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: 2026-09-04 Modele evaluate: 316

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 $0.065 / 1M Preț de ieșire $0.180 / 1M Scor 8.0/10

316/316

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#181#181	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Vezi fișa modelului Total teste 21 Teste greșite 9 Fiabilitate 9.6 Rată de trecere pe încercare 69.7% Teste instabile 5 Tokenuri de intrare 40,961 Tokenuri de ieșire 2,518 Tokenuri de raționament 81,801 Timp de răspuns (mediu) 22.16s Timp de răspuns (total) 443.22s Timp de răspuns (maxim) 136.29s Răspuns greșit: 5 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 6.0 Combinat : 2.3 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#231#231	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.65s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 9.6 Rată de trecere pe încercare 45.5% Teste instabile 3 Tokenuri de intrare 51,369 Tokenuri de ieșire 8,008 Tokenuri de raționament 58,568 Timp de răspuns (mediu) 8.65s Timp de răspuns (total) 190.35s Timp de răspuns (maxim) 48.19s Răspuns greșit: 10 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Trucuri anti-AI : 8.7 Programare : 3.6 Combinat : 6.5 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 3.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#271#271	Ling-2.6-flashnone	4.9	Inclusionai	$0.002 ↑	10.71s
Vezi fișa modelului Total teste 22 Teste greșite 16 Fiabilitate 9.6 Rată de trecere pe încercare 30.3% Teste instabile 2 Tokenuri de intrare 114,384 Tokenuri de ieșire 14,903 Tokenuri de raționament 0 Timp de răspuns (mediu) 10.71s Timp de răspuns (total) 214.28s Timp de răspuns (maxim) 36.03s Răspuns greșit: 9 Apel de instrument invalid: 3 Eroare API: 2 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 6.8 Programare : 5.3 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 : 2.9 Apelare instrumente : 3.0 Cultură generală : 3.0
#307#307	Ling 3.0 Tinylow	3.8	Inclusionai	$0.000	66.16s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 9.6 Rată de trecere pe încercare 19.7% Teste instabile 1 Tokenuri de intrare 99,662 Tokenuri de ieșire 146,555 Tokenuri de raționament 732,977 Timp de răspuns (mediu) 66.16s Timp de răspuns (total) 1389.33s Timp de răspuns (maxim) 252.08s Fără răspuns: 7 Răspuns greșit: 5 Nu a urmat instrucțiunile: 4 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 6.5 Programare : 2.9 Combinat : 3.0 Parsare și extragere de date : 2.8 Specific domeniului : 3.0 Inteligență generală : 5.1 Respectarea instrucțiunilor : 6.6 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#310#310	Ling 3.0 Tinymedium	3.8	Inclusionai	$0.000	68.08s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 9.6 Rată de trecere pe încercare 24.2% Teste instabile 3 Tokenuri de intrare 103,898 Tokenuri de ieșire 148,304 Tokenuri de raționament 774,972 Timp de răspuns (mediu) 68.08s Timp de răspuns (total) 1429.66s Timp de răspuns (maxim) 262.20s Fără răspuns: 7 Răspuns greșit: 5 Nu a urmat instrucțiunile: 4 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 6.5 Programare : 2.9 Combinat : 3.0 Parsare și extragere de date : 2.7 Specific domeniului : 3.0 Inteligență generală : 3.8 Respectarea instrucțiunilor : 6.8 Rezolvare de puzzle-uri : 3.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#3🥉 #3	GPT-6 Astramax	9.9	OpenAI	$3.803	61.27s
Vezi fișa modelului Total teste 22 Teste greșite 1 Fiabilitate 9.5 Rată de trecere pe încercare 95.5% Teste instabile 0 Tokenuri de intrare 79,058 Tokenuri de ieșire 4,853 Tokenuri de raționament 55,377 Timp de răspuns (mediu) 61.27s Timp de răspuns (total) 1347.96s Timp de răspuns (maxim) 960.01s Timp expirat: 1 Trucuri anti-AI : 10.0 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 Cultură generală : 10.0
#78#78	GLM 5.2medium	7.8	Z.ai	$0.224 ↓	23.28s
