AI BENCHY

Clasament Benchmark AI

Urmărește cele mai bune modele AI SOTA cu leaderboard-ul de benchmark AI BENCHY — o modalitate simplă de a vedea ce modele conduc acum la scor, calitatea raționamentului, fiabilitate și valoare. Sortează după: Teste corecte ↑.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-06 Modele evaluate: 55

Căutare 0/0

Rang	Model	Companie	Scor	Cost per rezultat	Cost total	Timp de răspuns (mediu)
🥇 #1	LFM2-24B-A2Bnone	Liquid	2.6	0.047	$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 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 10.0 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 4.5 Puzzle Solving: 3.3 Tool Calling: 10.0
🥈 #2	Qwen3 Coder Nextmedium	Qwen	3.5	0.230	$0.007	12.53s
Vezi fișa modelului Total teste: 16 Teste greșite: 13 Rată de trecere pe încercare: 27.1% Teste instabile: 2 Tokenuri de ieșire: 2,935 Tokenuri de raționament: 0 Timp de răspuns: medie 12.53s · total 125.32s · maxim 81.80s Răspuns greșit: 8 Nu a urmat instrucțiunile: 5 Anti-AI Tricks: 1.3 Combined: 10.0 Data parsing and extraction: 5.4 Domain specific: 4.0 General Intelligence: 6.0 Instructions following: 4.5 Puzzle Solving: 10.0 Tool Calling: 10.0
🥉 #3	Grok 4.1 Fastnone	X AI	2.9	0.247	$0.008	1.90s
Vezi fișa modelului Total teste: 16 Teste greșite: 13 Rată de trecere pe încercare: 25.0% Teste instabile: 2 Tokenuri de ieșire: 1,148 Tokenuri de raționament: 0 Timp de răspuns: medie 1.90s · total 17.14s · maxim 5.51s Răspuns greșit: 11 Nu a urmat instrucțiunile: 2 Anti-AI Tricks: 1.3 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 10.0 Puzzle Solving: 1.3 Tool Calling: 10.0
#4	MiMo-V2-Flashnone	Xiaomi	2.9	0.743	$0.023	2.97s
Vezi fișa modelului Total teste: 16 Teste greșite: 13 Rată de trecere pe încercare: 29.2% Teste instabile: 4 Tokenuri de ieșire: 67,790 Tokenuri de raționament: 0 Timp de răspuns: medie 2.97s · total 35.60s · maxim 19.68s Răspuns greșit: 10 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 10.0 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 5.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#5	GPT-4o-mininone	OpenAI	4.0	0.114	$0.005	2.07s
Vezi fișa modelului Total teste: 16 Teste greșite: 12 Rată de trecere pe încercare: 25.0% Teste instabile: 0 Tokenuri de ieșire: 1,594 Tokenuri de raționament: 0 Timp de răspuns: medie 2.07s · total 18.60s · maxim 7.58s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 3.0 Instructions following: 4.5 Puzzle Solving: 2.3 Tool Calling: 10.0
#6	Qwen3 Coder Nextnone	Qwen	4.0	0.174	$0.007	11.68s
Vezi fișa modelului Total teste: 16 Teste greșite: 12 Rată de trecere pe încercare: 25.0% Teste instabile: 0 Tokenuri de ieșire: 3,026 Tokenuri de raționament: 0 Timp de răspuns: medie 11.68s · total 116.76s · maxim 45.14s Răspuns greșit: 10 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Anti-AI Tricks: 2.3 Combined: 10.0 Data parsing and extraction: 5.4 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 4.5 Puzzle Solving: 1.3 Tool Calling: 10.0
#7	GLM 4.7 Flashnone	Z.ai	3.9	0.066	$0.003	2.99s
Vezi fișa modelului Total teste: 16 Teste greșite: 12 Rată de trecere pe încercare: 35.4% Teste instabile: 3 Tokenuri de ieșire: 1,855 Tokenuri de raționament: 0 Timp de răspuns: medie 2.99s · total 26.90s · maxim 7.05s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 common.failureReasons.invalid_tool_call: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 5.4 Domain specific: 7.0 General Intelligence: 3.0 Instructions following: 5.5 Puzzle Solving: 3.7 Tool Calling: 10.0
