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: 2026-04-16 Modele evaluate: 97

Căutare

97/97

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#97#97	Step 3.5 Flashnone	3.0	Stepfun	$0.000	0ms
Vezi fișa modelului Total teste: 1 Teste greșite: 1 Rată de trecere pe încercare: 0.0% Teste instabile: 0 Tokenuri de ieșire: 0 Tokenuri de raționament: 0 Timp de răspuns: medie 0ms · total 0ms · maxim 0ms Eroare API: 1 Programare : 3.0
#89#89	Mercury 2none	4.8	Inception	$0.007	613ms
Vezi fișa modelului Total teste: 18 Teste greșite: 14 Rată de trecere pe încercare: 27.8% Teste instabile: 2 Tokenuri de ieșire: 1,625 Tokenuri de raționament: 0 Timp de răspuns: medie 613ms · total 11.04s · maxim 1.27s Răspuns greșit: 13 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.0 Programare : 3.6 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0
#81#81	Mistral Small 4none	5.2	Mistral	$0.006	665ms
Vezi fișa modelului Total teste: 18 Teste greșite: 13 Rată de trecere pe încercare: 31.5% Teste instabile: 1 Tokenuri de ieșire: 2,207 Tokenuri de raționament: 0 Timp de răspuns: medie 665ms · total 11.97s · maxim 1.72s Răspuns greșit: 11 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.4 Programare : 4.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0
#96#96	LFM2-24B-A2Bnone	4.1	Liquid	$0.001	811ms
Vezi fișa modelului Total teste: 16 Teste greșite: 15 Rată de trecere pe încercare: 14.6% Teste instabile: 2 Tokenuri de ieșire: 1,185 Tokenuri de raționament: 0 Timp de răspuns: medie 811ms · total 11.35s · maxim 2.88s Răspuns greșit: 9 Eroare API: 4 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.3 Combinat : 3.0 Parsare și extragere de date : 3.0 Specific domeniului : 5.9 Inteligență generală : 4.0 Respectarea instrucțiunilor : 4.8 Rezolvare de puzzle-uri : 4.4 Apelare instrumente : 3.0
#61#61	Gemini 2.5 Flashnone	6.2	Google	$0.013	903ms
Vezi fișa modelului Total teste: 18 Teste greșite: 11 Rată de trecere pe încercare: 44.4% Teste instabile: 2 Tokenuri de ieșire: 1,726 Tokenuri de raționament: 0 Timp de răspuns: medie 903ms · total 16.26s · 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 : 8.0 Rezolvare de puzzle-uri : 5.7 Apelare instrumente : 10.0
#80#80	Grok 4.20none	5.2	X AI	$0.095	1.11s
Vezi fișa modelului Total teste: 18 Teste greșite: 13 Rată de trecere pe încercare: 29.6% Teste instabile: 1 Tokenuri de ieșire: 1,967 Tokenuri de raționament: 0 Timp de răspuns: medie 1.11s · total 20.02s · maxim 6.04s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 4.8 Programare : 3.4 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.8 Respectarea instrucțiunilor : 4.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0
#84#84	GPT-5.4 Mininone	5.1	OpenAI	$0.032	1.17s
Vezi fișa modelului Total teste: 18 Teste greșite: 13 Rată de trecere pe încercare: 35.2% Teste instabile: 3 Tokenuri de ieșire: 2,418 Tokenuri de raționament: 0 Timp de răspuns: medie 1.17s · total 21.01s · maxim 2.52s Răspuns greșit: 10 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 3.1 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 3.0
#77#77	Grok 4.20 Betanone	5.3	X AI	$0.091	1.19s
Vezi fișa modelului Total teste: 18 Teste greșite: 14 Rată de trecere pe încercare: 29.6% Teste instabile: 2 Tokenuri de ieșire: 1,591 Tokenuri de raționament: 0 Timp de răspuns: medie 1.19s · total 21.37s · maxim 6.48s Răspuns greșit: 10 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 4.0 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 4.8 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0
#83#83	Elephantnone	5.2	Openrouter	$0.000	1.23s
Vezi fișa modelului Total teste: 18 Teste greșite: 13 Rată de trecere pe încercare: 31.5% Teste instabile: 1 Tokenuri de ieșire: 2,573 Tokenuri de raționament: 0 Timp de răspuns: medie 1.23s · total 22.16s · maxim 3.81s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 6.6 Programare : 6.4 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 4.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 3.3 Apelare instrumente : 3.0
#79#79	Elephantmedium	5.2	Openrouter	$0.000	1.27s
Vezi fișa modelului Total teste: 18 Teste greșite: 13 Rată de trecere pe încercare: 29.6% Teste instabile: 1 Tokenuri de ieșire: 2,596 Tokenuri de raționament: 0 Timp de răspuns: medie 1.27s · total 22.82s · maxim 3.70s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 6.6 Programare : 5.1 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 3.7 Apelare instrumente : 3.0
#29#29	Gemini 3.1 Flash Lite Previewnone	7.9	Google	$0.016	1.30s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Rată de trecere pe încercare: 70.4% Teste instabile: 1 Tokenuri de ieșire: 5,361 Tokenuri de raționament: 0 Timp de răspuns: medie 1.30s · total 23.42s · maxim 3.39s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 7.5 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#94#94	GPT-5.4 Nanonone	4.5	OpenAI	$0.009	1.40s
Vezi fișa modelului Total teste: 18 Teste greșite: 16 Rată de trecere pe încercare: 31.5% Teste instabile: 7 Tokenuri de ieșire: 2,762 Tokenuri de raționament: 0 Timp de răspuns: medie 1.40s · total 25.14s · maxim 3.84s Răspuns greșit: 13 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 3.5 Programare : 7.1 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 2.9 Inteligență generală : 3.8 Respectarea instrucțiunilor : 5.0 Rezolvare de puzzle-uri : 3.7 Apelare instrumente : 10.0
#88#88	Qwen3.5-9Bnone	4.8	Qwen	$0.005	1.47s