Vezi fișa modelului Total teste 21 Teste greșite 6 Fiabilitate 9.5 Rată de trecere pe încercare 80.3% Teste instabile 4 Tokenuri de intrare 37,199 Tokenuri de ieșire 12,261 Tokenuri de raționament 49,500 Timp de răspuns (mediu) 23.28s Timp de răspuns (total) 488.94s Timp de răspuns (maxim) 101.36s Răspuns greșit: 3 Fără răspuns: 2 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 8.2 Combinat : 5.0 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#61#61	Qwen3.8 2.4T A95Blow	8.1	Qwen	$2.672	118.97s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 9.4 Rată de trecere pe încercare 72.7% Teste instabile 2 Tokenuri de intrare 113,279 Tokenuri de ieșire 121,045 Tokenuri de raționament 374,496 Timp de răspuns (mediu) 118.97s Timp de răspuns (total) 2617.41s Timp de răspuns (maxim) 534.21s Răspuns greșit: 4 Fără răspuns: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 7.8 Combinat : 8.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.2 Inteligență generală : 6.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#110#110	Qwen3.8 2.4T A95Bhigh	7.4	Qwen	$2.357	120.59s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 9.4 Rată de trecere pe încercare 74.2% Teste instabile 4 Tokenuri de intrare 108,931 Tokenuri de ieșire 112,801 Tokenuri de raționament 343,227 Timp de răspuns (mediu) 120.59s Timp de răspuns (total) 2653.05s Timp de răspuns (maxim) 532.28s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 5.9 Combinat : 6.9 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 6.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#272#272	Nemotron 3 Supernone	4.8	NVIDIA	$0.008 ↑	6.04s
Vezi fișa modelului Total teste 22 Teste greșite 17 Fiabilitate 9.2 Rată de trecere pe încercare 27.3% Teste instabile 2 Tokenuri de intrare 63,528 Tokenuri de ieșire 6,432 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.04s Timp de răspuns (total) 132.96s Timp de răspuns (maxim) 20.00s Răspuns greșit: 15 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 3.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.6 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 4.7 Cultură generală : 3.0
#217#217	Nemotron 3 Supermedium	5.7	NVIDIA	$0.050 ↑	52.31s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 9.1 Rată de trecere pe încercare 40.9% Teste instabile 3 Tokenuri de intrare 81,438 Tokenuri de ieșire 17,674 Tokenuri de raționament 97,900 Timp de răspuns (mediu) 52.31s Timp de răspuns (total) 1046.21s Timp de răspuns (maxim) 431.98s Răspuns greșit: 5 Eroare API: 4 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 8.3 Programare : 3.1 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.1 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#71#71	Kimi K3max	7.9	Moonshot AI	$3.467	142.84s
Vezi fișa modelului Total teste 22 Teste greșite 6 Fiabilitate 9.0 Rată de trecere pe încercare 77.3% Teste instabile 2 Tokenuri de intrare 34,960 Tokenuri de ieșire 2,887 Tokenuri de raționament 221,241 Timp de răspuns (mediu) 142.84s Timp de răspuns (total) 2714.02s Timp de răspuns (maxim) 766.58s Eroare API: 2 Fără răspuns: 2 Formatare suplimentară: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 6.5 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#258#258	Granite 4.2 8Blow	5.1	IBM Granite	$0.012	54.36s
Vezi fișa modelului Total teste 22 Teste greșite 15 Fiabilitate 9.0 Rată de trecere pe încercare 31.8% Teste instabile 0 Tokenuri de intrare 74,721 Tokenuri de ieșire 9,205 Tokenuri de raționament 18,723 Timp de răspuns (mediu) 54.36s Timp de răspuns (total) 1195.97s Timp de răspuns (maxim) 566.80s Răspuns greșit: 10 Timp expirat: 3 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 3.0 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#138#138	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
#254#254	Granite 4.2 8Bmedium	5.2	IBM Granite	$0.009	45.97s
Vezi fișa modelului Total teste 22 Teste greșite 15 Fiabilitate 8.7 Rată de trecere pe încercare 34.9% Teste instabile 1 Tokenuri de intrare 52,909 Tokenuri de ieșire 7,058 Tokenuri de raționament 12,272 Timp de răspuns (mediu) 45.97s Timp de răspuns (total) 1011.42s Timp de răspuns (maxim) 557.96s Răspuns greșit: 9 Timp expirat: 4 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 8.4 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 3.8 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#263#263	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 8.7 Rată de trecere pe încercare 18.2% Teste instabile 0 Tokenuri de intrare 130,501 Tokenuri de ieșire 26,786 Tokenuri de raționament 0 Timp de răspuns (mediu) 29.95s Timp de răspuns (total) 658.83s Timp de răspuns (maxim) 159.85s Răspuns greșit: 12 Formatare suplimentară: 2 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 2 Trucuri anti-AI : 3.0 Programare : 3.9 Combinat : 3.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 3.9 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.5 Apelare instrumente : 9.5 Cultură generală : 3.0