#8	Mercury 2none	Inception	3.4	0.153	$0.007	596ms
Vezi fișa modelului Total teste: 16 Teste greșite: 12 Rată de trecere pe încercare: 31.3% Teste instabile: 2 Tokenuri de ieșire: 1,303 Tokenuri de raționament: 0 Timp de răspuns: medie 596ms · total 9.54s · maxim 1.27s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 5.5 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 5.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#9	GLM 4.7 Flashmedium	Z.ai	3.1	1.040	$0.042	36.84s
Vezi fișa modelului Total teste: 16 Teste greșite: 12 Rată de trecere pe încercare: 41.7% Teste instabile: 7 Tokenuri de ieșire: 38,682 Tokenuri de raționament: 64,952 Timp de răspuns: medie 36.84s · total 331.58s · maxim 174.55s Răspuns greșit: 7 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 common.failureReasons.invalid_tool_call: 1 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 5.0 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 5.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#10	Qwen3.5-27Bnone	Qwen	4.9	0.302	$0.016	1.75s
Vezi fișa modelului Total teste: 16 Teste greșite: 11 Rată de trecere pe încercare: 37.5% Teste instabile: 2 Tokenuri de ieșire: 3,161 Tokenuri de raționament: 0 Timp de răspuns: medie 1.75s · total 28.05s · maxim 9.39s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 5.0 Instructions following: 4.5 Puzzle Solving: 6.3 Tool Calling: 10.0
#11	MiniMax M2.5medium	Minimax	4.7	4.981	$0.250	43.03s
Vezi fișa modelului Total teste: 16 Teste greșite: 11 Rată de trecere pe încercare: 60.4% Teste instabile: 9 Tokenuri de ieșire: 107,044 Tokenuri de raționament: 206,190 Timp de răspuns: medie 43.03s · total 387.25s · maxim 237.27s Răspuns greșit: 5 Nu a urmat instrucțiunile: 3 Timp expirat: 2 common.failureReasons.invalid_tool_call: 1 Anti-AI Tricks: 9.3 Combined: 10.0 Data parsing and extraction: 10.0 Domain specific: 10.0 General Intelligence: 3.0 Instructions following: 8.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#12	Trinity Large Previewnone	Arcee AI	4.2	0.000	$0.000	3.15s
Vezi fișa modelului Total teste: 16 Teste greșite: 11 Rată de trecere pe încercare: 33.3% Teste instabile: 1 Tokenuri de ieșire: 1,837 Tokenuri de raționament: 0 Timp de răspuns: medie 3.15s · total 50.46s · maxim 8.91s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 3.5 Puzzle Solving: 4.0 Tool Calling: 10.0
#13	Kimi K2.5none	Moonshot AI	4.1	0.295	$0.015	11.91s
Vezi fișa modelului Total teste: 16 Teste greșite: 11 Rată de trecere pe încercare: 39.6% Teste instabile: 3 Tokenuri de ieșire: 2,000 Tokenuri de raționament: 0 Timp de răspuns: medie 11.91s · total 107.16s · maxim 42.13s Răspuns greșit: 11 Anti-AI Tricks: 2.7 Combined: 10.0 Data parsing and extraction: 5.4 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 5.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#14	Gemini 2.5 Flashnone	Google	5.2	0.191	$0.012	923ms
Vezi fișa modelului Total teste: 16 Teste greșite: 10 Rată de trecere pe încercare: 43.8% Teste instabile: 2 Tokenuri de ieșire: 1,270 Tokenuri de raționament: 0 Timp de răspuns: medie 923ms · total 14.78s · maxim 4.39s Răspuns greșit: 9 Nu a urmat instrucțiunile: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 5.0 Instructions following: 9.0 Puzzle Solving: 4.7 Tool Calling: 10.0
#15	Qwen3.5-122B-A10Bnone	Qwen	5.0	0.333	$0.020	3.72s
