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: 2026-07-20 Modele evaluate: 210

210/210

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#54#54	GPT-5.3 Chatnone	7.5	OpenAI	$0.571	6.88s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 68.2% Teste instabile 5 Tokenuri de intrare 78,990 Tokenuri de ieșire 30,854 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.88s Timp de răspuns (total) 151.31s Timp de răspuns (maxim) 18.33s Răspuns greșit: 7 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 6.7 Programare : 5.6 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
#112#112	Claude Sonnet 5none	6.3	Anthropic	$0.548	6.04s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 45.5% Teste instabile 4 Tokenuri de intrare 161,035 Tokenuri de ieșire 22,511 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.04s Timp de răspuns (total) 132.85s Timp de răspuns (maxim) 33.39s Răspuns greșit: 7 Formatare suplimentară: 4 Fără răspuns: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 5.3 Programare : 4.6 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.7 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#202#202	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 43.9% Teste instabile 4 Tokenuri de intrare 11,793 Tokenuri de ieșire 267,275 Tokenuri de raționament 0 Timp de răspuns (mediu) 28.69s Timp de răspuns (total) 459.00s Timp de răspuns (maxim) 138.35s Răspuns greșit: 7 Eroare API: 3 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.7 Programare : 3.3 Combinat : 1.5 Parsare și extragere de date : 3.8 Specific domeniului : 3.6 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 3.0 Cultură generală : 3.0
#87#87	GPT-5.5none	6.9	OpenAI	$0.544	2.36s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 56.1% Teste instabile 3 Tokenuri de intrare 79,285 Tokenuri de ieșire 4,915 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.36s Timp de răspuns (total) 51.88s Timp de răspuns (maxim) 12.24s Răspuns greșit: 11 Trucuri anti-AI : 6.9 Programare : 5.5 Combinat : 6.5 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
#74#74	GLM 5.1medium	7.1	Z.ai	$0.535 ↓	46.77s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 8.3 Rată de trecere pe încercare 69.7% Teste instabile 4 Tokenuri de intrare 82,623 Tokenuri de ieșire 16,089 Tokenuri de raționament 136,463 Timp de răspuns (mediu) 46.77s Timp de răspuns (total) 982.16s Timp de răspuns (maxim) 308.75s Răspuns greșit: 4 Timp expirat: 2 Eroare API: 1 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 4.6 Combinat : 9.8 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
#83#83	GPT-5.6 Solnone	6.9	OpenAI	$0.524	2.16s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 59.1% Teste instabile 3 Tokenuri de intrare 78,593 Tokenuri de ieșire 4,357 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.16s Timp de răspuns (total) 47.62s Timp de răspuns (maxim) 12.81s Răspuns greșit: 10 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 6.5 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#55#55	GPT-5.6 Terralow	7.5	OpenAI	$0.519	5.31s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 74.2% Teste instabile 6 Tokenuri de intrare 80,295 Tokenuri de ieșire 4,714 Tokenuri de raționament 16,469 Timp de răspuns (mediu) 5.31s Timp de răspuns (total) 116.82s Timp de răspuns (maxim) 19.85s Răspuns greșit: 8 Apel de instrument invalid: 1 Trucuri anti-AI : 8.3 Programare : 6.6 Combinat : 8.7 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 4.7 Cultură generală : 3.0
#29#29	Step 3.7 Flashmedium	8.0	Stepfun	$0.515	26.37s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 9.9 Rată de trecere pe încercare 72.7% Teste instabile 3 Tokenuri de intrare 114,062 Tokenuri de ieșire 427,572 Tokenuri de raționament 0 Timp de răspuns (mediu) 26.37s Timp de răspuns (total) 580.25s Timp de răspuns (maxim) 152.83s Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 8.8 Combinat : 7.3 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
#94#94	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Vezi fișa modelului Total teste 19 Teste greșite 3 Fiabilitate 10.0 Rată de trecere pe încercare 72.7% Teste instabile 0 Tokenuri de intrare 69,576 Tokenuri de ieșire 6,265 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.02s Timp de răspuns (total) 57.44s Timp de răspuns (maxim) 18.27s Răspuns greșit: 3 Trucuri anti-AI : 8.3 Programare : 3.3 Combinat : 4.8 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 : 3.0
