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: 2026-10-01 Modele evaluate: 382

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

382/382

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#282#282	Qwen3.6 Max Previewnone	5.3	Qwen	$0.228 ↓	7.82s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 9.9 Rată de trecere pe încercare 53.6% Teste instabile 2 Tokenuri de intrare 106,348 Tokenuri de ieșire 19,257 Tokenuri de raționament 0 Timp de răspuns (mediu) 7.82s Timp de răspuns (total) 172.04s Timp de răspuns (maxim) 102.62s Răspuns greșit: 11 Sarcini agentice : 0.0 Trucuri anti-AI : 5.2 Programare : 3.8 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#281#281	Kimi K2.5none	5.3	Moonshot AI	$0.262 ↑	35.86s
Vezi fișa modelului Total teste 23 Teste greșite 18 Fiabilitate 10.0 Rată de trecere pe încercare 29.0% Teste instabile 4 Tokenuri de intrare 275,349 Tokenuri de ieșire 49,389 Tokenuri de raționament 0 Timp de răspuns (mediu) 35.86s Timp de răspuns (total) 609.61s Timp de răspuns (maxim) 321.19s Răspuns greșit: 17 Fără răspuns: 1 Sarcini agentice : 5.0 Trucuri anti-AI : 3.6 Programare : 5.5 Combinat : 2.8 Parsare și extragere de date : 7.3 Specific domeniului : 3.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#280#280	Granite 4.2 8Blow	5.3	IBM Granite	$0.036	58.20s
Vezi fișa modelului Total teste 23 Teste greșite 16 Fiabilitate 9.2 Rată de trecere pe încercare 33.3% Teste instabile 1 Tokenuri de intrare 332,917 Tokenuri de ieșire 18,989 Tokenuri de raționament 42,362 Timp de răspuns (mediu) 58.20s Timp de răspuns (total) 1338.65s Timp de răspuns (maxim) 566.80s Răspuns greșit: 11 Timp expirat: 3 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Sarcini agentice : 6.1 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 3.0 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#279#279	GPT-5.6 Lunanone	5.3	OpenAI	$0.042 ↓	3.78s
Vezi fișa modelului Total teste 23 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 34.8% Teste instabile 3 Tokenuri de intrare 230,744 Tokenuri de ieșire 8,000 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.78s Timp de răspuns (total) 86.83s Timp de răspuns (maxim) 53.77s Răspuns greșit: 15 Formatare suplimentară: 1 Apel de instrument invalid: 1 Sarcini agentice : 5.0 Trucuri anti-AI : 4.8 Programare : 3.8 Combinat : 3.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 5.0 Respectarea instrucțiunilor : 7.1 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#278#278	Hy3 previewmedium	5.3	Tencent	$0.049 ↕	16.28s
Vezi fișa modelului Total teste 21 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 60.9% Teste instabile 0 Tokenuri de intrare 27,030 Tokenuri de ieșire 73,544 Tokenuri de raționament 0 Timp de răspuns (mediu) 16.28s Timp de răspuns (total) 293.12s Timp de răspuns (maxim) 46.04s Eroare API: 3 Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 10.0 Programare : 5.3 Combinat : 5.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#277#277	Ember-1none	5.4	Fireworks	$0.786	22.65s
Vezi fișa modelului Total teste 23 Teste greșite 15 Fiabilitate 8.8 Rată de trecere pe încercare 43.5% Teste instabile 4 Tokenuri de intrare 202,617 Tokenuri de ieșire 11,832 Tokenuri de raționament 0 Timp de răspuns (mediu) 22.65s Timp de răspuns (total) 520.91s Timp de răspuns (maxim) 93.12s Răspuns greșit: 10 Eroare API: 5 Sarcini agentice : 6.1 Trucuri anti-AI : 5.2 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 6.4 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#276#276	Step 3.5 Flashmedium	5.4	Stepfun	$0.105	190.48s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 49.3% Teste instabile 3 Tokenuri de intrare 139,086 Tokenuri de ieșire 193,584 Tokenuri de raționament 413,546 Timp de răspuns (mediu) 190.48s Timp de răspuns (total) 3238.23s Timp de răspuns (maxim) 1597.85s Răspuns greșit: 6 Nu a urmat instrucțiunile: 3 Eroare API: 1 Fără răspuns: 1 Timp expirat: 1 Sarcini agentice : 2.8 Trucuri anti-AI : 10.0 Programare : 2.4 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 5.5 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#275#275	MiMo-V2.6-Flashnone	5.4	Xiaomi	$0.060	6.20s
