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: 2026-06-03 Modele evaluate: 161

161/161

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#5#5	Qwen3.7 Maxmedium	9.0	Qwen	$0.471 ↓	13.83s
Vezi fișa modelului Total teste 20 Teste greșite 3 Fiabilitate 10.0 Rată de trecere pe încercare 88.3% Teste instabile 1 Tokenuri de intrare 39,525 Tokenuri de ieșire 2,109 Tokenuri de raționament 110,285 Timp de răspuns (mediu) 13.83s Timp de răspuns (total) 276.53s Timp de răspuns (maxim) 33.37s Răspuns greșit: 3 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#73#73	Grok 4.20medium	7.0	X AI	$0.450 ↓	19.08s
Vezi fișa modelului Total teste 20 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 61.7% Teste instabile 3 Tokenuri de intrare 41,511 Tokenuri de ieșire 1,816 Tokenuri de raționament 157,251 Timp de răspuns (mediu) 19.08s Timp de răspuns (total) 381.60s Timp de răspuns (maxim) 105.80s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Trucuri anti-AI : 8.2 Programare : 4.4 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 3.9 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 3.0 Cultură generală : 3.0
#57#57	GLM 5V Turbomedium	7.4	Z.ai	$0.407	20.21s
Vezi fișa modelului Total teste 20 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 68.3% Teste instabile 5 Tokenuri de intrare 42,017 Tokenuri de ieșire 2,334 Tokenuri de raționament 86,653 Timp de răspuns (mediu) 20.21s Timp de răspuns (total) 404.14s Timp de răspuns (maxim) 95.88s Răspuns greșit: 6 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 7.2 Programare : 6.8 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 Cultură generală : 3.0
#53#53	GPT-5.3 Chatnone	7.4	OpenAI	$0.402	6.13s
Vezi fișa modelului Total teste 20 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 68.3% Teste instabile 4 Tokenuri de intrare 31,590 Tokenuri de ieșire 24,757 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.13s Timp de răspuns (total) 122.61s Timp de răspuns (maxim) 18.33s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 6.7 Programare : 6.9 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 4.6 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#31#31	Gemini 3 PRO Previewmedium	7.9	Google	$0.385 ↑	9.05s
Vezi fișa modelului Total teste 20 Teste greșite 6 Fiabilitate N/D Rată de trecere pe încercare 70.0% Teste instabile 0 Tokenuri de intrare 28,848 Tokenuri de ieșire 1,490 Tokenuri de raționament 10,102 Timp de răspuns (mediu) 9.05s Timp de răspuns (total) 90.53s Timp de răspuns (maxim) 26.24s Eroare API: 3 Răspuns greșit: 3 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 Cultură generală : 3.0
#84#84	Qwen3.6 27Bmedium	6.6	Qwen	$0.380 ↑	57.79s
Vezi fișa modelului Total teste 20 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 58.3% Teste instabile 5 Tokenuri de intrare 36,541 Tokenuri de ieșire 12,981 Tokenuri de raționament 105,822 Timp de răspuns (mediu) 57.79s Timp de răspuns (total) 1155.83s Timp de răspuns (maxim) 168.22s Răspuns greșit: 6 Fără răspuns: 3 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.3 Programare : 6.6 Combinat : 7.0 Parsare și extragere de date : 3.5 Specific domeniului : 2.9 Inteligență generală : 6.5 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#63#63	Qwen3.5-35B-A3Bmedium	7.3	Qwen	$0.368 ↓	69.66s
Vezi fișa modelului Total teste 20 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 73.3% Teste instabile 6 Tokenuri de intrare 40,306 Tokenuri de ieșire 31,242 Tokenuri de raționament 330,546 Timp de răspuns (mediu) 69.66s Timp de răspuns (total) 1393.17s Timp de răspuns (maxim) 409.98s Timp expirat: 4 Fără răspuns: 2 Răspuns greșit: 2 Eroare API: 1 Trucuri anti-AI : 10.0 Programare : 6.5 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 : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#37#37	Gemini 2.5 Flashmedium	7.7	Google	$0.358	15.57s