Vezi fișa modelului Total teste: 18 Teste greșite: 14 Rată de trecere pe încercare: 24.1% Teste instabile: 1 Tokenuri de ieșire: 3,951 Tokenuri de raționament: 0 Timp de răspuns: medie 1.47s · total 26.43s · maxim 5.91s Răspuns greșit: 10 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 3.1 Programare : 5.2 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 10.0
#65#65	GPT-5.4none	5.9	OpenAI	$0.104	1.51s
Vezi fișa modelului Total teste: 18 Teste greșite: 11 Rată de trecere pe încercare: 42.6% Teste instabile: 2 Tokenuri de ieșire: 2,317 Tokenuri de raționament: 0 Timp de răspuns: medie 1.51s · total 27.21s · maxim 2.95s Răspuns greșit: 10 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.2 Programare : 10.0 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
#21#21	Gemini 3 Flash Previewnone	8.1	Google	$0.021	1.65s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Rată de trecere pe încercare: 77.8% Teste instabile: 2 Tokenuri de ieșire: 1,840 Tokenuri de raționament: 0 Timp de răspuns: medie 1.65s · total 18.20s · maxim 3.56s Răspuns greșit: 5 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 4.7 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
#66#66	Qwen3.5-27Bnone	5.9	Qwen	$0.016	1.74s
Vezi fișa modelului Total teste: 18 Teste greșite: 12 Rată de trecere pe încercare: 38.9% Teste instabile: 2 Tokenuri de ieșire: 3,545 Tokenuri de raționament: 0 Timp de răspuns: medie 1.74s · total 31.32s · maxim 9.39s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 10.0 Combinat : 2.8 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 4.8 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0
#93#93	Grok 4.1 Fastnone	4.5	X AI	$0.009	1.76s
Vezi fișa modelului Total teste: 18 Teste greșite: 15 Rată de trecere pe încercare: 24.1% Teste instabile: 3 Tokenuri de ieșire: 1,721 Tokenuri de raționament: 0 Timp de răspuns: medie 1.76s · total 19.35s · maxim 5.51s Răspuns greșit: 13 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.2 Programare : 5.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.4 Respectarea instrucțiunilor : 3.0 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 2.8
#54#54	MiMo-V2-Omninone	6.5	Xiaomi	$0.007	1.99s
Vezi fișa modelului Total teste: 18 Teste greșite: 10 Rată de trecere pe încercare: 44.4% Teste instabile: 0 Tokenuri de ieșire: 868 Tokenuri de raționament: 0 Timp de răspuns: medie 1.99s · total 35.81s · maxim 6.81s Răspuns greșit: 8 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 6.6 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.5 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 8.0 Apelare instrumente : 10.0
#87#87	GPT-4o-mininone	4.9	OpenAI	$0.005	2.00s
Vezi fișa modelului Total teste: 18 Teste greșite: 14 Rată de trecere pe încercare: 22.2% Teste instabile: 0 Tokenuri de ieșire: 1,947 Tokenuri de raționament: 0 Timp de răspuns: medie 2.00s · total 21.99s · maxim 7.58s Răspuns greșit: 13 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.8 Programare : 3.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.0 Respectarea instrucțiunilor : 4.8 Rezolvare de puzzle-uri : 3.7 Apelare instrumente : 10.0
#53#53	Mercury 2medium	6.5	Inception	$0.047	2.21s
Vezi fișa modelului Total teste: 18 Teste greșite: 10 Rată de trecere pe încercare: 53.7% Teste instabile: 3 Tokenuri de ieșire: 3,972 Tokenuri de raționament: 48,333 Timp de răspuns: medie 2.21s · total 37.51s · maxim 14.63s Răspuns greșit: 6 Nu a urmat instrucțiunile: 4 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 : 3.9 Apelare instrumente : 10.0
#64#64	MiMo-V2-Pronone	6.0	Xiaomi	$0.043	2.39s
Vezi fișa modelului Total teste: 18 Teste greșite: 11 Rată de trecere pe încercare: 48.2% Teste instabile: 3 Tokenuri de ieșire: 2,320 Tokenuri de raționament: 0 Timp de răspuns: medie 2.39s · total 43.06s · maxim 6.58s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.5 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0
#60#60	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.016	2.53s
Vezi fișa modelului Total teste: 18 Teste greșite: 10 Rată de trecere pe încercare: 55.6% Teste instabile: 5 Tokenuri de ieșire: 3,129 Tokenuri de raționament: 0 Timp de răspuns: medie 2.53s · total 45.46s · maxim 6.70s Răspuns greșit: 10 Trucuri anti-AI : 3.0 Programare : 10.0 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 : 5.2 Apelare instrumente : 10.0
#48#48	Qwen3.5 Plus 2026-02-15none	6.8	Qwen	$0.017	2.60s
Vezi fișa modelului Total teste: 18 Teste greșite: 9 Rată de trecere pe încercare: 53.7% Teste instabile: 2 Tokenuri de ieșire: 2,461 Tokenuri de raționament: 0 Timp de răspuns: medie 2.60s · total 31.23s · maxim 6.65s Răspuns greșit: 9 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
#92#92	MiMo-V2-Flashnone	4.5	Xiaomi	$0.023	2.79s
Vezi fișa modelului Total teste: 18 Teste greșite: 15 Rată de trecere pe încercare: 27.8% Teste instabile: 5 Tokenuri de ieșire: 68,522 Tokenuri de raționament: 0 Timp de răspuns: medie 2.79s · total 39.08s · maxim 19.68s Răspuns greșit: 12 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.2 Programare : 6.3 Combinat : 3.0 Parsare și extragere de date : 2.9 Specific domeniului : 5.3 Inteligență generală : 4.6 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.6 Apelare instrumente : 10.0
#75#75	GLM 5 Turbonone	5.5	Z.ai	$0.032	2.94s