#69#69	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.482	20.83s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 6 Tokenuri de intrare 106,076 Tokenuri de ieșire 9,071 Tokenuri de raționament 127,093 Timp de răspuns (mediu) 20.83s Timp de răspuns (total) 458.31s Timp de răspuns (maxim) 199.97s Răspuns greșit: 10 Apel de instrument invalid: 1 Trucuri anti-AI : 7.0 Programare : 6.4 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.1 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#60#60	LongCat 2.0medium	7.4	Meituan	$0.478	136.64s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 9.8 Rată de trecere pe încercare 60.6% Teste instabile 3 Tokenuri de intrare 97,315 Tokenuri de ieșire 44,384 Tokenuri de raționament 329,012 Timp de răspuns (mediu) 136.64s Timp de răspuns (total) 3006.01s Timp de răspuns (maxim) 939.52s Răspuns greșit: 7 Eroare API: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 7.3 Parsare și extragere de date : 6.3 Specific domeniului : 2.9 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#92#92	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.476	25.56s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 68.2% Teste instabile 7 Tokenuri de intrare 98,499 Tokenuri de ieșire 135,861 Tokenuri de raționament 0 Timp de răspuns (mediu) 25.56s Timp de răspuns (total) 562.43s Timp de răspuns (maxim) 335.41s Răspuns greșit: 10 Apel de instrument invalid: 1 Trucuri anti-AI : 8.7 Programare : 6.1 Combinat : 4.1 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 4.8 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#97#97	LongCat 2.0high	6.6	Meituan	$0.469	148.73s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 9.4 Rată de trecere pe încercare 53.0% Teste instabile 5 Tokenuri de intrare 93,357 Tokenuri de ieșire 30,466 Tokenuri de raționament 336,325 Timp de răspuns (mediu) 148.73s Timp de răspuns (total) 3272.00s Timp de răspuns (maxim) 941.66s Răspuns greșit: 6 Timp expirat: 3 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Trucuri anti-AI : 8.9 Programare : 7.6 Combinat : 10.0 Parsare și extragere de date : 3.6 Specific domeniului : 3.6 Inteligență generală : 5.1 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#81#81	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.467	24.04s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 7 Tokenuri de intrare 87,907 Tokenuri de ieșire 7,213 Tokenuri de raționament 128,251 Timp de răspuns (mediu) 24.04s Timp de răspuns (total) 528.92s Timp de răspuns (maxim) 257.00s Răspuns greșit: 9 Eroare API: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.2 Programare : 7.8 Combinat : 6.4 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 4.7 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#93#93	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 6 Tokenuri de intrare 44,615 Tokenuri de ieșire 2,347 Tokenuri de raționament 98,415 Timp de răspuns (mediu) 23.08s Timp de răspuns (total) 484.63s Timp de răspuns (maxim) 95.88s Răspuns greșit: 7 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 7.2 Programare : 6.0 Combinat : 3.4 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
#67#67	Step 3.7 Flashlow	7.3	Stepfun	$0.454	20.68s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 68.2% Teste instabile 5 Tokenuri de intrare 103,833 Tokenuri de ieșire 376,581 Tokenuri de raționament 0 Timp de răspuns (mediu) 20.68s Timp de răspuns (total) 455.01s Timp de răspuns (maxim) 124.75s Răspuns greșit: 8 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 8.2 Combinat : 7.3 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 3.4 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#57#57	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.437 ↓	89.19s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 4 Tokenuri de intrare 113,560 Tokenuri de ieșire 9,823 Tokenuri de raționament 250,881 Timp de răspuns (mediu) 89.19s Timp de răspuns (total) 1337.92s Timp de răspuns (maxim) 304.85s Răspuns greșit: 4 Timp expirat: 2 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.2 Programare : 6.6 Combinat : 6.9 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
#11#11	Gemini 3.5 Flashlow	8.9	Google	$0.433	5.55s
Vezi fișa modelului Total teste 22 Teste greșite 3 Fiabilitate 10.0 Rată de trecere pe încercare 87.9% Teste instabile 1 Tokenuri de intrare 87,817 Tokenuri de ieșire 2,239 Tokenuri de raționament 31,182 Timp de răspuns (mediu) 5.55s Timp de răspuns (total) 122.19s Timp de răspuns (maxim) 53.55s Răspuns greșit: 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 : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 10.0
#37#37	Qwen3.6 Plusmedium	7.8	Qwen	$0.405 ↑	43.12s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 2 Tokenuri de intrare 97,689 Tokenuri de ieșire 6,412 Tokenuri de raționament 184,825 Timp de răspuns (mediu) 43.12s Timp de răspuns (total) 905.53s Timp de răspuns (maxim) 291.55s Răspuns greșit: 5 Eroare API: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 6.1 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
#139#139	GPT-5.4none	5.8	OpenAI	$0.397	2.07s
Vezi fișa modelului Total teste 22 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 34.9% Teste instabile 2 Tokenuri de intrare 108,632 Tokenuri de ieșire 8,321 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.07s Timp de răspuns (total) 45.51s Timp de răspuns (maxim) 15.63s Răspuns greșit: 14 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.2 Programare : 5.5 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