Vezi fișa modelului Total teste: 16 Teste greșite: 10 Rată de trecere pe încercare: 39.6% Teste instabile: 1 Tokenuri de ieșire: 2,679 Tokenuri de raționament: 0 Timp de răspuns: medie 3.72s · total 59.46s · maxim 46.00s Răspuns greșit: 9 Nu a urmat instrucțiunile: 1 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 5.0 Instructions following: 4.5 Puzzle Solving: 4.0 Tool Calling: 10.0
#16	Qwen3.5-35B-A3Bnone	Qwen	4.7	0.237	$0.015	4.10s
Vezi fișa modelului Total teste: 16 Teste greșite: 10 Rată de trecere pe încercare: 50.0% Teste instabile: 3 Tokenuri de ieșire: 3,756 Tokenuri de raționament: 0 Timp de răspuns: medie 4.10s · total 65.62s · maxim 47.43s Răspuns greșit: 8 Nu a urmat instrucțiunile: 2 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 7.0 General Intelligence: 6.0 Instructions following: 5.0 Puzzle Solving: 1.7 Tool Calling: 10.0
#17	GPT-5.4none	OpenAI	4.5	1.562	$0.094	1.48s
Vezi fișa modelului Total teste: 16 Teste greșite: 10 Rată de trecere pe încercare: 41.7% Teste instabile: 2 Tokenuri de ieșire: 1,819 Tokenuri de raționament: 0 Timp de răspuns: medie 1.48s · total 23.64s · maxim 2.89s Răspuns greșit: 9 Nu a urmat instrucțiunile: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 5.5 Puzzle Solving: 4.0 Tool Calling: 10.0
#18	DeepSeek V3.2none	DeepSeek	5.5	0.220	$0.016	12.86s
Vezi fișa modelului Total teste: 16 Teste greșite: 9 Rată de trecere pe încercare: 54.2% Teste instabile: 3 Tokenuri de ieșire: 7,823 Tokenuri de raționament: 0 Timp de răspuns: medie 12.86s · total 205.78s · maxim 115.89s Răspuns greșit: 6 Formatare suplimentară: 2 common.failureReasons.invalid_tool_call: 1 Anti-AI Tricks: 10.0 Combined: 8.0 Data parsing and extraction: 5.4 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 7.7 Tool Calling: 10.0
#19	GPT-5 Nanomedium	OpenAI	5.5	0.856	$0.060	47.94s
Vezi fișa modelului Total teste: 16 Teste greșite: 9 Rată de trecere pe încercare: 60.4% Teste instabile: 6 Tokenuri de ieșire: 4,386 Tokenuri de raționament: 142,080 Timp de răspuns: medie 47.94s · total 431.47s · maxim 204.02s Răspuns greșit: 5 Nu a urmat instrucțiunile: 3 Timp expirat: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 10.0 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 9.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#20	Mercury 2medium	Inception	5.3	0.631	$0.045	2.36s
Vezi fișa modelului Total teste: 16 Teste greșite: 9 Rată de trecere pe încercare: 54.2% Teste instabile: 3 Tokenuri de ieșire: 3,708 Tokenuri de raționament: 45,921 Timp de răspuns: medie 2.36s · total 35.39s · maxim 14.63s Răspuns greșit: 5 Nu a urmat instrucțiunile: 4 Anti-AI Tricks: 7.3 Combined: 10.0 Data parsing and extraction: 5.5 Domain specific: 10.0 General Intelligence: 4.0 Instructions following: 10.0 Puzzle Solving: 1.7 Tool Calling: 10.0
#21	Qwen3.5-Flashnone	Qwen	5.2	0.077	$0.006	3.54s
Vezi fișa modelului Total teste: 16 Teste greșite: 9 Rată de trecere pe încercare: 45.8% Teste instabile: 1 Tokenuri de ieșire: 3,774 Tokenuri de raționament: 0 Timp de răspuns: medie 3.54s · total 56.70s · maxim 13.73s Răspuns greșit: 8 Nu a urmat instrucțiunile: 1 Anti-AI Tricks: 2.3 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 7.0 General Intelligence: 10.0 Instructions following: 5.0 Puzzle Solving: 1.3 Tool Calling: 10.0
#22	gpt-oss-120bmedium	OpenAI	5.1	0.135	$0.010	16.65s
Vezi fișa modelului Total teste: 16 Teste greșite: 9 Rată de trecere pe încercare: 54.2% Teste instabile: 5 Tokenuri de ieșire: 13,210 Tokenuri de raționament: 34,230 Timp de răspuns: medie 16.65s · total 149.88s · maxim 50.92s Răspuns greșit: 5 Nu a urmat instrucțiunile: 4 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 5.5 Domain specific: 10.0 General Intelligence: 3.0 Instructions following: 9.5 Puzzle Solving: 1.7 Tool Calling: 9.0
