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: 2026-06-04 Modele evaluate: 163

163/163

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#69#69	Claude Opus 4.6medium	7.0	Anthropic	$2.053	25.89s
Vezi fișa modelului Total teste 21 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 61.9% Teste instabile 3 Tokenuri de intrare 53,227 Tokenuri de ieșire 47,446 Tokenuri de raționament 24,000 Timp de răspuns (mediu) 25.89s Timp de răspuns (total) 362.49s Timp de răspuns (maxim) 83.40s Formatare suplimentară: 5 Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.4 Programare : 5.7 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 Cultură generală : 3.0
#70#70	GPT-5.4 Nanomedium	7.0	OpenAI	$0.107	11.95s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 63.5% Teste instabile 4 Tokenuri de intrare 35,434 Tokenuri de ieșire 3,014 Tokenuri de raționament 76,520 Timp de răspuns (mediu) 11.95s Timp de răspuns (total) 250.98s Timp de răspuns (maxim) 94.06s Răspuns greșit: 8 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.3 Programare : 6.1 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 : 4.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#71#71	Step 3.7 Flashhigh	7.0	Stepfun	$1.148	64.46s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 63.5% Teste instabile 4 Tokenuri de intrare 38,391 Tokenuri de ieșire 991,355 Tokenuri de raționament 0 Timp de răspuns (mediu) 64.46s Timp de răspuns (total) 1353.57s Timp de răspuns (maxim) 364.99s Răspuns greșit: 6 Fără răspuns: 4 Trucuri anti-AI : 10.0 Programare : 4.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 5.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#72#72	DeepSeek V3.2medium	7.0	DeepSeek	$0.044 ↓	68.71s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 65.1% Teste instabile 6 Tokenuri de intrare 38,333 Tokenuri de ieșire 7,186 Tokenuri de raționament 99,081 Timp de răspuns (mediu) 68.71s Timp de răspuns (total) 1442.81s Timp de răspuns (maxim) 376.10s Răspuns greșit: 5 Eroare API: 2 Timp expirat: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.2 Programare : 6.0 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 : 7.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#74#74	Qwen3.6 Max Previewnone	6.9	Qwen	$0.075 ↓	3.30s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 58.7% Teste instabile 2 Tokenuri de intrare 42,509 Tokenuri de ieșire 4,779 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.30s Timp de răspuns (total) 69.40s Timp de răspuns (maxim) 20.51s Răspuns greșit: 10 Trucuri anti-AI : 5.2 Programare : 3.8 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#75#75	Ring-2.6-1Tmedium	6.9	Inclusionai	$0.033 ↕	61.29s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 60.3% Teste instabile 3 Tokenuri de intrare 35,892 Tokenuri de ieșire 21,752 Tokenuri de raționament 42,754 Timp de răspuns (mediu) 61.29s Timp de răspuns (total) 1164.50s Timp de răspuns (maxim) 304.19s Răspuns greșit: 6 Eroare API: 2 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 10.0 Programare : 5.3 Combinat : 10.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.5 Inteligență generală : 4.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#76#76	Kimi K2.5medium	6.8	Moonshot AI	$0.328 ↓	98.43s
Vezi fișa modelului Total teste 21 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 68.3% Teste instabile 8 Tokenuri de intrare 34,312 Tokenuri de ieșire 48,379 Tokenuri de raționament 157,747 Timp de răspuns (mediu) 98.43s Timp de răspuns (total) 1378.03s 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 : 6.1 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
#77#77	Claude Sonnet 4.6none	6.8	Anthropic	$0.316	5.04s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 55.6% Teste instabile 1 Tokenuri de intrare 57,886 Tokenuri de ieșire 9,465 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.04s Timp de răspuns (total) 70.60s Timp de răspuns (maxim) 23.84s Răspuns greșit: 5 Formatare suplimentară: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.8 Programare : 5.5 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
#78#78	Qwen3.6 27Bmedium	6.8	Qwen	$0.444 ↑	59.71s
Vezi fișa modelului Total teste 21 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 60.3% Teste instabile 5 Tokenuri de intrare 39,376 Tokenuri de ieșire 16,189 Tokenuri de raționament 122,521 Timp de răspuns (mediu) 59.71s Timp de răspuns (total) 1254.01s 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 : 7.7 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
#80#80	Mimo V2 Omnimedium	6.7	Xiaomi	$0.683 ↓	41.16s
Vezi fișa modelului Total teste 21 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 55.6% Teste instabile 3 Tokenuri de intrare 37,007 Tokenuri de ieșire 1,952 Tokenuri de raționament 357,306 Timp de răspuns (mediu) 41.16s Timp de răspuns (total) 823.26s Timp de răspuns (maxim) 299.23s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Eroare API: 1 Formatare suplimentară: 1 Trucuri anti-AI : 10.0 Programare : 3.3 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.4 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#81#81	Mercury 2medium	6.6	Inception	$0.058	2.24s
Vezi fișa modelului Total teste 21 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 54.0% Teste instabile 3 Tokenuri de intrare 35,116 Tokenuri de ieșire 4,048 Tokenuri de raționament 61,219 Timp de răspuns (mediu) 2.24s Timp de răspuns (total) 44.72s Timp de răspuns (maxim) 14.63s Răspuns greșit: 8 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 6.9 Programare : 8.2 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 : 5.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#82#82	Hy3 previewhigh	6.6	Tencent	$0.048 ↕	56.57s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 55.6% Teste instabile 2 Tokenuri de intrare 25,987 Tokenuri de ieșire 216,719 Tokenuri de raționament 0 Timp de răspuns (mediu) 56.57s Timp de răspuns (total) 848.59s Timp de răspuns (maxim) 149.94s Eroare API: 7 Răspuns greșit: 3 Trucuri anti-AI : 6.4 Programare : 5.3 Combinat : 10.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 3.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#83#83	Step 3.5 Flashnone	6.6	Stepfun	$0.020	39.03s
Vezi fișa modelului Total teste 12 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 50.0% Teste instabile 0 Tokenuri de intrare 1,971 Tokenuri de ieșire 64,795 Tokenuri de raționament 0 Timp de răspuns (mediu) 39.03s Timp de răspuns (total) 312.26s Timp de răspuns (maxim) 114.12s Eroare API: 4 Nu a urmat instrucțiunile: 1 Răspuns greșit: 1 Trucuri anti-AI : 10.0 Programare : 3.0 Combinat : 3.0 Parsare și extragere de date : 3.0 Specific domeniului : 10.0 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#85#85	Gemma 4 31Bnone	6.5	Google	$0.004 ↓	4.05s
Vezi fișa modelului Total teste 21 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 47.6% Teste instabile 0 Tokenuri de intrare 20,911 Tokenuri de ieșire 1,407 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.05s Timp de răspuns (total) 76.87s Timp de răspuns (maxim) 26.13s Răspuns greșit: 8 Eroare API: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.5 Programare : 5.5 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 : 6.5 Apelare instrumente : 3.0 Cultură generală : 3.0
#86#86	Grok 4.1 Fastmedium	6.5	X AI	$0.069 ↑	23.85s
Vezi fișa modelului Total teste 19 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 61.4% Teste instabile 6 Tokenuri de intrare 42,845 Tokenuri de ieșire 2,006 Tokenuri de raționament 96,334 Timp de răspuns (mediu) 23.85s Timp de răspuns (total) 286.16s Timp de răspuns (maxim) 121.79s Nu a urmat instrucțiunile: 4 Răspuns greșit: 4 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 : 6.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 2.8 Cultură generală : 3.0
#87#87	Gemini 3.1 Flash Liteminimal	6.4	Google	$0.013	1.33s
Vezi fișa modelului Total teste 21 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 54.0% Teste instabile 3 Tokenuri de intrare 36,973 Tokenuri de ieșire 2,487 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.33s Timp de răspuns (total) 27.91s Timp de răspuns (maxim) 4.49s Răspuns greșit: 8 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#88#88	Qwen3.7 Plusnone	6.4	Qwen	$0.028	2.85s
Vezi fișa modelului Total teste 21 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 47.6% Teste instabile 0 Tokenuri de intrare 42,510 Tokenuri de ieșire 6,578 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.85s Timp de răspuns (total) 59.86s Timp de răspuns (maxim) 29.38s Răspuns greșit: 10 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.5 Programare : 5.5 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.3 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#89#89	Hy3 previewlow	6.4	Tencent	$0.015 ↕	24.56s
Vezi fișa modelului Total teste 21 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 52.4% Teste instabile 2 Tokenuri de intrare 21,045 Tokenuri de ieșire 63,460 Tokenuri de raționament 0 Timp de răspuns (mediu) 24.56s Timp de răspuns (total) 368.35s Timp de răspuns (maxim) 78.74s Eroare API: 7 Răspuns greșit: 4 Trucuri anti-AI : 8.3 Programare : 5.3 Combinat : 10.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.9 Inteligență generală : 3.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 2.8 Cultură generală : 3.0
#90#90	Gemini 3.1 Flash Litenone	6.4	Google	$0.013	1.06s
Vezi fișa modelului Total teste 21 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 52.4% Teste instabile 4 Tokenuri de intrare 36,710 Tokenuri de ieșire 2,484 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.06s Timp de răspuns (total) 22.35s Timp de răspuns (maxim) 2.97s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 7.5 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#91#91	GPT-5.5none	6.4	OpenAI	$0.231	1.89s
Vezi fișa modelului Total teste 21 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 54.0% Teste instabile 3 Tokenuri de intrare 34,212 Tokenuri de ieșire 1,971 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.89s Timp de răspuns (total) 39.64s Timp de răspuns (maxim) 5.56s Răspuns greșit: 11 Trucuri anti-AI : 6.9 Programare : 5.5 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
#92#92	Laguna M.1medium	6.4	Poolside	$0.000	14.73s