#91#91	LongCat 2.0low	6.7	Meituan	$0.391	100.31s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 9.6 Rată de trecere pe încercare 53.0% Teste instabile 3 Tokenuri de intrare 90,909 Tokenuri de ieșire 5,679 Tokenuri de raționament 297,369 Timp de răspuns (mediu) 100.31s Timp de răspuns (total) 2206.82s Timp de răspuns (maxim) 560.39s Răspuns greșit: 8 Eroare API: 1 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 6.6 Combinat : 10.0 Parsare și extragere de date : 6.3 Specific domeniului : 3.0 Inteligență generală : 3.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#32#32	Inklingmedium	8.0	Thinkingmachines	$0.391	16.21s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 9.8 Rată de trecere pe încercare 78.8% Teste instabile 5 Tokenuri de intrare 124,053 Tokenuri de ieșire 12,189 Tokenuri de raționament 53,597 Timp de răspuns (mediu) 16.21s Timp de răspuns (total) 356.54s Timp de răspuns (maxim) 85.12s Răspuns greșit: 4 Eroare API: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 8.4 Combinat : 7.3 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 : 3.0 Cultură generală : 2.8
#62#62	KAT-Coder-Pro V2.5low	7.4	Kwaipilot	$0.387	19.47s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 8 Tokenuri de intrare 87,673 Tokenuri de ieșire 7,166 Tokenuri de raționament 101,474 Timp de răspuns (mediu) 19.47s Timp de răspuns (total) 428.31s Timp de răspuns (maxim) 209.15s Răspuns greșit: 10 Eroare API: 1 Trucuri anti-AI : 6.9 Programare : 7.8 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 4.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#133#133	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Vezi fișa modelului Total teste 21 Teste greșite 7 Fiabilitate N/D Rată de trecere pe încercare 63.6% 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: 4 Răspuns greșit: 3 Trucuri anti-AI : 10.0 Programare : 3.0 Combinat : 1.5 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
#50#50	GPT-5.6 Lunamedium	7.6	OpenAI	$0.352	7.28s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 1 Tokenuri de intrare 89,676 Tokenuri de ieșire 5,699 Tokenuri de raționament 37,980 Timp de răspuns (mediu) 7.28s Timp de răspuns (total) 160.27s Timp de răspuns (maxim) 29.85s Răspuns greșit: 8 Trucuri anti-AI : 8.3 Programare : 5.4 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.1 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.8 Apelare instrumente : 10.0 Cultură generală : 3.0
#132#132	GPT-5.6 Terranone	6.0	OpenAI	$0.349	1.65s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 42.4% Teste instabile 3 Tokenuri de intrare 102,259 Tokenuri de ieșire 6,203 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.65s Timp de răspuns (total) 36.28s Timp de răspuns (maxim) 10.07s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 4.8 Programare : 5.5 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 9.6 Cultură generală : 3.0
#190#190	MiniMax M2.5medium	4.6	Minimax	$0.340 ↓	68.27s
Vezi fișa modelului Total teste 22 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 45.5% Teste instabile 10 Tokenuri de intrare 142,561 Tokenuri de ieșire 125,442 Tokenuri de raționament 339,935 Timp de răspuns (mediu) 68.27s Timp de răspuns (total) 955.75s Timp de răspuns (maxim) 251.36s Răspuns greșit: 7 Timp expirat: 4 Nu a urmat instrucțiunile: 3 Fără răspuns: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 7.9 Programare : 3.4 Combinat : 3.7 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
#109#109	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
#49#49	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Vezi fișa modelului Total teste 21 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 4 Tokenuri de intrare 35,593 Tokenuri de ieșire 12,245 Tokenuri de raționament 62,277 Timp de răspuns (mediu) 23.00s Timp de răspuns (total) 482.97s 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 : 8.2 Combinat : 5.0 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
#70#70	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.317 ↓	46.36s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 9.6 Rată de trecere pe încercare 63.6% Teste instabile 2 Tokenuri de intrare 42,097 Tokenuri de ieșire 2,280 Tokenuri de raționament 166,613 Timp de răspuns (mediu) 46.36s Timp de răspuns (total) 973.57s Timp de răspuns (maxim) 189.38s Răspuns greșit: 8 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 6.2 Combinat : 6.5 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

←

1 2 3 4 5 6 7

→

Comparație rapidă

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGPT-5.6 Sollow Gemini 3 Flash PreviewmediumvsGPT-5.6 Solmedium Gemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsNemotron 3 UltramediumDisponibil gratuit Gemini 3 Flash PreviewmediumvsNorth Mini CodemediumDisponibil gratuit Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low

Clasament AI Benchy

Filtrează modelele

Comparație rapidă