#23	GPT-5 Minimedium	OpenAI	6.0	1.457	$0.117	25.14s
Vezi fișa modelului Total teste: 16 Teste greșite: 8 Rată de trecere pe încercare: 58.3% Teste instabile: 2 Tokenuri de ieșire: 5,826 Tokenuri de raționament: 48,768 Timp de răspuns: medie 25.14s · total 402.29s · maxim 88.15s Nu a urmat instrucțiunile: 4 Răspuns greșit: 3 Timp expirat: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 4.0 Instructions following: 7.5 Puzzle Solving: 4.3 Tool Calling: 10.0
#24	Qwen3.5-35B-A3Bmedium	Qwen	5.5	4.251	$0.341	43.93s
Vezi fișa modelului Total teste: 16 Teste greșite: 8 Rată de trecere pe încercare: 77.1% Teste instabile: 7 Tokenuri de ieșire: 5,495 Tokenuri de raționament: 169,266 Timp de răspuns: medie 43.93s · total 702.85s · maxim 106.00s Timp expirat: 4 Răspuns greșit: 2 Eroare API: 1 Fără răspuns: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 5.5 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#25	Kimi K2.5medium	Moonshot AI	6.4	2.171	$0.196	69.83s
Vezi fișa modelului Total teste: 16 Teste greșite: 7 Rată de trecere pe încercare: 72.9% Teste instabile: 5 Tokenuri de ieșire: 38,453 Tokenuri de raționament: 72,496 Timp de răspuns: medie 69.83s · total 628.45s · maxim 137.29s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Timp expirat: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 6.0 Instructions following: 10.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#26	Qwen3.5 Plus 2026-02-15none	Qwen	6.2	0.172	$0.016	2.65s
Vezi fișa modelului Total teste: 16 Teste greșite: 7 Rată de trecere pe încercare: 58.3% Teste instabile: 1 Tokenuri de ieșire: 2,015 Tokenuri de raționament: 0 Timp de răspuns: medie 2.65s · total 26.52s · maxim 6.65s Răspuns greșit: 7 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#27	Grok 4.1 Fastmedium	X AI	6.2	0.563	$0.051	26.35s
Vezi fișa modelului Total teste: 16 Teste greșite: 7 Rată de trecere pe încercare: 66.7% Teste instabile: 4 Tokenuri de ieșire: 1,183 Tokenuri de raționament: 83,875 Timp de răspuns: medie 26.35s · total 237.11s · maxim 121.79s Nu a urmat instrucțiunile: 3 Răspuns greșit: 2 Fără răspuns: 1 Timp expirat: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 5.5 Puzzle Solving: 4.0 Tool Calling: 10.0
#28	GLM 5none	Z.ai	6.0	0.200	$0.018	4.03s
Vezi fișa modelului Total teste: 16 Teste greșite: 7 Rată de trecere pe încercare: 56.3% Teste instabile: 0 Tokenuri de ieșire: 1,548 Tokenuri de raționament: 0 Timp de răspuns: medie 4.03s · total 36.30s · maxim 11.07s Răspuns greșit: 7 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#29	Step 3.5 Flashmedium	Stepfun	7.4	0.000	$0.000	29.10s
Vezi fișa modelului Total teste: 16 Teste greșite: 6 Rată de trecere pe încercare: 68.8% Teste instabile: 2 Tokenuri de ieșire: 71,452 Tokenuri de raționament: 155,147 Timp de răspuns: medie 29.10s · total 290.96s · maxim 170.45s Nu a urmat instrucțiunile: 3 Răspuns greșit: 3 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 10.0 Domain specific: 4.0 General Intelligence: 6.0 Instructions following: 9.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#30	GPT-5.3 Chatnone	OpenAI	7.3	3.163	$0.317	5.96s
Vezi fișa modelului Total teste: 16 Teste greșite: 6 Rată de trecere pe încercare: 70.8% Teste instabile: 3 Tokenuri de ieșire: 19,272 Tokenuri de raționament: 0 Timp de răspuns: medie 5.96s · total 95.30s · maxim 18.33s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Anti-AI Tricks: 7.3 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 4.0 Instructions following: 9.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#31	Gemini 3.1 Flash Lite Previewnone	Google	7.1	0.144	$0.015	1.33s
