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: 2026-08-15 Modele evaluate: 287

Modele recomandate

GPT-5.6 Sol high Inteligent Rată de trecere pe încercare 89.4% Teste corecte 18 / 22 Scor 9.4/10 GPT-5.6 Luna medium Rapid Timp de răspuns (mediu) 7.43s Total tokenuri de ieșire 44,525 Scor 7.4/10 DeepSeek V4 Flash 0731 high Accesibil Preț de intrare $0.140 / 1M Preț de ieșire $0.280 / 1M Scor 8.0/10

287/287

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#137#137	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.487	26.01s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 8 Tokenuri de intrare 98,508 Tokenuri de ieșire 139,572 Tokenuri de raționament 0 Timp de răspuns (mediu) 26.01s Timp de răspuns (total) 572.22s Timp de răspuns (maxim) 335.41s Răspuns greșit: 10 Apel de instrument invalid: 1 Trucuri anti-AI : 8.7 Programare : 6.1 Combinat : 4.1 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 4.8 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#136#136	GLM 5.2none	6.7	Z.ai	$0.078 ↓	9.65s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 2 Tokenuri de intrare 112,458 Tokenuri de ieșire 14,344 Tokenuri de raționament 0 Timp de răspuns (mediu) 9.65s Timp de răspuns (total) 212.38s Timp de răspuns (maxim) 79.65s Răspuns greșit: 7 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.3 Programare : 3.7 Combinat : 6.9 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 6.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#135#135	Gemma 4 26B A4Bmedium	6.8	Google	$0.111 ↑	104.93s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 1 Tokenuri de intrare 77,528 Tokenuri de ieșire 26,048 Tokenuri de raționament 227,598 Timp de răspuns (mediu) 104.93s Timp de răspuns (total) 2203.52s Timp de răspuns (maxim) 912.19s Fără răspuns: 2 Timp expirat: 2 Răspuns greșit: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 2.9 Combinat : 6.3 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 : 3.0
#134#134	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.82s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 3 Tokenuri de intrare 104,217 Tokenuri de ieșire 10,710 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.82s Timp de răspuns (total) 45.05s Timp de răspuns (maxim) 21.19s Răspuns greșit: 8 Fără răspuns: 1 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 3.8 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#133#133	MiMo-V2.5-Promedium	6.8	Xiaomi	$0.221 ↓	48.68s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 6 Tokenuri de intrare 139,892 Tokenuri de ieșire 15,569 Tokenuri de raționament 169,897 Timp de răspuns (mediu) 48.68s Timp de răspuns (total) 1071.02s Timp de răspuns (maxim) 333.34s Formatare suplimentară: 3 Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Eroare API: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 6.2 Combinat : 6.9 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 5.5 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#132#132	DeepSeek V4 Pronone	6.8	DeepSeek	$0.256 ↑	11.71s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 47.0% Teste instabile 4 Tokenuri de intrare 148,078 Tokenuri de ieșire 35,547 Tokenuri de raționament 0 Timp de răspuns (mediu) 11.71s Timp de răspuns (total) 257.67s Timp de răspuns (maxim) 119.44s Răspuns greșit: 9 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 : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#131#131	Solar Pro 4medium	6.8	Upstage	$0.047	127.64s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 9.9 Rată de trecere pe încercare 62.1% Teste instabile 4 Tokenuri de intrare 87,902 Tokenuri de ieșire 30,743 Tokenuri de raționament 335,668 Timp de răspuns (mediu) 127.64s Timp de răspuns (total) 2808.09s Timp de răspuns (maxim) 519.91s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Eroare API: 1 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 8.2 Programare : 5.5 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 3.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 9.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#130#130	Solar Pro 4low	6.8	Upstage	$0.044	136.11s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 60.6% Teste instabile 6 Tokenuri de intrare 90,556 Tokenuri de ieșire 6,153 Tokenuri de raționament 332,220 Timp de răspuns (mediu) 136.11s Timp de răspuns (total) 2994.49s Timp de răspuns (maxim) 640.89s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Eroare API: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 8.2 Programare : 5.5 Combinat : 6.3 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.5 Respectarea instrucțiunilor : 8.0 Rezolvare de puzzle-uri : 9.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#129#129	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 7.3 Rată de trecere pe încercare 63.6% Teste instabile 7 Tokenuri de intrare 76,036 Tokenuri de ieșire 7,267 Tokenuri de raționament 364,176 Timp de răspuns (mediu) 101.05s Timp de răspuns (total) 2223.19s Timp de răspuns (maxim) 626.58s Eroare API: 6 Răspuns greșit: 4 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.9 Programare : 8.9 Combinat : 4.7 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 4.7 Cultură generală : 3.0