Vezi fișa modelului Total teste 23 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 30.4% Teste instabile 2 Tokenuri de intrare 276,697 Tokenuri de ieșire 75,728 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.20s Timp de răspuns (total) 142.63s Timp de răspuns (maxim) 62.57s Răspuns greșit: 15 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Sarcini agentice : 5.0 Trucuri anti-AI : 4.8 Programare : 3.7 Combinat : 3.7 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#274#274	Hy4 previewlow	5.4	Tencent	$1.844	207.21s
Vezi fișa modelului Total teste 23 Teste greșite 20 Fiabilitate 6.5 Rată de trecere pe încercare 21.7% Teste instabile 4 Tokenuri de intrare 162,180 Tokenuri de ieșire 5,030 Tokenuri de raționament 682,447 Timp de răspuns (mediu) 207.21s Timp de răspuns (total) 4765.91s Timp de răspuns (maxim) 597.45s Răspuns greșit: 13 Eroare API: 5 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Sarcini agentice : 4.7 Trucuri anti-AI : 6.0 Programare : 5.2 Combinat : 2.9 Parsare și extragere de date : 8.7 Specific domeniului : 4.5 Inteligență generală : 7.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 3.0 Cultură generală : 3.0
#273#273	North Mini Codemedium	5.4	Cohere	$0.000	140.39s
Vezi fișa modelului Total teste 23 Teste greșite 15 Fiabilitate 8.9 Rată de trecere pe încercare 42.0% Teste instabile 4 Tokenuri de intrare 166,347 Tokenuri de ieșire 423,884 Tokenuri de raționament 1,394,387 Timp de răspuns (mediu) 140.39s Timp de răspuns (total) 3229.07s Timp de răspuns (maxim) 786.72s Răspuns greșit: 10 Formatare suplimentară: 2 Eroare API: 1 Apel de instrument invalid: 1 Timp expirat: 1 Sarcini agentice : 3.9 Trucuri anti-AI : 8.4 Programare : 4.5 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 3.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#272#272	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
#271#271	Claude Opus 4.7none	5.4	Anthropic	$0.505	3.02s
Vezi fișa modelului Total teste 19 Teste greșite 3 Fiabilitate 10.0 Rată de trecere pe încercare 69.6% Teste instabile 0 Tokenuri de intrare 69,576 Tokenuri de ieșire 6,265 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.02s Timp de răspuns (total) 57.44s Timp de răspuns (maxim) 18.27s Răspuns greșit: 3 Sarcini agentice : 0.0 Trucuri anti-AI : 8.3 Programare : 3.3 Combinat : 4.8 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#270#270	Seed-2.0-Codenone	5.4	Bytedance Seed	$0.257	17.51s
Vezi fișa modelului Total teste 23 Teste greșite 17 Fiabilitate 9.0 Rată de trecere pe încercare 37.7% Teste instabile 6 Tokenuri de intrare 319,668 Tokenuri de ieșire 32,069 Tokenuri de raționament 0 Timp de răspuns (mediu) 17.51s Timp de răspuns (total) 402.66s Timp de răspuns (maxim) 132.84s Răspuns greșit: 12 Formatare suplimentară: 2 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Sarcini agentice : 6.1 Trucuri anti-AI : 3.0 Programare : 3.6 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#269#269	GLM 5V Turbomedium	5.5	Z.ai	$0.457	23.08s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 62.3% Teste instabile 6 Tokenuri de intrare 44,615 Tokenuri de ieșire 2,347 Tokenuri de raționament 98,415 Timp de răspuns (mediu) 23.08s Timp de răspuns (total) 484.63s Timp de răspuns (maxim) 95.88s Răspuns greșit: 7 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 7.2 Programare : 6.0 Combinat : 3.4 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 7.0 Cultură generală : 3.0
#268#268	Gemma 4 26B A4Bnone	5.5	Google	$0.031	10.55s
Vezi fișa modelului Total teste 23 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 42.0% Teste instabile 1 Tokenuri de intrare 280,126 Tokenuri de ieșire 17,306 Tokenuri de raționament 0 Timp de răspuns (mediu) 10.55s Timp de răspuns (total) 242.57s Timp de răspuns (maxim) 75.76s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Timp expirat: 1 Sarcini agentice : 5.0 Trucuri anti-AI : 8.3 Programare : 3.7 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 6.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#266#266	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
#267#267	GPT-6 Lunanone	5.5	OpenAI	$0.026	20.48s
Vezi fișa modelului Total teste 23 Teste greșite 16 Fiabilitate 9.9 Rată de trecere pe încercare 40.6% Teste instabile 5 Tokenuri de intrare 222,357 Tokenuri de ieșire 6,855 Tokenuri de raționament 0 Timp de răspuns (mediu) 20.48s Timp de răspuns (total) 470.96s Timp de răspuns (maxim) 98.62s Răspuns greșit: 13 Eroare API: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Sarcini agentice : 5.0 Trucuri anti-AI : 4.8 Programare : 5.5 Combinat : 3.8 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 5.1 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#265#265	Kimi K2.6none	5.5	Moonshot AI	$0.222 ↓	26.34s
Vezi fișa modelului Total teste 23 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 30.4% Teste instabile 3 Tokenuri de intrare 241,357 Tokenuri de ieșire 64,022 Tokenuri de raționament 0 Timp de răspuns (mediu) 26.34s Timp de răspuns (total) 605.78s Timp de răspuns (maxim) 238.89s Răspuns greșit: 13 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Sarcini agentice : 4.7 Trucuri anti-AI : 4.6 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#264#264	Nemotron 3 Supermedium	5.5	NVIDIA	$0.081 ↑	56.40s
Vezi fișa modelului Total teste 23 Teste greșite 15 Fiabilitate 9.5 Rată de trecere pe încercare 42.0% Teste instabile 4 Tokenuri de intrare 229,346 Tokenuri de ieșire 18,597 Tokenuri de raționament 129,338 Timp de răspuns (mediu) 56.40s Timp de răspuns (total) 1184.46s Timp de răspuns (maxim) 431.98s Răspuns greșit: 6 Eroare API: 4 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Timp expirat: 1 Sarcini agentice : 4.7 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
#263#263	Qwen3.5-35B-A3Bnone	5.6	Qwen	$0.213 ↑	18.31s
Vezi fișa modelului Total teste 23 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 37.7% Teste instabile 4 Tokenuri de intrare 218,886 Tokenuri de ieșire 135,768 Tokenuri de raționament 0 Timp de răspuns (mediu) 18.31s Timp de răspuns (total) 421.19s Timp de răspuns (maxim) 209.15s Răspuns greșit: 14 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Sarcini agentice : 3.9 Trucuri anti-AI : 3.4 Programare : 5.5 Combinat : 3.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 6.5 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#262#262	GLM 5none	5.6	Z.ai	$0.140 ↑	8.74s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 40.6% Teste instabile 1 Tokenuri de intrare 190,675 Tokenuri de ieșire 5,577 Tokenuri de raționament 0 Timp de răspuns (mediu) 8.74s Timp de răspuns (total) 131.17s Timp de răspuns (maxim) 74.80s Răspuns greșit: 13 Sarcini agentice : 5.0 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
#261#261	Solar Pro 4none	5.6	Upstage	$0.022	8.14s
Vezi fișa modelului Total teste 23 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 31.9% Teste instabile 1 Tokenuri de intrare 305,664 Tokenuri de ieșire 13,249 Tokenuri de raționament 0 Timp de răspuns (mediu) 8.14s Timp de răspuns (total) 187.23s Timp de răspuns (maxim) 69.17s Răspuns greșit: 14 Apel de instrument invalid: 1 Fără răspuns: 1 Sarcini agentice : 5.0 Trucuri anti-AI : 4.8 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#260#260	GPT-5.4none	5.6	OpenAI	$0.690	3.89s
Vezi fișa modelului Total teste 23 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 33.3% Teste instabile 2 Tokenuri de intrare 219,404 Tokenuri de ieșire 9,372 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.89s Timp de răspuns (total) 89.48s Timp de răspuns (maxim) 43.73s Răspuns greșit: 15 Nu a urmat instrucțiunile: 1 Sarcini agentice : 5.0 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
#259#259	Space Bunny Alphalow	5.7	Stealth	$0.000	30.63s
Vezi fișa modelului Total teste 23 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 53.6% Teste instabile 10 Tokenuri de intrare 289,086 Tokenuri de ieșire 194,450 Tokenuri de raționament 0 Timp de răspuns (mediu) 30.63s Timp de răspuns (total) 704.47s Timp de răspuns (maxim) 340.88s Răspuns greșit: 13 Nu a urmat instrucțiunile: 2 Sarcini agentice : 4.7 Trucuri anti-AI : 6.9 Programare : 5.6 Combinat : 3.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.4 Respectarea instrucțiunilor : 4.4 Rezolvare de puzzle-uri : 7.9 Apelare instrumente : 4.7 Cultură generală : 3.0
#258#258	Gemma 4 31Bnone	5.7	Google	$0.031 ↓	7.28s
Vezi fișa modelului Total teste 23 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 42.0% Teste instabile 1 Tokenuri de intrare 270,970 Tokenuri de ieșire 15,499 Tokenuri de raționament 0 Timp de răspuns (mediu) 7.28s Timp de răspuns (total) 152.84s Timp de răspuns (maxim) 44.73s Răspuns greșit: 11 Eroare API: 2 Nu a urmat instrucțiunile: 1 Sarcini agentice : 3.9 Trucuri anti-AI : 6.5 Programare : 5.5 Combinat : 3.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 6.5 Apelare instrumente : 3.0 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