Vezi fișa modelului Total teste: 16 Teste greșite: 6 Rată de trecere pe încercare: 66.7% Teste instabile: 1 Tokenuri de ieșire: 4,715 Tokenuri de raționament: 0 Timp de răspuns: medie 1.33s · total 21.27s · maxim 3.39s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Anti-AI Tricks: 6.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#32	Seed-2.0-Minimedium	Bytedance Seed	6.9	0.280	$0.028	65.09s
Vezi fișa modelului Total teste: 16 Teste greșite: 6 Rată de trecere pe încercare: 68.8% Teste instabile: 2 Tokenuri de ieșire: 1,965 Tokenuri de raționament: 58,456 Timp de răspuns: medie 65.09s · total 846.14s · maxim 262.83s Timp expirat: 4 Nu a urmat instrucțiunile: 1 Răspuns greșit: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 6.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#33	Qwen3.5-Flashmedium	Qwen	6.9	0.720	$0.072	70.81s
Vezi fișa modelului Total teste: 16 Teste greșite: 6 Rată de trecere pe încercare: 81.3% Teste instabile: 5 Tokenuri de ieșire: 1,807 Tokenuri de raționament: 169,952 Timp de răspuns: medie 70.81s · total 1132.90s · maxim 234.29s Timp expirat: 3 Eroare API: 1 Nu a urmat instrucțiunile: 1 Răspuns greșit: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 5.5 Domain specific: 4.0 General Intelligence: 5.0 Instructions following: 10.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#34	Claude Sonnet 4.6none	Anthropic	6.8	2.504	$0.251	5.57s
Vezi fișa modelului Total teste: 16 Teste greșite: 6 Rată de trecere pe încercare: 66.7% Teste instabile: 1 Tokenuri de ieșire: 6,895 Tokenuri de raționament: 0 Timp de răspuns: medie 5.57s · total 50.12s · maxim 23.84s Formatare suplimentară: 3 Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Anti-AI Tricks: 4.0 Combined: 9.0 Data parsing and extraction: 9.9 Domain specific: 7.0 General Intelligence: 5.0 Instructions following: 5.5 Puzzle Solving: 7.0 Tool Calling: 10.0
#35	Claude Opus 4.6medium	Anthropic	6.6	13.118	$1.312	22.86s
Vezi fișa modelului Total teste: 16 Teste greșite: 6 Rată de trecere pe încercare: 66.7% Teste instabile: 2 Tokenuri de ieșire: 26,254 Tokenuri de raționament: 17,363 Timp de răspuns: medie 22.86s · total 205.71s · maxim 83.40s Formatare suplimentară: 4 Răspuns greșit: 2 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#36	GPT-5.2medium	OpenAI	6.5	3.125	$0.313	15.33s
Vezi fișa modelului Total teste: 16 Teste greșite: 6 Rată de trecere pe încercare: 75.0% Teste instabile: 4 Tokenuri de ieșire: 2,220 Tokenuri de raționament: 16,811 Timp de răspuns: medie 15.33s · total 138.01s · maxim 77.80s Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Timp expirat: 1 Răspuns greșit: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 9.5 Puzzle Solving: 7.0 Tool Calling: 10.0
#37	Gemini 3.1 Flash Lite Previewmedium	Google	7.5	0.443	$0.049	3.83s
Vezi fișa modelului Total teste: 16 Teste greșite: 5 Rată de trecere pe încercare: 68.8% Teste instabile: 0 Tokenuri de ieșire: 1,731 Tokenuri de raționament: 25,821 Timp de răspuns: medie 3.83s · total 61.25s · maxim 14.93s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Anti-AI Tricks: 9.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#38	GLM 5medium	Z.ai	7.4	0.933	$0.103	16.16s