#128#128	Step 3.7 Flashhigh	6.8	Stepfun	$1.229	70.10s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 60.6% Teste instabile 4 Tokenuri de intrare 98,700 Tokenuri de ieșire 1,050,900 Tokenuri de raționament 0 Timp de răspuns (mediu) 70.10s Timp de răspuns (total) 1542.14s Timp de răspuns (maxim) 364.99s Răspuns greșit: 7 Fără răspuns: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 4.0 Combinat : 8.7 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 5.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#127#127	Qwen3.6 Flashmedium	6.8	Qwen	$0.741 ↓	44.97s
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 129,050 Tokenuri de ieșire 20,026 Tokenuri de raționament 616,923 Timp de răspuns (mediu) 44.97s Timp de răspuns (total) 989.32s 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 : 2.9 Inteligență generală : 4.8 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#126#126	Gemini 3.5 Flashnone	6.9	Google	$1.093	10.18s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 3 Tokenuri de intrare 13,852 Tokenuri de ieșire 119,100 Tokenuri de raționament 0 Timp de răspuns (mediu) 10.18s Timp de răspuns (total) 183.29s Timp de răspuns (maxim) 64.36s Eroare API: 4 Răspuns greșit: 4 Trucuri anti-AI : 10.0 Programare : 8.8 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 3.0 Cultură generală : 2.8
#125#125	Seed-2.0-Codehigh	6.9	Bytedance Seed	$1.273	124.18s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 8.6 Rată de trecere pe încercare 63.6% Teste instabile 5 Tokenuri de intrare 81,970 Tokenuri de ieșire 7,186 Tokenuri de raționament 403,389 Timp de răspuns (mediu) 124.18s Timp de răspuns (total) 2732.03s Timp de răspuns (maxim) 675.30s Eroare API: 5 Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 8.3 Programare : 6.2 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 4.6 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.8 Apelare instrumente : 4.7 Cultură generală : 3.0
#124#124	Qwen3.7 Flashmedium	6.9	Qwen	$0.065	47.38s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 7 Tokenuri de intrare 114,477 Tokenuri de ieșire 12,786 Tokenuri de raționament 457,290 Timp de răspuns (mediu) 47.38s Timp de răspuns (total) 1042.43s Timp de răspuns (maxim) 593.64s Răspuns greșit: 8 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 6.2 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.5 Respectarea instrucțiunilor : 5.8 Rezolvare de puzzle-uri : 7.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#123#123	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.478	24.87s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 8 Tokenuri de intrare 87,916 Tokenuri de ieșire 7,213 Tokenuri de raționament 132,162 Timp de răspuns (mediu) 24.87s Timp de răspuns (total) 547.14s Timp de răspuns (maxim) 257.00s Răspuns greșit: 9 Eroare API: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.2 Programare : 7.8 Combinat : 6.4 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 4.7 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#122#122	Kimi K2.5medium	7.0	Moonshot AI	$0.607 ↑	98.19s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 8 Tokenuri de intrare 118,496 Tokenuri de ieșire 53,522 Tokenuri de raționament 167,420 Timp de răspuns (mediu) 98.19s Timp de răspuns (total) 1571.05s 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 : 2.9 Inteligență generală : 6.5 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#121#121	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.116	93.10s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 8.7 Rată de trecere pe încercare 57.6% Teste instabile 3 Tokenuri de intrare 125,704 Tokenuri de ieșire 10,781 Tokenuri de raționament 247,541 Timp de răspuns (mediu) 93.10s Timp de răspuns (total) 1768.91s Timp de răspuns (maxim) 301.78s Răspuns greșit: 5 Timp expirat: 4 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 6.6 Programare : 5.5 Combinat : 7.3 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
#120#120	Grok 4.20medium	7.0	X AI	$0.805 ↓	32.56s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 60.6% Teste instabile 5 Tokenuri de intrare 102,986 Tokenuri de ieșire 5,860 Tokenuri de raționament 264,399 Timp de răspuns (mediu) 32.56s Timp de răspuns (total) 716.36s Timp de răspuns (maxim) 199.66s Răspuns greșit: 6 Formatare suplimentară: 2 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 8.2 Programare : 6.3 Combinat : 8.7 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 3.9 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 3.0 Cultură generală : 3.0
#119#119	Mercury 2medium	7.0	Inception	$0.094	2.95s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 53.0% Teste instabile 4 Tokenuri de intrare 110,515 Tokenuri de ieșire 10,325 Tokenuri de raționament 77,229 Timp de răspuns (mediu) 2.95s Timp de răspuns (total) 61.89s 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