Vezi fișa modelului Total teste: 18 Teste greșite: 12 Rată de trecere pe încercare: 37.0% Teste instabile: 2 Tokenuri de ieșire: 1,775 Tokenuri de raționament: 0 Timp de răspuns: medie 2.94s · total 52.98s · maxim 8.21s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.0 Programare : 5.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.2 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 10.0
#57#57	GLM 5V Turbonone	6.2	Z.ai	$0.044	3.10s
Vezi fișa modelului Total teste: 18 Teste greșite: 10 Rată de trecere pe încercare: 44.4% Teste instabile: 0 Tokenuri de ieșire: 1,724 Tokenuri de raționament: 0 Timp de răspuns: medie 3.10s · total 55.87s · maxim 6.51s Răspuns greșit: 8 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 10.0 Combinat : 3.0 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
#4#4	Claude Opus 4.7none	9.2	Anthropic	$0.505	3.13s
Vezi fișa modelului Total teste: 18 Teste greșite: 2 Rată de trecere pe încercare: 88.9% Teste instabile: 0 Tokenuri de ieșire: 6,326 Tokenuri de raționament: 0 Timp de răspuns: medie 3.13s · total 56.33s · maxim 18.27s Răspuns greșit: 2 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 9.5 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
#22#22	Gemini 3.1 Flash Lite Previewlow	8.1	Google	$0.022	3.22s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Rată de trecere pe încercare: 72.2% Teste instabile: 0 Tokenuri de ieșire: 2,247 Tokenuri de raționament: 8,058 Timp de răspuns: medie 3.22s · total 58.00s · maxim 11.91s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#58#58	Qwen3.5-Flashnone	6.2	Qwen	$0.006	3.25s
Vezi fișa modelului Total teste: 18 Teste greșite: 10 Rată de trecere pe încercare: 46.3% Teste instabile: 1 Tokenuri de ieșire: 4,266 Tokenuri de raționament: 0 Timp de răspuns: medie 3.25s · total 58.44s · maxim 13.73s Răspuns greșit: 9 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.5 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.3 Apelare instrumente : 10.0
#72#72	GLM 4.7 Flashnone	5.6	Z.ai	$0.003	3.35s
Vezi fișa modelului Total teste: 18 Teste greșite: 13 Rată de trecere pe încercare: 37.0% Teste instabile: 3 Tokenuri de ieșire: 2,489 Tokenuri de raționament: 0 Timp de răspuns: medie 3.35s · total 36.90s · maxim 7.05s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 5.2 Programare : 6.4 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 7.7 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 4.4 Apelare instrumente : 2.8
#3🥉 #3	Claude Opus 4.7medium	9.2	Anthropic	$0.447	3.53s
Vezi fișa modelului Total teste: 18 Teste greșite: 2 Rată de trecere pe încercare: 88.9% Teste instabile: 0 Tokenuri de ieșire: 5,375 Tokenuri de raționament: 1,341 Timp de răspuns: medie 3.53s · total 60.03s · maxim 21.45s Timp expirat: 1 Răspuns greșit: 1 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 10.0 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
#68#68	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.022	3.69s
Vezi fișa modelului Total teste: 18 Teste greșite: 12 Rată de trecere pe încercare: 38.9% Teste instabile: 2 Tokenuri de ieșire: 3,341 Tokenuri de raționament: 0 Timp de răspuns: medie 3.69s · total 66.50s · maxim 46.00s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.8 Programare : 4.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 4.5 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0
#17#17	Gemini 3.1 Flash Lite Previewmedium	8.2	Google	$0.055	3.74s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Rată de trecere pe încercare: 72.2% Teste instabile: 0 Tokenuri de ieșire: 2,168 Tokenuri de raționament: 29,030 Timp de răspuns: medie 3.74s · total 67.31s · maxim 14.93s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 9.1 Programare : 10.0 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
#62#62	Qwen3.5-35B-A3Bnone	6.1	Qwen	$0.016	3.82s
Vezi fișa modelului Total teste: 18 Teste greșite: 11 Rată de trecere pe încercare: 50.0% Teste instabile: 3 Tokenuri de ieșire: 4,300 Tokenuri de raționament: 0 Timp de răspuns: medie 3.82s · total 68.74s · maxim 47.43s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.4 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 6.5 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.9 Apelare instrumente : 10.0
#47#47	Gemma 4 31Bnone	6.9	Google	$0.003	4.02s
Vezi fișa modelului Total teste: 18 Teste greșite: 8 Rată de trecere pe încercare: 55.6% Teste instabile: 0 Tokenuri de ieșire: 1,359 Tokenuri de raționament: 0 Timp de răspuns: medie 4.02s · total 64.33s · maxim 26.13s Răspuns greșit: 5 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 : 5.5 Apelare instrumente : 3.0
#52#52	GLM 5none	6.6	Z.ai	$0.020	4.23s
Vezi fișa modelului Total teste: 18 Teste greșite: 9 Rată de trecere pe încercare: 51.9% Teste instabile: 1 Tokenuri de ieșire: 1,959 Tokenuri de raționament: 0 Timp de răspuns: medie 4.23s · total 46.51s · maxim 11.07s Răspuns greșit: 9 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
#73#73	GLM 5.1none	5.6	Z.ai	$0.053	4.33s
Vezi fișa modelului Total teste: 18 Teste greșite: 13 Rată de trecere pe încercare: 37.0% Teste instabile: 4 Tokenuri de ieșire: 3,720 Tokenuri de raționament: 0 Timp de răspuns: medie 4.33s · total 78.02s · maxim 32.57s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 4.0 Programare : 5.1 Combinat : 2.8 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.0 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 5.7 Apelare instrumente : 10.0
#70#70	Hunter Alphanone	5.7	OpenRouter	$0.000	4.58s
Vezi fișa modelului Total teste: 18 Teste greșite: 12 Rată de trecere pe încercare: 46.3% Teste instabile: 4 Tokenuri de ieșire: 2,278 Tokenuri de raționament: 0 Timp de răspuns: medie 4.58s · total 77.92s · maxim 15.17s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Eroare API: 1 Trucuri anti-AI : 3.5 Programare : 3.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 6.1 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 5.8 Apelare instrumente : 10.0
#41#41	Claude Sonnet 4.6none	7.4	Anthropic	$0.262	4.98s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Rată de trecere pe încercare: 64.8% Teste instabile: 1 Tokenuri de ieșire: 7,433 Tokenuri de raționament: 0 Timp de răspuns: medie 4.98s · total 54.83s · maxim 23.84s Formatare suplimentară: 3 Răspuns greșit: 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
#76#76	Trinity Large Previewnone	5.3	Arcee AI	$0.000	5.07s
Vezi fișa modelului Total teste: 18 Teste greșite: 13 Rată de trecere pe încercare: 29.6% Teste instabile: 1 Tokenuri de ieșire: 1,985 Tokenuri de raționament: 0 Timp de răspuns: medie 5.07s · total 91.23s · maxim 39.47s Răspuns greșit: 11 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.0 Programare : 6.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.4 Respectarea instrucțiunilor : 4.1 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0
#71#71	Mistral Small 4medium	5.7	Mistral	$0.034	5.64s
Vezi fișa modelului Total teste: 18 Teste greșite: 13 Rată de trecere pe încercare: 50.0% Teste instabile: 7 Tokenuri de ieșire: 15,084 Tokenuri de raționament: 39,408 Timp de răspuns: medie 5.64s · total 101.52s · maxim 30.49s Răspuns greșit: 8 Nu a urmat instrucțiunile: 3 Eroare API: 2 Trucuri anti-AI : 5.6 Programare : 6.7 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 3.4 Apelare instrumente : 10.0
#35#35	GPT-5.3 Chatnone	7.7	OpenAI	$0.340	5.88s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Rată de trecere pe încercare: 68.5% Teste instabile: 3 Tokenuri de ieșire: 20,784 Tokenuri de raționament: 0 Timp de răspuns: medie 5.88s · total 105.90s · maxim 18.33s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 6.7 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 4.6 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#5#5	Gemini 3 Flash Previewlow	8.8	Google	$0.091	6.01s
Vezi fișa modelului Total teste: 18 Teste greșite: 3 Rată de trecere pe încercare: 85.2% Teste instabile: 1 Tokenuri de ieșire: 2,018 Tokenuri de raționament: 23,273 Timp de răspuns: medie 6.01s · total 108.12s · maxim 14.72s Răspuns greșit: 3 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#59#59	Gemma 4 26B A4Bnone	6.2	Google	$0.005	6.59s
Vezi fișa modelului Total teste: 18 Teste greșite: 11 Rată de trecere pe încercare: 48.2% Teste instabile: 3 Tokenuri de ieșire: 1,783 Tokenuri de raționament: 0 Timp de răspuns: medie 6.59s · total 118.61s · maxim 57.10s Răspuns greșit: 7 Nu a urmat instrucțiunile: 3 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 : 4.4 Rezolvare de puzzle-uri : 5.7 Apelare instrumente : 10.0
#28#28	GPT-5.2 Chatnone	7.9	OpenAI	$0.291	6.84s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Rată de trecere pe încercare: 75.9% Teste instabile: 3 Tokenuri de ieșire: 17,346 Tokenuri de raționament: 0 Timp de răspuns: medie 6.84s · total 123.17s · maxim 38.52s Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.7 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.4 Respectarea instrucțiunilor : 7.5 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#86#86	Nemotron 3 Supernone	5.1	NVIDIA	$0.000	8.54s
Vezi fișa modelului Total teste: 18 Teste greșite: 14 Rată de trecere pe încercare: 35.2% Teste instabile: 4 Tokenuri de ieșire: 4,760 Tokenuri de raționament: 0 Timp de răspuns: medie 8.54s · total 153.69s · maxim 24.97s Răspuns greșit: 10 Nu a urmat instrucțiunile: 4 Trucuri anti-AI : 4.8 Programare : 3.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 4.2 Respectarea instrucțiunilor : 4.9 Rezolvare de puzzle-uri : 5.7 Apelare instrumente : 4.7
#12#12	Gemini 3 PRO Previewmedium	8.4	Google	$0.197	9.06s
Vezi fișa modelului Total teste: 18 Teste greșite: 4 Rată de trecere pe încercare: 77.8% Teste instabile: 0 Tokenuri de ieșire: 1,508 Tokenuri de raționament: 10,084 Timp de răspuns: medie 9.06s · total 90.58s · maxim 26.24s Răspuns greșit: 3 Eroare API: 1 Trucuri anti-AI : 10.0 Programare : 3.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#55#55	Grok 4.20 Multi Agent Betamedium	6.4	X AI	$5.074	9.80s
Vezi fișa modelului Total teste: 18 Teste greșite: 11 Rată de trecere pe încercare: 57.4% Teste instabile: 6 Tokenuri de ieșire: 299,034 Tokenuri de raționament: 309,670 Timp de răspuns: medie 9.80s · total 156.75s · maxim 35.28s Nu a urmat instrucțiunile: 4 Răspuns greșit: 3 Eroare API: 2 Formatare suplimentară: 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 : 8.3 Rezolvare de puzzle-uri : 7.2 Apelare instrumente : 3.0
#25#25	Grok 4.20 Betamedium	8.0	X AI	$0.633	9.81s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Rată de trecere pe încercare: 74.1% Teste instabile: 2 Tokenuri de ieșire: 1,568 Tokenuri de raționament: 91,909 Timp de răspuns: medie 9.81s · total 176.62s · maxim 31.36s Nu a urmat instrucțiunile: 3 Răspuns greșit: 3 Trucuri anti-AI : 8.7 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 3.0
#85#85	Qwen3 Coder Nextnone	5.1	Qwen	$0.008	10.18s
Vezi fișa modelului Total teste: 18 Teste greșite: 14 Rată de trecere pe încercare: 25.9% Teste instabile: 1 Tokenuri de ieșire: 3,617 Tokenuri de raționament: 0 Timp de răspuns: medie 10.18s · total 122.13s · maxim 45.14s Răspuns greșit: 12 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.6 Programare : 7.3 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 4.8 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 10.0