Vezi fișa modelului Total teste: 16 Teste greșite: 5 Rată de trecere pe încercare: 83.3% Teste instabile: 4 Tokenuri de ieșire: 19,773 Tokenuri de raționament: 36,459 Timp de răspuns: medie 16.16s · total 129.26s · maxim 28.96s Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Timp expirat: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 5.0 Domain specific: 10.0 General Intelligence: 5.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#39	GPT-5.2 Chatnone	OpenAI	7.4	2.440	$0.269	7.03s
Vezi fișa modelului Total teste: 16 Teste greșite: 5 Rată de trecere pe încercare: 75.0% Teste instabile: 2 Tokenuri de ieșire: 15,845 Tokenuri de raționament: 0 Timp de răspuns: medie 7.03s · total 112.51s · maxim 38.52s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 6.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#40	Gemini 2.5 Flashmedium	Google	7.4	2.619	$0.288	12.35s
Vezi fișa modelului Total teste: 16 Teste greșite: 5 Rată de trecere pe încercare: 72.9% Teste instabile: 1 Tokenuri de ieșire: 1,370 Tokenuri de raționament: 110,522 Timp de răspuns: medie 12.35s · total 197.62s · maxim 95.48s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Anti-AI Tricks: 7.3 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 9.5 Puzzle Solving: 7.0 Tool Calling: 10.0
#41	Gemini 3.1 Flash Lite Previewlow	Google	7.3	0.177	$0.020	3.36s
Vezi fișa modelului Total teste: 16 Teste greșite: 5 Rată de trecere pe încercare: 68.8% Teste instabile: 0 Tokenuri de ieșire: 1,611 Tokenuri de raționament: 7,272 Timp de răspuns: medie 3.36s · total 53.84s · maxim 11.91s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#42	DeepSeek V3.2medium	DeepSeek	7.3	0.225	$0.025	39.48s
Vezi fișa modelului Total teste: 16 Teste greșite: 5 Rată de trecere pe încercare: 79.2% Teste instabile: 3 Tokenuri de ieșire: 7,392 Tokenuri de raționament: 39,089 Timp de răspuns: medie 39.48s · total 631.71s · maxim 93.11s Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#43	Gemini 3 Flash Previewnone	Google	7.2	0.169	$0.019	1.75s
Vezi fișa modelului Total teste: 16 Teste greșite: 5 Rată de trecere pe încercare: 75.0% Teste instabile: 2 Tokenuri de ieșire: 1,411 Tokenuri de raționament: 0 Timp de răspuns: medie 1.75s · total 15.71s · maxim 3.56s Răspuns greșit: 5 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 7.0 General Intelligence: 10.0 Instructions following: 5.5 Puzzle Solving: 7.0 Tool Calling: 10.0
#44	MiMo-V2-Flashmedium	Xiaomi	7.2	0.316	$0.035	25.33s
Vezi fișa modelului Total teste: 16 Teste greșite: 5 Rată de trecere pe încercare: 72.9% Teste instabile: 1 Tokenuri de ieșire: 11,613 Tokenuri de raționament: 106,714 Timp de răspuns: medie 25.33s · total 253.33s · maxim 96.01s Răspuns greșit: 3 Eroare API: 1 Nu a urmat instrucțiunile: 1 Anti-AI Tricks: 9.7 Combined: 9.0 Data parsing and extraction: 5.5 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#45	GPT-5.3-Codexmedium	OpenAI	8.4	4.485	$0.539	16.59s
Vezi fișa modelului Total teste: 16 Teste greșite: 4 Rată de trecere pe încercare: 83.3% Teste instabile: 2 Tokenuri de ieșire: 1,764 Tokenuri de raționament: 33,348 Timp de răspuns: medie 16.59s · total 265.39s · maxim 100.93s Nu a urmat instrucțiunile: 2 Răspuns greșit: 2 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 10.0 Puzzle Solving: 9.3 Tool Calling: 10.0
#46	Qwen3.5-27Bmedium	Qwen	8.2	3.585	$0.431	52.13s
Vezi fișa modelului Total teste: 16 Teste greșite: 4 Rată de trecere pe încercare: 81.3% Teste instabile: 2 Tokenuri de ieșire: 1,658 Tokenuri de raționament: 200,786 Timp de răspuns: medie 52.13s · total 834.16s · maxim 163.96s Nu a urmat instrucțiunile: 2 Timp expirat: 1 Răspuns greșit: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 5.0 Instructions following: 10.0 Puzzle Solving: 8.3 Tool Calling: 10.0