Vezi fișa modelului Total teste 19 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 52.6% Teste instabile 2 Tokenuri de intrare 44,969 Tokenuri de ieșire 58,087 Tokenuri de raționament 0 Timp de răspuns (mediu) 14.73s Timp de răspuns (total) 220.93s Timp de răspuns (maxim) 53.14s Eroare API: 4 Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 6.5 Programare : 4.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 3.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#94#94	GPT-5 Nanomedium	6.3	OpenAI	$0.081	42.51s
Vezi fișa modelului Total teste 21 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 57.1% Teste instabile 7 Tokenuri de intrare 34,108 Tokenuri de ieșire 5,464 Tokenuri de raționament 192,064 Timp de răspuns (mediu) 42.51s Timp de răspuns (total) 595.09s Timp de răspuns (maxim) 204.02s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Timp expirat: 1 Trucuri anti-AI : 6.5 Programare : 7.0 Combinat : 10.0 Parsare și extragere de date : 3.7 Specific domeniului : 5.2 Inteligență generală : 4.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#95#95	Qwen3.5 Plus 2026-02-15none	6.3	Qwen	$0.016 ↓	2.31s
Vezi fișa modelului Total teste 21 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 46.0% Teste instabile 2 Tokenuri de intrare 45,864 Tokenuri de ieșire 2,480 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.31s Timp de răspuns (total) 34.63s Timp de răspuns (maxim) 6.65s Răspuns greșit: 12 Trucuri anti-AI : 4.8 Programare : 4.3 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 Cultură generală : 3.0
#96#96	Ring-2.6-1Tnone	6.2	Inclusionai	$0.026 ↕	55.10s
Vezi fișa modelului Total teste 21 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 47.6% Teste instabile 2 Tokenuri de intrare 7,599 Tokenuri de ieșire 39,954 Tokenuri de raționament 0 Timp de răspuns (mediu) 55.10s Timp de răspuns (total) 881.55s Timp de răspuns (maxim) 143.82s Eroare API: 5 Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 9.2 Programare : 5.3 Combinat : 3.0 Parsare și extragere de date : 3.0 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 3.0 Cultură generală : 3.0
#97#97	Gemini 2.5 Flashnone	6.2	Google	$0.016	875ms
Vezi fișa modelului Total teste 21 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 46.0% Teste instabile 1 Tokenuri de intrare 35,926 Tokenuri de ieșire 1,770 Tokenuri de raționament 0 Timp de răspuns (mediu) 875ms Timp de răspuns (total) 18.37s Timp de răspuns (maxim) 4.39s Răspuns greșit: 12 Trucuri anti-AI : 3.0 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 5.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#98#98	GLM 5none	6.1	Z.ai	$0.027 ↑	4.03s
Vezi fișa modelului Total teste 21 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 44.4% Teste instabile 1 Tokenuri de intrare 37,135 Tokenuri de ieșire 1,989 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.03s Timp de răspuns (total) 56.37s Timp de răspuns (maxim) 11.07s Răspuns greșit: 12 Trucuri anti-AI : 4.8 Programare : 4.0 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 Cultură generală : 3.0
#99#99	gpt-oss-120bmedium	6.1	OpenAI	$0.013 ↓	22.28s
Vezi fișa modelului Total teste 21 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 52.4% Teste instabile 5 Tokenuri de intrare 39,084 Tokenuri de ieșire 20,013 Tokenuri de raționament 50,233 Timp de răspuns (mediu) 22.28s Timp de răspuns (total) 311.96s Timp de răspuns (maxim) 68.16s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 6.7 Programare : 5.9 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 : 5.3 Apelare instrumente : 9.8 Cultură generală : 3.0
#100#100	Grok Build 0.1none	6.0	X AI	$0.547	28.69s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 50.9% 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 : 10.0 Combinat : 3.0 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
#101#101	Mimo V2 Omninone	6.0	Xiaomi	$0.021 ↓	2.44s
Vezi fișa modelului Total teste 21 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 39.7% Teste instabile 1 Tokenuri de intrare 40,852 Tokenuri de ieșire 3,314 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.44s Timp de răspuns (total) 48.81s Timp de răspuns (maxim) 6.81s Răspuns greșit: 10 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.6 Programare : 4.4 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.1 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#102#102	Gemma 4 26B A4Bnone	6.0	Google	$0.004 ↓	5.91s
Vezi fișa modelului Total teste 21 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 44.4% Teste instabile 2 Tokenuri de intrare 40,038 Tokenuri de ieșire 1,824 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.91s Timp de răspuns (total) 124.05s Timp de răspuns (maxim) 57.10s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Timp expirat: 1 Trucuri anti-AI : 8.3 Programare : 3.7 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 6.2 Apelare instrumente : 10.0 Cultură generală : 3.0

←

1 2 3 4 5 6

→

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 PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuit Gemini 3 Flash PreviewmediumvsCobuddymedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low

Clasament Benchmark AI

Filtrează modelele

Comparație rapidă