Vezi fișa modelului Total teste 20 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 68.3% Teste instabile 1 Tokenuri de intrare 31,473 Tokenuri de ieșire 1,924 Tokenuri de raționament 137,255 Timp de răspuns (mediu) 15.57s Timp de răspuns (total) 311.47s Timp de răspuns (maxim) 95.48s Răspuns greșit: 6 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.4 Programare : 6.6 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 Cultură generală : 3.0
#30#30	GPT-5.2 Chatnone	7.9	OpenAI	$0.352	6.82s
Vezi fișa modelului Total teste 20 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 73.3% Teste instabile 3 Tokenuri de intrare 31,593 Tokenuri de ieșire 21,144 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.82s Timp de răspuns (total) 136.34s Timp de răspuns (maxim) 38.52s Răspuns greșit: 6 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.7 Programare : 8.2 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.4 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#28#28	Step 3.7 Flashmedium	7.9	Stepfun	$0.347	18.32s
Vezi fișa modelului Total teste 20 Teste greșite 7 Fiabilitate 9.9 Rată de trecere pe încercare 71.7% Teste instabile 2 Tokenuri de intrare 37,338 Tokenuri de ieșire 294,481 Tokenuri de raționament 0 Timp de răspuns (mediu) 18.32s Timp de răspuns (total) 366.45s Timp de răspuns (maxim) 113.98s Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 8.2 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 4.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#56#56	Step 3.7 Flashlow	7.4	Stepfun	$0.336	16.06s
Vezi fișa modelului Total teste 20 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 68.3% Teste instabile 3 Tokenuri de intrare 37,458 Tokenuri de ieșire 285,209 Tokenuri de raționament 0 Timp de răspuns (mediu) 16.06s Timp de răspuns (total) 321.11s Timp de răspuns (maxim) 124.75s Răspuns greșit: 7 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 3.4 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#46#46	Mimo V2 PROmedium	7.6	Xiaomi	$0.333 ↑	22.16s
Vezi fișa modelului Total teste 20 Teste greșite 8 Fiabilitate 9.6 Rată de trecere pe încercare 76.7% 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 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 7.5 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 : 6.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#72#72	Claude Sonnet 4.6none	7.0	Anthropic	$0.306	5.27s
Vezi fișa modelului Total teste 20 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 58.3% Teste instabile 1 Tokenuri de intrare 54,721 Tokenuri de ieșire 9,450 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.27s Timp de răspuns (total) 68.50s Timp de răspuns (maxim) 23.84s Formatare suplimentară: 4 Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.8 Programare : 6.8 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 Cultură generală : 3.0
#125#125	MiniMax M2.5medium	5.5	Minimax	$0.294 ↓	49.87s
Vezi fișa modelului Total teste 20 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 48.3% Teste instabile 9 Tokenuri de intrare 41,948 Tokenuri de ieșire 109,492 Tokenuri de raționament 251,674 Timp de răspuns (mediu) 49.87s Timp de răspuns (total) 598.39s Timp de răspuns (maxim) 237.27s Răspuns greșit: 7 Timp expirat: 4 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 7.9 Programare : 3.5 Combinat : 4.5 Parsare și extragere de date : 4.6 Specific domeniului : 2.9 Inteligență generală : 3.8 Respectarea instrucțiunilor : 7.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#48#48	Qwen3.5 Plus 2026-04-20medium	7.5	Qwen	$0.287 ↓	43.65s
Vezi fișa modelului Total teste 20 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 65.0% Teste instabile 2 Tokenuri de intrare 39,262 Tokenuri de ieșire 2,259 Tokenuri de raționament 150,249 Timp de răspuns (mediu) 43.65s Timp de răspuns (total) 872.90s Timp de răspuns (maxim) 189.38s Răspuns greșit: 8 Trucuri anti-AI : 10.0 Programare : 4.3 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.9 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#3🥉 #3	Gemini 3.5 Flashlow	9.3	Google	$0.285	2.98s