#143#143	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
#248#248	Seed-2.0-Codenone	5.3	Bytedance Seed	$0.151	14.67s
Vezi fișa modelului Total teste 22 Teste greșite 16 Fiabilitate 8.6 Rată de trecere pe încercare 36.4% Teste instabile 5 Tokenuri de intrare 159,749 Tokenuri de ieșire 23,433 Tokenuri de raționament 0 Timp de răspuns (mediu) 14.67s Timp de răspuns (total) 322.71s Timp de răspuns (maxim) 132.84s Răspuns greșit: 11 Formatare suplimentară: 2 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Trucuri anti-AI : 3.0 Programare : 3.6 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#294#294	GLM 4.7 Flashmedium	4.3	Z.ai	$0.168	134.34s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 8.6 Rată de trecere pe încercare 31.8% Teste instabile 8 Tokenuri de intrare 79,104 Tokenuri de ieșire 42,254 Tokenuri de raționament 377,280 Timp de răspuns (mediu) 134.34s Timp de răspuns (total) 2015.13s Timp de răspuns (maxim) 1539.97s Răspuns greșit: 9 Fără răspuns: 3 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 2 Timp expirat: 2 Trucuri anti-AI : 4.7 Programare : 3.2 Combinat : 2.9 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 Cultură generală : 3.0
#296#296	Granite 4.2 8Bnone	4.3	IBM Granite	$0.026	86.27s
Vezi fișa modelului Total teste 22 Teste greșite 19 Fiabilitate 8.6 Rată de trecere pe încercare 16.7% Teste instabile 2 Tokenuri de intrare 57,786 Tokenuri de ieșire 130,805 Tokenuri de raționament 0 Timp de răspuns (mediu) 86.27s Timp de răspuns (total) 1897.96s Timp de răspuns (maxim) 747.17s Răspuns greșit: 11 Formatare suplimentară: 4 Timp expirat: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.9 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 2.9 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 3.0 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#86#86	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 8.5 Rată de trecere pe încercare 77.3% Teste instabile 6 Tokenuri de intrare 85,657 Tokenuri de ieșire 8,142 Tokenuri de raționament 233,167 Timp de răspuns (mediu) 72.24s Timp de răspuns (total) 1589.31s Timp de răspuns (maxim) 485.92s Răspuns greșit: 6 Eroare API: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.7 Programare : 7.0 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 6.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 9.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#216#216	North Mini Codemedium	5.7	Cohere	$0.000	141.99s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 8.5 Rată de trecere pe încercare 43.9% Teste instabile 4 Tokenuri de intrare 81,742 Tokenuri de ieșire 423,884 Tokenuri de raționament 1,340,907 Timp de răspuns (mediu) 141.99s Timp de răspuns (total) 3123.87s Timp de răspuns (maxim) 786.72s Răspuns greșit: 9 Formatare suplimentară: 2 Eroare API: 1 Apel de instrument invalid: 1 Timp expirat: 1 Trucuri anti-AI : 8.4 Programare : 4.5 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 3.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#134#134	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
#287#287	Granite 4.2 8Bhigh	4.6	IBM Granite	$0.084	235.89s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 7.6 Rată de trecere pe încercare 39.4% Teste instabile 10 Tokenuri de intrare 43,278 Tokenuri de ieșire 181,083 Tokenuri de raționament 431,132 Timp de răspuns (mediu) 235.89s Timp de răspuns (total) 5189.64s Timp de răspuns (maxim) 685.87s Timp expirat: 10 Răspuns greșit: 6 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 6.9 Programare : 3.8 Combinat : 5.0 Parsare și extragere de date : 3.8 Specific domeniului : 2.9 Inteligență generală : 5.5 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 2.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#147#147	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

Tendințe globale ale benchmarkului

Vezi cum echilibrează modelele actuale scorul, costul, viteza, lungimea răspunsului și performanța pe categorii.

Grafice →

Frontiera Pareto: inteligență vs cost

Evoluția celui mai bun scor al companiilor de top

Frontiera Pareto: inteligență vs viteza de răspuns

Frontiera Pareto: scor vs tokenuri de ieșire

Dificultatea categoriilor între modele

Comparație rapidă

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium