 2.1medium	6.5	Poolside	$0.068	47.93s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 42.4% Teste instabile 1 Tokenuri de intrare 118,989 Tokenuri de ieșire 30,750 Tokenuri de raționament 491,833 Timp de răspuns (mediu) 47.93s Timp de răspuns (total) 1054.49s Timp de răspuns (maxim) 422.72s Răspuns greșit: 11 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 4.8 Programare : 5.5 Combinat : 6.3 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#118#118	Gemini 2.5 Flashnone	6.2	Google	$0.017	6.20s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 43.9% Teste instabile 1 Tokenuri de intrare 39,877 Tokenuri de ieșire 1,890 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.20s Timp de răspuns (total) 136.37s Timp de răspuns (maxim) 118.00s Răspuns greșit: 12 Apel de instrument invalid: 1 Trucuri anti-AI : 3.0 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 5.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#121#121	gpt-oss-120bmedium	6.1	OpenAI	$0.019 ↓	21.91s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 50.0% Teste instabile 5 Tokenuri de intrare 108,747 Tokenuri de ieșire 29,772 Tokenuri de raționament 68,044 Timp de răspuns (mediu) 21.91s Timp de răspuns (total) 328.70s Timp de răspuns (maxim) 68.16s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 6.7 Programare : 5.9 Combinat : 6.5 Parsare și extragere de date : 6.4 Specific domeniului : 2.9 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 9.8 Cultură generală : 3.0
#122#122	Gemini 3.1 Flash Litenone	6.1	Google	$0.046	1.75s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 50.0% Teste instabile 4 Tokenuri de intrare 118,050 Tokenuri de ieșire 10,723 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.75s Timp de răspuns (total) 38.60s Timp de răspuns (maxim) 16.25s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 7.5 Programare : 5.5 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
#128#128	GPT-5 Nanomedium	6.1	OpenAI	$0.114	54.87s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 56.1% Teste instabile 8 Tokenuri de intrare 94,935 Tokenuri de ieșire 12,042 Tokenuri de raționament 261,056 Timp de răspuns (mediu) 54.87s Timp de răspuns (total) 822.99s Timp de răspuns (maxim) 227.89s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 6.5 Programare : 7.0 Combinat : 6.4 Parsare și extragere de date : 3.7 Specific domeniului : 5.2 Inteligență generală : 4.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#137#137	North Mini Codemedium	5.9	Cohere	$0.000	137.11s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 8.6 Rată de trecere pe încercare 48.5% Teste instabile 4 Tokenuri de intrare 81,813 Tokenuri de ieșire 424,772 Tokenuri de raționament 1,342,029 Timp de răspuns (mediu) 137.11s Timp de răspuns (total) 3016.42s Timp de răspuns (maxim) 786.72s Răspuns greșit: 9 Formatare suplimentară: 2 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.4 Programare : 4.5 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 3.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#179#179	Ring-2.6-1Tnone	4.8	Inclusionai	$0.026 ↕	55.10s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 45.5% Teste instabile 2 Tokenuri de intrare 7,599 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 Eroare API: 6 Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 9.2 Programare : 5.3 Combinat : 3.0 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 : 3.0 Cultură generală : 3.0
#141#141	GLM 5none	5.7	Z.ai	$0.041 ↑	4.03s
Vezi fișa modelului Total teste 21 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 42.4% Teste instabile 1 Tokenuri de intrare 37,135 Tokenuri de ieșire 1,989 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.03s Timp de răspuns (total) 56.37s Timp de răspuns (maxim) 11.07s Răspuns greșit: 12 Trucuri anti-AI : 4.8 Programare : 4.0 Combinat : 1.5 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
#181#181	Grok 4.20 Multi Agent Betamedium	4.8	X AI	$5.599 ↑	9.69s
Vezi fișa modelului Total teste 18 Teste greșite 10 Fiabilitate N/D Rată de trecere pe încercare 48.5% 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 : 1.5 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
#184#184	Hunter Alphamedium	4.7	OpenRouter	$0.000	10.33s
Vezi fișa modelului Total teste 18 Teste greșite 10 Fiabilitate N/D Rată de trecere pe încercare 53.0% 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 : 2.3 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
#46#46	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.200	79.14s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 6 Tokenuri de intrare 90,748 Tokenuri de ieșire 10,462 Tokenuri de raționament 178,719 Timp de răspuns (mediu) 79.14s Timp de răspuns (total) 1740.97s Timp de răspuns (maxim) 416.76s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Eroare API: 1 Formatare suplimentară: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 5.7 Programare : 6.3 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 7.8 Rezolvare de puzzle-uri : 6.9 Apelare instrumente : 9.8 Cultură generală : 3.0
#77#77	Kimi K2.5medium	7.0	Moonshot AI	$0.600 ↑	99.00s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 8 Tokenuri de intrare 118,448 Tokenuri de ieșire 62,124 Tokenuri de raționament 165,243 Timp de răspuns (mediu) 99.00s Timp de răspuns (total) 1485.04s Timp de răspuns (maxim) 281.00s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Timp expirat: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 7.3 Programare : 6.1 Combinat : 6.7 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
#78#78	Mercury 2medium	7.0	Inception	$0.093	2.72s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 51.5% Teste instabile 3 Tokenuri de intrare 109,572 Tokenuri de ieșire 10,313 Tokenuri de raționament 76,806 Timp de răspuns (mediu) 2.72s Timp de răspuns (total) 57.12s Timp de răspuns (maxim) 14.63s Răspuns greșit: 8 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 6.9 Programare : 8.2 Combinat : 6.7 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 4.8 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#82#82	DeepSeek V4 Pronone	6.9	DeepSeek	$0.096	11.55s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 51.5% Teste instabile 4 Tokenuri de intrare 148,069 Tokenuri de ieșire 35,551 Tokenuri de raționament 0 Timp de răspuns (mediu) 11.55s Timp de răspuns (total) 254.11s Timp de răspuns (maxim) 119.44s Răspuns greșit: 8 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 3.2 Programare : 5.6 Combinat : 7.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#91#91	LongCat 2.0low	6.7	Meituan	$0.391	100.31s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 9.6 Rată de trecere pe încercare 53.0% Teste instabile 3 Tokenuri de intrare 90,909 Tokenuri de ieșire 5,679 Tokenuri de raționament 297,369 Timp de răspuns (mediu) 100.31s Timp de răspuns (total) 2206.82s Timp de răspuns (maxim) 560.39s Răspuns greșit: 8 Eroare API: 1 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 6.6 Combinat : 10.0 Parsare și extragere de date : 6.3 Specific domeniului : 3.0 Inteligență generală : 3.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#99#99	Qwen3.6 27Bmedium	6.5	Qwen	$0.779 ↑	106.32s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 59.1% Teste instabile 6 Tokenuri de intrare 106,167 Tokenuri de ieșire 32,889 Tokenuri de raționament 241,303 Timp de răspuns (mediu) 106.32s Timp de răspuns (total) 2339.12s Timp de răspuns (maxim) 1085.11s Răspuns greșit: 6 Fără răspuns: 3 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.3 Programare : 7.7 Combinat : 6.7 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

←

1 2 3 4 5 6 7

→

Comparație rapidă

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGPT-5.6 Sollow Gemini 3 Flash PreviewmediumvsGPT-5.6 Solmedium Gemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsNemotron 3 UltramediumDisponibil gratuit Gemini 3 Flash PreviewmediumvsNorth Mini CodemediumDisponibil gratuit Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low

Clasament AI Benchy

Filtrează modelele

Comparație rapidă