Vezi fișa modelului Total teste 20 Teste greșite 2 Fiabilitate 10.0 Rată de trecere pe încercare 90.0% Teste instabile 0 Tokenuri de intrare 33,935 Tokenuri de ieșire 2,027 Tokenuri de raționament 23,938 Timp de răspuns (mediu) 2.98s Timp de răspuns (total) 59.59s Timp de răspuns (maxim) 6.44s Răspuns greșit: 2 Trucuri anti-AI : 10.0 Programare : 6.8 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 10.0
#29#29	GLM 5 Turbomedium	7.9	Z.ai	$0.285 ↑	22.65s
Vezi fișa modelului Total teste 20 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 73.3% Teste instabile 4 Tokenuri de intrare 32,995 Tokenuri de ieșire 12,228 Tokenuri de raționament 53,503 Timp de răspuns (mediu) 22.65s Timp de răspuns (total) 453.09s Timp de răspuns (maxim) 194.23s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 7.3 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 : 8.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#19#19	Qwen3.5 Plus 2026-02-15medium	8.1	Qwen	$0.283 ↓	67.58s
Vezi fișa modelului Total teste 20 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 76.7% Teste instabile 3 Tokenuri de intrare 39,028 Tokenuri de ieșire 2,145 Tokenuri de raționament 172,563 Timp de răspuns (mediu) 67.58s Timp de răspuns (total) 878.57s Timp de răspuns (maxim) 266.69s Răspuns greșit: 4 Timp expirat: 2 Trucuri anti-AI : 8.2 Programare : 7.6 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 Cultură generală : 3.0
#52#52	GLM 5.1medium	7.4	Z.ai	$0.279 ↓	33.45s
Vezi fișa modelului Total teste 20 Teste greșite 8 Fiabilitate 5.0 Rată de trecere pe încercare 68.3% Teste instabile 3 Tokenuri de intrare 30,397 Tokenuri de ieșire 11,511 Tokenuri de raționament 71,979 Timp de răspuns (mediu) 33.45s Timp de răspuns (total) 635.63s Timp de răspuns (maxim) 172.60s Răspuns greșit: 4 Timp expirat: 2 Eroare API: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 4.6 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 Cultură generală : 3.0
#41#41	Qwen3.6 Flashmedium	7.6	Qwen	$0.272 ↓	18.97s
Vezi fișa modelului Total teste 20 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 71.7% Teste instabile 4 Tokenuri de intrare 39,527 Tokenuri de ieșire 2,974 Tokenuri de raționament 231,797 Timp de răspuns (mediu) 18.97s Timp de răspuns (total) 379.49s Timp de răspuns (maxim) 122.87s Răspuns greșit: 7 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 5.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 4.8 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#81#81	Kimi K2.5medium	6.7	Moonshot AI	$0.272 ↓	89.02s
Vezi fișa modelului Total teste 20 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 66.7% Teste instabile 8 Tokenuri de intrare 31,717 Tokenuri de ieșire 48,374 Tokenuri de raționament 128,473 Timp de răspuns (mediu) 89.02s Timp de răspuns (total) 1157.32s Timp de răspuns (maxim) 281.00s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Timp expirat: 2 Trucuri anti-AI : 7.3 Programare : 4.1 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 Cultură generală : 3.0
#34#34	Qwen3.6 Plusmedium	7.8	Qwen	$0.260 ↑	26.81s
Vezi fișa modelului Total teste 20 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 68.3% Teste instabile 2 Tokenuri de intrare 38,730 Tokenuri de ieșire 1,833 Tokenuri de raționament 124,782 Timp de răspuns (mediu) 26.81s Timp de răspuns (total) 509.43s Timp de răspuns (maxim) 201.68s Răspuns greșit: 5 Eroare API: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 4.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#88#88	GPT-5.5none	6.5	OpenAI	$0.217	1.93s
