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: 2026-07-18 Modele evaluate: 206

206/206

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#51#51	Nemotron 3 Ultramedium	7.5	NVIDIA	$0.774 ↕	32.21s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 9.8 Rată de trecere pe încercare 68.2% Teste instabile 4 Tokenuri de intrare 233,488 Tokenuri de ieșire 57,916 Tokenuri de raționament 128,062 Timp de răspuns (mediu) 32.21s Timp de răspuns (total) 708.65s Timp de răspuns (maxim) 392.56s Răspuns greșit: 7 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 8.4 Combinat : 6.3 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 3.7 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#42#42	GLM 5medium	7.7	Z.ai	$0.372 ↑	33.54s
Vezi fișa modelului Total teste 21 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 78.8% Teste instabile 4 Tokenuri de intrare 35,224 Tokenuri de ieșire 21,570 Tokenuri de raționament 102,996 Timp de răspuns (mediu) 33.54s Timp de răspuns (total) 435.99s Timp de răspuns (maxim) 99.85s Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 5.0 Parsare și extragere de date : 7.1 Specific domeniului : 3.5 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#83#83	MiMo-V2.5-Promedium	6.9	Xiaomi	$0.187 ↓	33.92s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 66.7% Teste instabile 5 Tokenuri de intrare 139,883 Tokenuri de ieșire 15,521 Tokenuri de raționament 130,992 Timp de răspuns (mediu) 33.92s Timp de răspuns (total) 746.19s Timp de răspuns (maxim) 197.54s Formatare suplimentară: 3 Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 6.2 Combinat : 6.9 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 5.5 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#43#43	Claude Opus 4.6medium	7.7	Anthropic	$3.059	34.27s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 3 Tokenuri de intrare 108,615 Tokenuri de ieșire 72,286 Tokenuri de raționament 28,315 Timp de răspuns (mediu) 34.27s Timp de răspuns (total) 513.99s Timp de răspuns (maxim) 151.51s Formatare suplimentară: 5 Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.4 Programare : 5.7 Combinat : 10.0 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
#146#146	DeepSeek V4 Flashnone	5.6	DeepSeek	$0.044 ↓	36.78s
Vezi fișa modelului Total teste 22 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 31.8% Teste instabile 4 Tokenuri de intrare 240,221 Tokenuri de ieșire 100,727 Tokenuri de raționament 0 Timp de răspuns (mediu) 36.78s Timp de răspuns (total) 809.09s Timp de răspuns (maxim) 247.27s Răspuns greșit: 12 Formatare suplimentară: 2 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.0 Programare : 4.2 Combinat : 4.6 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.2 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#10#10	GPT-5.5medium	9.0	OpenAI	$4.137	38.42s
Vezi fișa modelului Total teste 22 Teste greșite 4 Fiabilitate 10.0 Rată de trecere pe încercare 87.9% Teste instabile 3 Tokenuri de intrare 80,659 Tokenuri de ieșire 5,617 Tokenuri de raționament 118,819 Timp de răspuns (mediu) 38.42s Timp de răspuns (total) 845.35s Timp de răspuns (maxim) 332.10s Răspuns greșit: 4 Trucuri anti-AI : 10.0 Programare : 8.8 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 2.8
#205#205	Step 3.5 Flashnone	2.3	Stepfun	$0.020	39.03s
Vezi fișa modelului Total teste 12 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 27.3% Teste instabile 0 Tokenuri de intrare 1,971 Tokenuri de ieșire 64,795 Tokenuri de raționament 0 Timp de răspuns (mediu) 39.03s Timp de răspuns (total) 312.26s Timp de răspuns (maxim) 114.12s Eroare API: 4 Nu a urmat instrucțiunile: 1 Răspuns greșit: 1 Trucuri anti-AI : 10.0 Programare : 9.8 Combinat : 1.5 Parsare și extragere de date : 1.5 Specific domeniului : 3.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 5.0 Rezolvare de puzzle-uri : 0.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#184#184	Cobuddymedium	4.7	Baidu	$0.000	39.90s
Vezi fișa modelului Total teste 21 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 45.5% Teste instabile 6 Tokenuri de intrare 37,449 Tokenuri de ieșire 1,677 Tokenuri de raționament 116,703 Timp de răspuns (mediu) 39.90s Timp de răspuns (total) 797.98s Timp de răspuns (maxim) 309.02s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.7 Programare : 3.7 Combinat : 1.5 Parsare și extragere de date : 6.3 Specific domeniului : 2.9 Inteligență generală : 4.2 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 3.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#8#8	Qwen3.7 Maxmedium	9.2	Qwen	$1.116 ↓	40.57s
Vezi fișa modelului Total teste 22 Teste greșite 4 Fiabilitate 10.0 Rată de trecere pe încercare 87.9% Teste instabile 2 Tokenuri de intrare 106,020 Tokenuri de ieșire 5,748 Tokenuri de raționament 211,004 Timp de răspuns (mediu) 40.57s Timp de răspuns (total) 892.57s Timp de răspuns (maxim) 556.06s Răspuns greșit: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 8.7 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
#130#130	Mimo V2 Omnimedium	5.9	Xiaomi	$0.683 ↓	41.16s
Vezi fișa modelului Total teste 21 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 53.0% Teste instabile 3 Tokenuri de intrare 37,007 Tokenuri de ieșire 1,952 Tokenuri de raționament 357,306 Timp de răspuns (mediu) 41.16s Timp de răspuns (total) 823.26s Timp de răspuns (maxim) 299.23s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Eroare API: 1 Formatare suplimentară: 1 Trucuri anti-AI : 10.0 Programare : 3.3 Combinat : 5.0 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
#168#168	MiniMax M2.7medium	5.0	Minimax	$0.163 ↓	41.28s
Vezi fișa modelului Total teste 22 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 45.5% Teste instabile 9 Tokenuri de intrare 114,518 Tokenuri de ieșire 18,558 Tokenuri de raționament 119,036 Timp de răspuns (mediu) 41.28s Timp de răspuns (total) 866.81s Timp de răspuns (maxim) 196.21s Răspuns greșit: 6 Nu a urmat instrucțiunile: 5 Fără răspuns: 2 Timp expirat: 2 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 7.9 Programare : 5.7 Combinat : 3.8 Parsare și extragere de date : 6.3 Specific domeniului : 3.0 Inteligență generală : 3.9 Respectarea instrucțiunilor : 3.8 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 4.7 Cultură generală : 3.0
#37#37	Qwen3.6 Plusmedium	7.8	Qwen	$0.405 ↑	43.12s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 2 Tokenuri de intrare 97,689 Tokenuri de ieșire 6,412 Tokenuri de raționament 184,825 Timp de răspuns (mediu) 43.12s Timp de răspuns (total) 905.53s Timp de răspuns (maxim) 291.55s Răspuns greșit: 5 Eroare API: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 6.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#84#84	Qwen3.6 Flashmedium	6.9	Qwen	$0.738 ↓	44.65s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 68.2% Teste instabile 5 Tokenuri de intrare 129,041 Tokenuri de ieșire 20,026 Tokenuri de raționament 614,312 Timp de răspuns (mediu) 44.65s Timp de răspuns (total) 982.32s Timp de răspuns (maxim) 578.13s Răspuns greșit: 8 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 5.0 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 4.8 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#69#69	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.317 ↓	46.36s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 9.6 Rată de trecere pe încercare 63.6% Teste instabile 2 Tokenuri de intrare 42,097 Tokenuri de ieșire 2,280 Tokenuri de raționament 166,613 Timp de răspuns (mediu) 46.36s Timp de răspuns (total) 973.57s Timp de răspuns (maxim) 189.38s Răspuns greșit: 8 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 6.2 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.9 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#73#73	GLM 5.1medium	7.1	Z.ai	$0.535 ↓	46.77s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 8.3 Rată de trecere pe încercare 69.7% Teste instabile 4 Tokenuri de intrare 82,623 Tokenuri de ieșire 16,089 Tokenuri de raționament 136,463 Timp de răspuns (mediu) 46.77s Timp de răspuns (total) 982.16s Timp de răspuns (maxim) 308.75s Răspuns greșit: 4 Timp expirat: 2 Eroare API: 1 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 4.6 Combinat : 9.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 3.0 Cultură generală : 3.0
#72#72	Grok 4.3medium	7.1	X AI	$0.779	47.45s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 68.2% Teste instabile 4 Tokenuri de intrare 140,031 Tokenuri de ieșire 13,739 Tokenuri de raționament 227,682 Timp de răspuns (mediu) 47.45s Timp de răspuns (total) 1043.83s Timp de răspuns (maxim) 216.69s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 5.9 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.4 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#99#99	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
#35#35	Seed-2.0-Litemedium	7.9	Bytedance Seed	$0.234	48.53s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 74.2% Teste instabile 4 Tokenuri de intrare 129,897 Tokenuri de ieșire 12,533 Tokenuri de raționament 88,047 Timp de răspuns (mediu) 48.53s Timp de răspuns (total) 1067.74s Timp de răspuns (maxim) 254.92s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Trucuri anti-AI : 8.3 Programare : 8.0 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 6.7 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 9.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#45#45	DeepSeek V4 Flashhigh	7.7	DeepSeek	$0.042 ↓	49.75s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 72.7% Teste instabile 5 Tokenuri de intrare 108,392 Tokenuri de ieșire 14,478 Tokenuri de raționament 153,687 Timp de răspuns (mediu) 49.75s Timp de răspuns (total) 1094.41s Timp de răspuns (maxim) 218.13s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 8.3 Programare : 7.8 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#36#36	Qwen3.7 Plusmedium	7.9	Qwen	$0.267 ↓	51.51s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 75.8% Teste instabile 3 Tokenuri de intrare 115,233 Tokenuri de ieșire 6,162 Tokenuri de raționament 173,267 Timp de răspuns (mediu) 51.51s Timp de răspuns (total) 1133.15s Timp de răspuns (maxim) 315.30s Răspuns greșit: 5 Apel de instrument invalid: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 6.1 Combinat : 8.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#136#136	Nemotron 3 Supermedium	5.7	NVIDIA	$0.066 ↑	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
#48#48	Grok Build 0.1medium	7.6	X AI	$1.097	52.06s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 0 Tokenuri de intrare 106,751 Tokenuri de ieșire 7,993 Tokenuri de raționament 486,670 Timp de răspuns (mediu) 52.06s Timp de răspuns (total) 1145.27s Timp de răspuns (maxim) 252.69s Răspuns greșit: 5 Formatare suplimentară: 3 Trucuri anti-AI : 8.3 Programare : 5.7 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
#124#124	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
#175#175	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
#131#131	Hy3 previewhigh	5.9	Tencent	$0.048 ↕	56.57s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 53.0% Teste instabile 2 Tokenuri de intrare 25,987 Tokenuri de ieșire 216,719 Tokenuri de raționament 0 Timp de răspuns (mediu) 56.57s Timp de răspuns (total) 848.59s Timp de răspuns (maxim) 149.94s Eroare API: 7 Răspuns greșit: 3 Trucuri anti-AI : 6.4 Programare : 5.3 Combinat : 5.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 3.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#89#89	Qwen3.6 35B A3Bmedium	6.7	Qwen	$0.746 ↑	58.06s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 60.6% Teste instabile 1 Tokenuri de intrare 85,139 Tokenuri de ieșire 61,819 Tokenuri de raționament 678,766 Timp de răspuns (mediu) 58.06s Timp de răspuns (total) 1161.18s Timp de răspuns (maxim) 817.57s Răspuns greșit: 4 Eroare API: 2 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 7.7 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 : 8.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#22#22	Grok 4.5medium	8.3	X AI	$1.928	61.71s
Vezi fișa modelului Total teste 22 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 78.8% Teste instabile 3 Tokenuri de intrare 122,146 Tokenuri de ieșire 5,514 Tokenuri de raționament 275,053 Timp de răspuns (mediu) 61.71s Timp de răspuns (total) 1357.56s Timp de răspuns (maxim) 436.38s Răspuns greșit: 6 Trucuri anti-AI : 10.0 Programare : 7.6 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 6.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#139#139	Gemini 3.1 Flash Litehigh	5.6	Google	$2.044	61.96s
Vezi fișa modelului Total teste 18 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 56.1% Teste instabile 4 Tokenuri de intrare 29,134 Tokenuri de ieșire 1,984 Tokenuri de raționament 1,355,583 Timp de răspuns (mediu) 61.96s Timp de răspuns (total) 1115.31s Timp de răspuns (maxim) 149.23s Răspuns greșit: 4 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 3.3 Combinat : 5.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 5.0 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 5.7 Apelare instrumente : 10.0 Cultură generală : 0.0
#31#31	GLM 5.2high	8.0	Z.ai	$0.296 ↓	62.65s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 3 Tokenuri de intrare 83,813 Tokenuri de ieșire 69,688 Tokenuri de raționament 225,659 Timp de răspuns (mediu) 62.65s Timp de răspuns (total) 1378.34s Timp de răspuns (maxim) 599.43s Timp expirat: 3 Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 6.4 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#28#28	Inklinghigh	8.0	Thinkingmachines	$1.006	64.16s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 9.8 Rată de trecere pe încercare 77.3% Teste instabile 3 Tokenuri de intrare 86,746 Tokenuri de ieșire 6,055 Tokenuri de raționament 220,791 Timp de răspuns (mediu) 64.16s Timp de răspuns (total) 1411.59s Timp de răspuns (maxim) 327.51s Răspuns greșit: 4 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 8.5 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.9 Apelare instrumente : 3.0 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