#46#46	Grok 4.20medium	7.0	X AI	$0.743	10.33s
Vezi fișa modelului Total teste: 18 Teste greșite: 9 Rată de trecere pe încercare: 66.7% Teste instabile: 5 Tokenuri de ieșire: 1,744 Tokenuri de raționament: 109,882 Timp de răspuns: medie 10.33s · total 185.87s · maxim 29.87s Nu a urmat instrucțiunile: 4 Răspuns greșit: 3 Eroare API: 1 Formatare suplimentară: 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 : 5.8 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 3.0
#49#49	Hunter Alphamedium	6.7	OpenRouter	$0.000	10.33s
Vezi fișa modelului Total teste: 18 Teste greșite: 10 Rată de trecere pe încercare: 64.8% Teste instabile: 6 Tokenuri de ieșire: 4,724 Tokenuri de raționament: 17,921 Timp de răspuns: medie 10.33s · total 175.60s · 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
#90#90	Qwen3 Coder Nextmedium	4.7	Qwen	$0.008	10.75s
Vezi fișa modelului Total teste: 18 Teste greșite: 15 Rată de trecere pe încercare: 27.8% Teste instabile: 3 Tokenuri de ieșire: 3,241 Tokenuri de raționament: 0 Timp de răspuns: medie 10.75s · total 129.01s · maxim 81.80s Răspuns greșit: 9 Nu a urmat instrucțiunile: 5 Timp expirat: 1 Trucuri anti-AI : 3.5 Programare : 4.7 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 6.3 Respectarea instrucțiunilor : 4.8 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0
#37#37	GPT-5.4 Nanomedium	7.6	OpenAI	$0.083	11.21s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Rată de trecere pe încercare: 68.5% Teste instabile: 2 Tokenuri de ieșire: 2,946 Tokenuri de raționament: 58,132 Timp de răspuns: medie 11.21s · total 201.80s · maxim 94.06s Răspuns greșit: 4 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 9.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 4.0 Apelare instrumente : 10.0
#82#82	gpt-oss-120bnone	5.2	OpenAI	$0.009	11.96s
Vezi fișa modelului Total teste: 18 Teste greșite: 14 Rată de trecere pe încercare: 38.9% Teste instabile: 5 Tokenuri de ieșire: 44,652 Tokenuri de raționament: 0 Timp de răspuns: medie 11.96s · total 179.34s · maxim 68.97s Răspuns greșit: 6 Nu a urmat instrucțiunile: 5 Eroare API: 3 Trucuri anti-AI : 6.6 Programare : 4.3 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 4.6 Respectarea instrucțiunilor : 8.4 Rezolvare de puzzle-uri : 4.5 Apelare instrumente : 3.0
#63#63	DeepSeek V3.2none	6.1	DeepSeek	$0.016	12.09s
Vezi fișa modelului Total teste: 18 Teste greșite: 11 Rată de trecere pe încercare: 50.0% Teste instabile: 4 Tokenuri de ieșire: 8,384 Tokenuri de raționament: 0 Timp de răspuns: medie 12.09s · total 217.56s · maxim 115.89s Răspuns greșit: 8 Formatare suplimentară: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 3.2 Programare : 2.4 Combinat : 6.5 Parsare și extragere de date : 6.3 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.5 Apelare instrumente : 10.0
#15#15	Gemini 2.5 Flashmedium	8.2	Google	$0.319	12.12s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Rată de trecere pe încercare: 75.9% Teste instabile: 1 Tokenuri de ieșire: 1,898 Tokenuri de raționament: 122,273 Timp de răspuns: medie 12.12s · total 218.12s · maxim 95.48s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.4 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.8 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#23#23	MiMo-V2-Promedium	8.1	Xiaomi	$0.159	12.27s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Rată de trecere pe încercare: 77.8% Teste instabile: 3 Tokenuri de ieșire: 2,360 Tokenuri de raționament: 38,320 Timp de răspuns: medie 12.27s · total 208.56s · maxim 64.71s Răspuns greșit: 3 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 4.7 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.0 Apelare instrumente : 10.0
#26#26	Claude Sonnet 4.6medium	8.0	Anthropic	$1.161	12.66s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Rată de trecere pe încercare: 74.1% Teste instabile: 1 Tokenuri de ieșire: 42,068 Tokenuri de raționament: 26,784 Timp de răspuns: medie 12.66s · total 126.62s · maxim 46.35s Formatare suplimentară: 2 Răspuns greșit: 2 Timp expirat: 1 Trucuri anti-AI : 6.5 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#74#74	Kimi K2.5none	5.5	Moonshot AI	$0.017	13.37s
Vezi fișa modelului Total teste: 18 Teste greșite: 12 Rată de trecere pe încercare: 40.7% Teste instabile: 3 Tokenuri de ieșire: 2,659 Tokenuri de raționament: 0 Timp de răspuns: medie 13.37s · total 147.05s · maxim 42.13s Răspuns greșit: 12 Trucuri anti-AI : 3.6 Programare : 10.0 Combinat : 2.8 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0
#9#9	Qwen3.6 Plus Previewmedium	8.5	Qwen	$0.000	13.94s
Vezi fișa modelului Total teste: 17 Teste greșite: 4 Rată de trecere pe încercare: 76.5% Teste instabile: 0 Tokenuri de ieșire: 1,756 Tokenuri de raționament: 77,213 Timp de răspuns: medie 13.94s · total 237.01s · maxim 43.55s Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 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 : 10.0 Apelare instrumente : 10.0
#39#39	GPT-5.2medium	7.5	OpenAI	$0.352	14.04s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Rată de trecere pe încercare: 72.2% Teste instabile: 4 Tokenuri de ieșire: 2,705 Tokenuri de raționament: 18,977 Timp de răspuns: medie 14.04s · total 154.41s · maxim 77.80s Nu a urmat instrucțiunile: 3 Răspuns greșit: 2 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 : 7.7 Apelare instrumente : 4.7