#118#118	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 59.1% Teste instabile 2 Tokenuri de intrare 79,294 Tokenuri de ieșire 4,915 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.35s Timp de răspuns (total) 51.78s Timp de răspuns (maxim) 12.24s Răspuns greșit: 10 Trucuri anti-AI : 6.9 Programare : 5.5 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#117#117	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 8.1 Rată de trecere pe încercare 65.2% Teste instabile 4 Tokenuri de intrare 82,592 Tokenuri de ieșire 16,089 Tokenuri de raționament 199,800 Timp de răspuns (mediu) 58.80s Timp de răspuns (total) 1234.72s Timp de răspuns (maxim) 308.75s Răspuns greșit: 4 Fără răspuns: 2 Timp expirat: 2 Eroare API: 1 Formatare suplimentară: 1 Trucuri anti-AI : 10.0 Programare : 4.6 Combinat : 9.8 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 3.0 Cultură generală : 3.0
#116#116	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 7 Tokenuri de intrare 101,056 Tokenuri de ieșire 11,832 Tokenuri de raționament 116,955 Timp de răspuns (mediu) 68.43s Timp de răspuns (total) 1505.53s Timp de răspuns (maxim) 376.10s Răspuns greșit: 5 Eroare API: 2 Timp expirat: 2 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.2 Programare : 6.0 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 3.4 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#115#115	GPT-5.6 Solnone	7.0	OpenAI	$0.524	2.17s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 3 Tokenuri de intrare 78,602 Tokenuri de ieșire 4,357 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.17s Timp de răspuns (total) 47.66s Timp de răspuns (maxim) 12.81s Răspuns greșit: 9 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 6.5 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#114#114	Grok 4.3medium	7.0	X AI	$0.741	44.21s
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 140,244 Tokenuri de ieșire 13,739 Tokenuri de raționament 212,165 Timp de răspuns (mediu) 44.21s Timp de răspuns (total) 972.64s Timp de răspuns (maxim) 216.69s Răspuns greșit: 6 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 : 3.5 Inteligență generală : 5.4 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#113#113	Solar Pro 4high	7.1	Upstage	$0.046	120.58s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 62.1% Teste instabile 5 Tokenuri de intrare 79,740 Tokenuri de ieșire 23,357 Tokenuri de raționament 339,837 Timp de răspuns (mediu) 120.58s Timp de răspuns (total) 2652.77s Timp de răspuns (maxim) 491.07s Răspuns greșit: 5 Nu a urmat instrucțiunile: 3 Eroare API: 1 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 5.7 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 5.5 Respectarea instrucțiunilor : 7.9 Rezolvare de puzzle-uri : 8.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#112#112	Step 3.7 Flashlow	7.1	Stepfun	$0.390	17.87s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 5 Tokenuri de intrare 103,842 Tokenuri de ieșire 320,393 Tokenuri de raționament 0 Timp de răspuns (mediu) 17.87s Timp de răspuns (total) 393.04s Timp de răspuns (maxim) 124.75s Răspuns greșit: 9 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 8.2 Combinat : 7.3 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 3.4 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#111#111	Muse Glimmer 30Blow	7.1	Meta	$0.187	18.64s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 5 Tokenuri de intrare 130,312 Tokenuri de ieșire 33,867 Tokenuri de raționament 62,103 Timp de răspuns (mediu) 18.64s Timp de răspuns (total) 410.18s Timp de răspuns (maxim) 234.92s Răspuns greșit: 6 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 8.1 Combinat : 3.8 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 5.0 Respectarea instrucțiunilor : 8.4 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#110#110	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.207 ↑	65.67s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 4 Tokenuri de intrare 124,780 Tokenuri de ieșire 47,694 Tokenuri de raționament 439,825 Timp de răspuns (mediu) 65.67s Timp de răspuns (total) 1444.68s Timp de răspuns (maxim) 519.30s Răspuns greșit: 5 Timp expirat: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 6.0 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 3.4 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#109#109	Muse Glimmer 30Bmedium	7.2	Meta	$0.280	30.64s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 6 Tokenuri de intrare 116,513 Tokenuri de ieșire 33,065 Tokenuri de raționament 135,009 Timp de răspuns (mediu) 30.64s Timp de răspuns (total) 674.01s Timp de răspuns (maxim) 181.08s Răspuns greșit: 9 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 9.2 Programare : 8.4 Combinat : 6.5 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 4.7 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#108#108	Qwen3.7 Flashlow	7.2	Qwen	$0.043	38.05s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 66.7% Teste instabile 6 Tokenuri de intrare 92,191 Tokenuri de ieșire 14,286 Tokenuri de raționament 289,733 Timp de răspuns (mediu) 38.05s Timp de răspuns (total) 837.05s Timp de răspuns (maxim) 394.54s Răspuns greșit: 7 Nu a urmat instrucțiunile: 3 Eroare API: 1 Trucuri anti-AI : 10.0 Programare : 6.7 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 4.0 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 7.3 Apelare instrumente : 10.0 Cultură generală : 3.0

Comparație rapidă

Gemini 3.6 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow

Clasament AI Benchy

Modele recomandate

Filtrează modelele

Comparație rapidă