Vezi fișa modelului Total teste 20 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 56.7% Teste instabile 3 Tokenuri de intrare 31,593 Tokenuri de ieșire 1,956 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.93s Timp de răspuns (total) 38.64s Timp de răspuns (maxim) 5.56s Răspuns greșit: 10 Trucuri anti-AI : 6.9 Programare : 6.8 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#18#18	GLM 5medium	8.2	Z.ai	$0.212 ↓	32.67s
Vezi fișa modelului Total teste 20 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 81.7% Teste instabile 4 Tokenuri de intrare 32,626 Tokenuri de ieșire 21,558 Tokenuri de raționament 95,772 Timp de răspuns (mediu) 32.67s Timp de răspuns (total) 392.01s Timp de răspuns (maxim) 99.85s Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 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 Cultură generală : 3.0
#16#16	Qwen3.7 Plusmedium	8.4	Qwen	$0.199	36.84s
Vezi fișa modelului Total teste 20 Teste greșite 5 Fiabilitate 9.9 Rată de trecere pe încercare 80.0% Teste instabile 2 Tokenuri de intrare 38,104 Tokenuri de ieșire 2,107 Tokenuri de raționament 112,479 Timp de răspuns (mediu) 36.84s Timp de răspuns (total) 736.86s Timp de răspuns (maxim) 178.04s Răspuns greșit: 4 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 6.5 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#20#20	Seed-2.0-Litemedium	8.1	Bytedance Seed	$0.152	36.67s
Vezi fișa modelului Total teste 20 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 75.0% Teste instabile 3 Tokenuri de intrare 43,785 Tokenuri de ieșire 3,224 Tokenuri de raționament 67,040 Timp de răspuns (mediu) 36.67s Timp de răspuns (total) 733.46s Timp de răspuns (maxim) 168.71s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.3 Programare : 7.0 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 Cultură generală : 3.0
#68#68	GPT-5 Minimedium	7.2	OpenAI	$0.149	23.75s
Vezi fișa modelului Total teste 20 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 61.7% Teste instabile 2 Tokenuri de intrare 34,481 Tokenuri de ieșire 6,723 Tokenuri de raționament 63,082 Timp de răspuns (mediu) 23.75s Timp de răspuns (total) 475.03s Timp de răspuns (maxim) 88.15s Răspuns greșit: 5 Nu a urmat instrucțiunile: 3 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 : 10.0 Rezolvare de puzzle-uri : 5.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#58#58	Qwen3.6 35B A3Bmedium	7.3	Qwen	$0.130 ↑	17.26s
Vezi fișa modelului Total teste 20 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 61.7% Teste instabile 1 Tokenuri de intrare 13,550 Tokenuri de ieșire 18,304 Tokenuri de raționament 115,531 Timp de răspuns (mediu) 17.26s Timp de răspuns (total) 310.65s Timp de răspuns (maxim) 86.11s Răspuns greșit: 4 Eroare API: 2 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 6.6 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.4 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#67#67	MiniMax M3medium	7.2	Minimax	$0.120	68.44s
Vezi fișa modelului Total teste 20 Teste greșite 9 Fiabilitate 9.6 Rată de trecere pe încercare 65.0% Teste instabile 4 Tokenuri de intrare 43,447 Tokenuri de ieșire 46,884 Tokenuri de raționament 85,935 Timp de răspuns (mediu) 68.44s Timp de răspuns (total) 1300.32s Timp de răspuns (maxim) 431.03s Timp expirat: 3 Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Trucuri anti-AI : 5.5 Programare : 6.8 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.5 Inteligență generală : 5.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#121#121	GPT-5.4none	5.6	OpenAI	$0.116	1.45s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 38.3% Teste instabile 2 Tokenuri de intrare 31,593 Tokenuri de ieșire 2,402 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.45s Timp de răspuns (total) 29.00s Timp de răspuns (maxim) 2.95s Răspuns greșit: 12 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.2 Programare : 6.8 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 Cultură generală : 3.0

Comparație rapidă

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

Clasament Benchmark AI

Filtrează modelele

Comparație rapidă