#31#31	GLM 5V Turbomedium	7.8	Z.ai	$0.291	14.96s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Rată de trecere pe încercare: 77.8% Teste instabile: 6 Tokenuri de ieșire: 2,351 Tokenuri de raționament: 58,941 Timp de răspuns: medie 14.96s · total 269.32s · maxim 67.08s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 2 Trucuri anti-AI : 7.2 Programare : 10.0 Combinat : 6.9 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
#43#43	GPT-5.4 Minimedium	7.3	OpenAI	$0.299	15.22s
Vezi fișa modelului Total teste: 18 Teste greșite: 9 Rată de trecere pe încercare: 70.4% Teste instabile: 6 Tokenuri de ieșire: 2,131 Tokenuri de raționament: 59,567 Timp de răspuns: medie 15.22s · total 273.90s · maxim 102.91s Nu a urmat instrucțiunile: 5 Răspuns greșit: 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 : 6.8 Apelare instrumente : 4.7
#20#20	Qwen3.6 Plusmedium	8.1	Qwen	$0.000	15.27s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Rată de trecere pe încercare: 74.1% Teste instabile: 1 Tokenuri de ieșire: 1,763 Tokenuri de raționament: 83,782 Timp de răspuns: medie 15.27s · total 259.55s · maxim 43.55s Răspuns greșit: 3 Eroare API: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 3.0 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
#7#7	GPT-5.3-Codexmedium	8.6	OpenAI	$0.573	15.38s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Rată de trecere pe încercare: 83.3% Teste instabile: 3 Tokenuri de ieșire: 2,279 Tokenuri de raționament: 35,179 Timp de răspuns: medie 15.38s · total 276.91s · maxim 100.93s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.7 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.6 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 9.0 Apelare instrumente : 10.0
#2🥈 #2	Gemini 3.1 Pro Previewmedium	9.6	Google	$0.578	15.96s
Vezi fișa modelului Total teste: 18 Teste greșite: 1 Rată de trecere pe încercare: 94.4% Teste instabile: 0 Tokenuri de ieșire: 1,932 Tokenuri de raționament: 40,542 Timp de răspuns: medie 15.96s · total 175.52s · maxim 40.61s Răspuns greșit: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 9.5 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
#67#67	gpt-oss-120bmedium	5.8	OpenAI	$0.011	16.08s
Vezi fișa modelului Total teste: 18 Teste greșite: 11 Rată de trecere pe încercare: 51.9% Teste instabile: 6 Tokenuri de ieșire: 13,493 Tokenuri de raționament: 36,879 Timp de răspuns: medie 16.08s · total 176.88s · maxim 50.92s Răspuns greșit: 7 Nu a urmat instrucțiunile: 4 Trucuri anti-AI : 6.7 Programare : 4.3 Combinat : 10.0 Parsare și extragere de date : 6.4 Specific domeniului : 2.9 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 9.8
#34#34	MiMo-V2-Omnimedium	7.7	Xiaomi	$0.153	16.76s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Rată de trecere pe încercare: 61.1% Teste instabile: 0 Tokenuri de ieșire: 928 Tokenuri de raționament: 72,661 Timp de răspuns: medie 16.76s · total 301.61s · maxim 158.78s Răspuns greșit: 3 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 : 10.0 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 6.5 Apelare instrumente : 10.0
#1🥇 #1	Gemini 3 Flash Previewmedium	10.0	Google	$0.314	17.60s
Vezi fișa modelului Total teste: 18 Teste greșite: 0 Rată de trecere pe încercare: 100.0% Teste instabile: 0 Tokenuri de ieșire: 2,072 Tokenuri de raționament: 97,041 Timp de răspuns: medie 17.60s · total 193.57s · maxim 79.71s Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 10.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#18#18	GLM 5 Turbomedium	8.1	Z.ai	$0.182	17.67s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Rată de trecere pe încercare: 77.8% Teste instabile: 5 Tokenuri de ieșire: 12,197 Tokenuri de raționament: 38,933 Timp de răspuns: medie 17.67s · total 317.98s · maxim 194.23s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.3 Apelare instrumente : 10.0
#16#16	GPT-5.4medium	8.2	OpenAI	$0.832	18.63s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Rată de trecere pe încercare: 79.6% Teste instabile: 3 Tokenuri de ieșire: 2,169 Tokenuri de raționament: 48,732 Timp de răspuns: medie 18.63s · total 335.26s · maxim 100.41s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.7 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0
#50#50	Nemotron 3 Supermedium	6.7	NVIDIA	$0.000	19.06s
Vezi fișa modelului Total teste: 18 Teste greșite: 9 Rată de trecere pe încercare: 55.6% Teste instabile: 3 Tokenuri de ieșire: 11,947 Tokenuri de raționament: 29,768 Timp de răspuns: medie 19.06s · total 305.04s · maxim 87.80s Nu a urmat instrucțiunile: 4 Răspuns greșit: 3 Eroare API: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 3.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 3.8 Respectarea instrucțiunilor : 7.2 Rezolvare de puzzle-uri : 3.5 Apelare instrumente : 10.0
#36#36	Claude Opus 4.6medium	7.6	Anthropic	$1.446	21.08s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Rată de trecere pe încercare: 70.4% Teste instabile: 2 Tokenuri de ieșire: 29,829 Tokenuri de raționament: 18,938 Timp de răspuns: medie 21.08s · total 231.84s · maxim 83.40s Formatare suplimentară: 4 Răspuns greșit: 2 Trucuri anti-AI : 6.4 Programare : 10.0 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
#13#13	GLM 5medium	8.4	Z.ai	$0.155	23.34s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Rată de trecere pe încercare: 85.2% Teste instabile: 4 Tokenuri de ieșire: 20,163 Tokenuri de raționament: 58,337 Timp de răspuns: medie 23.34s · total 233.40s · maxim 79.09s Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 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
#40#40	MiMo-V2-Flashmedium	7.5	Xiaomi	$0.038	23.36s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Rată de trecere pe încercare: 70.4% Teste instabile: 3 Tokenuri de ieșire: 12,387 Tokenuri de raționament: 115,182 Timp de răspuns: medie 23.36s · total 280.34s · maxim 96.01s Răspuns greșit: 3 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
#51#51	Grok 4.1 Fastmedium	6.7	X AI	$0.056	23.88s
Vezi fișa modelului Total teste: 18 Teste greșite: 9 Rată de trecere pe încercare: 64.8% Teste instabile: 6 Tokenuri de ieșire: 2,010 Tokenuri de raționament: 91,298 Timp de răspuns: medie 23.88s · total 262.66s · maxim 121.79s Nu a urmat instrucțiunile: 4 Răspuns greșit: 3 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 : 6.6 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 2.8
#44#44	GPT-5 Minimedium	7.0	OpenAI	$0.128	23.98s
Vezi fișa modelului Total teste: 18 Teste greșite: 9 Rată de trecere pe încercare: 61.1% Teste instabile: 3 Tokenuri de ieșire: 6,379 Tokenuri de raționament: 53,482 Timp de răspuns: medie 23.98s · total 431.56s · maxim 88.15s Nu a urmat instrucțiunile: 4 Răspuns greșit: 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 : 8.0 Rezolvare de puzzle-uri : 5.6 Apelare instrumente : 10.0
#33#33	GLM 5.1medium	7.8	Z.ai	$0.201	24.13s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Rată de trecere pe încercare: 75.9% Teste instabile: 3 Tokenuri de ieșire: 8,005 Tokenuri de raționament: 49,090 Timp de răspuns: medie 24.13s · total 410.25s · maxim 118.52s Răspuns greșit: 3 Timp expirat: 2 Eroare API: 1 Trucuri anti-AI : 10.0 Programare : 4.7 Combinat : 9.5 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
#14#14	Gemma 4 31Bmedium	8.3	Google	$0.018	24.88s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Rată de trecere pe încercare: 79.6% Teste instabile: 2 Tokenuri de ieșire: 12,734 Tokenuri de raționament: 27,950 Timp de răspuns: medie 24.88s · total 398.13s · maxim 70.97s Eroare API: 2 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Răspuns greșit: 1 Trucuri anti-AI : 10.0 Programare : 4.7 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.8 Apelare instrumente : 3.0
#24#24	Gemma 4 26B A4Bmedium	8.0	Google	$0.028	25.03s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Rată de trecere pe încercare: 75.9% Teste instabile: 2 Tokenuri de ieșire: 15,928 Tokenuri de raționament: 44,631 Timp de răspuns: medie 25.03s · total 425.48s · maxim 147.47s Timp expirat: 2 Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 2.8 Combinat : 9.6 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.9 Apelare instrumente : 10.0
#30#30	Step 3.5 Flashmedium	7.9	Stepfun	$0.000	26.78s
Vezi fișa modelului Total teste: 17 Teste greșite: 6 Rată de trecere pe încercare: 70.6% Teste instabile: 2 Tokenuri de ieșire: 71,904 Tokenuri de raționament: 155,607 Timp de răspuns: medie 26.78s · total 294.58s · maxim 170.45s Nu a urmat instrucțiunile: 3 Răspuns greșit: 3 Trucuri anti-AI : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.5 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0
#6#6	Seed-2.0-Litemedium	8.6	Bytedance Seed	$0.121	30.37s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Rată de trecere pe încercare: 83.3% Teste instabile: 3 Tokenuri de ieșire: 3,257 Tokenuri de raționament: 52,042 Timp de răspuns: medie 30.37s · total 546.72s · maxim 168.71s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 10.0 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
#78#78	MiniMax M2.7medium	5.3	Minimax	$0.091	31.08s
Vezi fișa modelului Total teste: 18 Teste greșite: 14 Rată de trecere pe încercare: 51.9% Teste instabile: 10 Tokenuri de ieșire: 4,984 Tokenuri de raționament: 62,787 Timp de răspuns: medie 31.08s · total 528.37s · maxim 117.04s Nu a urmat instrucțiunile: 6 Răspuns greșit: 5 Timp expirat: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 7.9 Programare : 10.0 Combinat : 4.7 Parsare și extragere de date : 6.3 Specific domeniului : 3.0 Inteligență generală : 3.9 Respectarea instrucțiunilor : 3.7 Rezolvare de puzzle-uri : 3.8 Apelare instrumente : 4.7
#19#19	Qwen3.5-122B-A10Bmedium	8.1	Qwen	$0.528	31.38s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Rată de trecere pe încercare: 79.6% Teste instabile: 3 Tokenuri de ieșire: 17,635 Tokenuri de raționament: 162,668 Timp de răspuns: medie 31.38s · total 564.84s · maxim 119.29s Răspuns greșit: 3 Timp expirat: 2 Trucuri anti-AI : 10.0 Programare : 4.7 Combinat : 10.0 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
#91#91	GLM 4.7 Flashmedium	4.6	Z.ai	$0.046	32.33s
Vezi fișa modelului Total teste: 18 Teste greșite: 14 Rată de trecere pe încercare: 38.9% Teste instabile: 8 Tokenuri de ieșire: 39,688 Tokenuri de raționament: 72,401 Timp de răspuns: medie 32.33s · total 355.65s · maxim 174.55s Răspuns greșit: 8 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Apel de instrument invalid: 1 Timp expirat: 1 Trucuri anti-AI : 4.7 Programare : 3.6 Combinat : 2.8 Parsare și extragere de date : 6.3 Specific domeniului : 3.5 Inteligență generală : 3.6 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 2.9 Apelare instrumente : 10.0
#69#69	MiniMax M2.5medium	5.7	Minimax	$0.250	39.65s
Vezi fișa modelului Total teste: 18 Teste greșite: 13 Rată de trecere pe încercare: 57.4% Teste instabile: 10 Tokenuri de ieșire: 107,044 Tokenuri de raționament: 206,422 Timp de răspuns: medie 39.65s · total 396.47s · maxim 237.27s Răspuns greșit: 5 Timp expirat: 4 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 7.9 Programare : 3.0 Combinat : 4.5 Parsare și extragere de date : 4.6 Specific domeniului : 2.9 Inteligență generală : 3.8 Respectarea instrucțiunilor : 8.1 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0
#56#56	GPT-5 Nanomedium	6.3	OpenAI	$0.066	44.13s
Vezi fișa modelului Total teste: 18 Teste greșite: 11 Rată de trecere pe încercare: 59.3% Teste instabile: 8 Tokenuri de ieșire: 4,980 Tokenuri de raționament: 156,288 Timp de răspuns: medie 44.13s · total 485.47s · maxim 204.02s Răspuns greșit: 7 Nu a urmat instrucțiunile: 3 Timp expirat: 1 Trucuri anti-AI : 6.5 Programare : 6.7 Combinat : 10.0 Parsare și extragere de date : 3.7 Specific domeniului : 5.2 Inteligență generală : 4.1 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0
#42#42	Qwen3.5-35B-A3Bmedium	7.4	Qwen	$0.398	44.51s
Vezi fișa modelului Total teste: 18 Teste greșite: 8 Rată de trecere pe încercare: 79.6% Teste instabile: 7 Tokenuri de ieșire: 10,137 Tokenuri de raționament: 208,761 Timp de răspuns: medie 44.51s · total 801.21s · maxim 106.00s Timp expirat: 4 Răspuns greșit: 2 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
#27#27	DeepSeek V3.2medium	8.0	DeepSeek	$0.029	46.41s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Rată de trecere pe încercare: 79.6% Teste instabile: 4 Tokenuri de ieșire: 10,620 Tokenuri de raționament: 48,511 Timp de răspuns: medie 46.41s · total 835.33s · maxim 180.92s Răspuns greșit: 3 Timp expirat: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.4 Programare : 4.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.4 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0
#8#8	Qwen3.5 Plus 2026-02-15medium	8.5	Qwen	$0.220	46.56s
Vezi fișa modelului Total teste: 18 Teste greșite: 4 Rată de trecere pe încercare: 83.3% Teste instabile: 2 Tokenuri de ieșire: 2,121 Tokenuri de raționament: 111,889 Timp de răspuns: medie 46.56s · total 512.20s · maxim 120.91s Timp expirat: 2 Răspuns greșit: 2 Trucuri anti-AI : 8.2 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.7 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#10#10	Qwen3.5-27Bmedium	8.4	Qwen	$0.497	53.03s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Rată de trecere pe încercare: 81.5% Teste instabile: 3 Tokenuri de ieșire: 2,500 Tokenuri de raționament: 242,500 Timp de răspuns: medie 53.03s · total 954.46s · maxim 163.96s Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Timp expirat: 1 Răspuns greșit: 1 Trucuri anti-AI : 8.7 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0
#32#32	Qwen3.5-Flashmedium	7.8	Qwen	$0.080	66.72s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Rată de trecere pe încercare: 81.5% Teste instabile: 6 Tokenuri de ieșire: 2,073 Tokenuri de raționament: 191,899 Timp de răspuns: medie 66.72s · total 1201.03s · maxim 234.29s Timp expirat: 4 Eroare API: 1 Nu a urmat instrucțiunile: 1 Răspuns greșit: 1 Trucuri anti-AI : 10.0 Programare : 4.7 Combinat : 10.0 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 10.0
#11#11	Gemini 3.1 Flash Lite Previewhigh	8.4	Google	$2.310	68.83s
Vezi fișa modelului Total teste: 16 Teste greșite: 4 Rată de trecere pe încercare: 77.1% Teste instabile: 1 Tokenuri de ieșire: 1,283 Tokenuri de raționament: 1,533,310 Timp de răspuns: medie 68.83s · total 1101.32s · maxim 280.52s Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 7.9 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#38#38	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.037	69.70s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Rată de trecere pe încercare: 66.7% Teste instabile: 2 Tokenuri de ieșire: 2,419 Tokenuri de raționament: 79,238 Timp de răspuns: medie 69.70s · total 1045.47s · maxim 262.83s Timp expirat: 4 Răspuns greșit: 2 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
#45#45	Kimi K2.5medium	7.0	Moonshot AI	$0.220	72.43s
Vezi fișa modelului Total teste: 18 Teste greșite: 9 Rată de trecere pe încercare: 72.2% Teste instabile: 7 Tokenuri de ieșire: 42,176 Tokenuri de raționament: 84,870 Timp de răspuns: medie 72.43s · total 796.70s · maxim 150.77s Răspuns greșit: 4 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
#95#95	Qwen3.5-9Bmedium	4.4	Qwen	$0.030	73.64s
Vezi fișa modelului Total teste: 18 Teste greșite: 15 Rată de trecere pe încercare: 33.3% Teste instabile: 6 Tokenuri de ieșire: 24,291 Tokenuri de raționament: 172,597 Timp de răspuns: medie 73.64s · total 1104.60s · maxim 226.38s Timp expirat: 11 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Răspuns greșit: 1 Trucuri anti-AI : 5.1 Programare : 2.6 Combinat : 3.0 Parsare și extragere de date : 3.6 Specific domeniului : 3.6 Inteligență generală : 2.8 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0

Comparație rapidă

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7none Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsSeed-2.0-Litemedium Gemini 3 Flash PreviewmediumvsGPT-5.3-Codexmedium Gemini 3 Flash PreviewmediumvsQwen3.6 Plus PreviewmediumDisponibil gratuit Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsClaude Opus 4.7none Claude Opus 4.7nonevsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsSeed-2.0-Litemedium Seed-2.0-LitemediumvsGPT-5.3-Codexmedium

Clasament Benchmark AI

Filtrează modelele

Comparație rapidă