#47	Gemini 3.1 Flash Lite Previewhigh	Google	8.2	19.243	$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 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 9.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#48	GPT-5.4medium	OpenAI	8.0	6.601	$0.793	20.05s
Vezi fișa modelului Total teste: 16 Teste greșite: 4 Rată de trecere pe încercare: 83.3% Teste instabile: 3 Tokenuri de ieșire: 1,756 Tokenuri de raționament: 46,642 Timp de răspuns: medie 20.05s · total 320.87s · maxim 100.41s Nu a urmat instrucțiunile: 2 Răspuns greșit: 2 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 5.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#49	Qwen3.5-122B-A10Bmedium	Qwen	7.7	4.095	$0.492	29.74s
Vezi fișa modelului Total teste: 16 Teste greșite: 4 Rată de trecere pe încercare: 79.2% Teste instabile: 2 Tokenuri de ieșire: 17,292 Tokenuri de raționament: 145,625 Timp de răspuns: medie 29.74s · total 475.83s · maxim 119.29s Răspuns greșit: 3 Timp expirat: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#50	Claude Sonnet 4.6medium	Anthropic	7.7	8.525	$1.023	11.23s
Vezi fișa modelului Total teste: 16 Teste greșite: 4 Rată de trecere pe încercare: 77.1% Teste instabile: 1 Tokenuri de ieșire: 35,159 Tokenuri de raționament: 24,687 Timp de răspuns: medie 11.23s · total 89.84s · maxim 46.35s Formatare suplimentară: 2 Timp expirat: 1 Răspuns greșit: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#51	Qwen3.5 Plus 2026-02-15medium	Qwen	8.3	1.264	$0.165	34.45s
Vezi fișa modelului Total teste: 16 Teste greșite: 3 Rată de trecere pe încercare: 85.4% Teste instabile: 1 Tokenuri de ieșire: 1,735 Tokenuri de raționament: 77,212 Timp de răspuns: medie 34.45s · total 310.09s · maxim 79.86s Timp expirat: 2 Răspuns greșit: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#52	Gemini 3 Flash Previewlow	Google	8.2	0.607	$0.079	6.11s
Vezi fișa modelului Total teste: 16 Teste greșite: 3 Rată de trecere pe încercare: 83.3% Teste instabile: 1 Tokenuri de ieșire: 1,586 Tokenuri de raționament: 19,950 Timp de răspuns: medie 6.11s · total 97.74s · maxim 14.72s Răspuns greșit: 3 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 9.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#53	Gemini 3 Pro Previewmedium	Google	8.2	1.477	$0.192	7.15s
Vezi fișa modelului Total teste: 16 Teste greșite: 3 Rată de trecere pe încercare: 81.3% Teste instabile: 0 Tokenuri de ieșire: 1,502 Tokenuri de raționament: 9,706 Timp de răspuns: medie 7.15s · total 64.34s · maxim 11.96s Răspuns greșit: 3 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 9.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#54	Gemini 3.1 Pro Previewmedium	Google	9.4	3.417	$0.513	16.60s
Vezi fișa modelului Total teste: 16 Teste greșite: 1 Rată de trecere pe încercare: 93.8% Teste instabile: 0 Tokenuri de ieșire: 1,521 Tokenuri de raționament: 35,656 Timp de răspuns: medie 16.60s · total 149.36s · maxim 40.61s Răspuns greșit: 1 Anti-AI Tricks: 10.0 Combined: 9.0 Data parsing and extraction: 9.9 Domain specific: 7.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#55	Gemini 3 Flash Previewmedium	Google	10.0	1.025	$0.164	12.36s
Vezi fișa modelului Total teste: 16 Teste greșite: 0 Rată de trecere pe încercare: 100.0% Teste instabile: 0 Tokenuri de ieșire: 1,634 Tokenuri de raționament: 47,907 Timp de răspuns: medie 12.36s · total 111.21s · maxim 50.16s Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0

Comparație rapidă