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)
#42#42	GLM 5medium	7.7	Z.ai	$0.307 ↑	33.54s
Vezi fișa modelului Total teste 21 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 78.8% Teste instabile 4 Tokenuri de intrare 35,224 Tokenuri de ieșire 21,570 Tokenuri de raționament 102,996 Timp de răspuns (mediu) 33.54s Timp de răspuns (total) 435.99s 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 : 5.0 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
#88#88	Gemini 3.5 Flashminimal	6.8	Google	$0.300	2.65s
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 100,753 Tokenuri de ieșire 16,454 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.65s Timp de răspuns (total) 58.27s Timp de răspuns (maxim) 25.26s Răspuns greșit: 5 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.5 Programare : 5.6 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 10.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#47#47	MiniMax M3medium	7.6	Minimax	$0.286	74.98s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 9.7 Rată de trecere pe încercare 66.7% Teste instabile 5 Tokenuri de intrare 121,990 Tokenuri de ieșire 77,916 Tokenuri de raționament 173,553 Timp de răspuns (mediu) 74.98s Timp de răspuns (total) 1574.56s Timp de răspuns (maxim) 431.03s Timp expirat: 3 Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 5.5 Programare : 6.1 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
#36#36	Qwen3.7 Plusmedium	7.9	Qwen	$0.267 ↓	51.51s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 75.8% Teste instabile 3 Tokenuri de intrare 115,233 Tokenuri de ieșire 6,162 Tokenuri de raționament 173,267 Timp de răspuns (mediu) 51.51s Timp de răspuns (total) 1133.15s Timp de răspuns (maxim) 315.30s Răspuns greșit: 5 Apel de instrument invalid: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 6.1 Combinat : 8.2 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
#117#117	GPT-5.6 Lunalow	6.2	OpenAI	$0.249	5.04s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 56.1% Teste instabile 5 Tokenuri de intrare 96,346 Tokenuri de ieșire 8,211 Tokenuri de raționament 17,227 Timp de răspuns (mediu) 5.04s Timp de răspuns (total) 110.88s Timp de răspuns (maxim) 19.44s Răspuns greșit: 10 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 2.8 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 5.0 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 7.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#142#142	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.247 ↓	12.92s
Vezi fișa modelului Total teste 22 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 33.3% Teste instabile 2 Tokenuri de intrare 241,566 Tokenuri de ieșire 88,458 Tokenuri de raționament 0 Timp de răspuns (mediu) 12.92s Timp de răspuns (total) 284.21s Timp de răspuns (maxim) 212.63s Răspuns greșit: 13 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 4.8 Programare : 3.7 Combinat : 5.2 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.8 Apelare instrumente : 10.0 Cultură generală : 3.0
#26#26	GPT-5 Minimedium	8.1	OpenAI	$0.237	27.63s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 3 Tokenuri de intrare 98,374 Tokenuri de ieșire 14,434 Tokenuri de raționament 91,498 Timp de răspuns (mediu) 27.63s Timp de răspuns (total) 607.92s Timp de răspuns (maxim) 111.48s Răspuns greșit: 5 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 7.1 Programare : 10.0 Combinat : 7.3 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
#35#35	Seed-2.0-Litemedium	7.9	Bytedance Seed	$0.234	48.53s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 74.2% Teste instabile 4 Tokenuri de intrare 129,897 Tokenuri de ieșire 12,533 Tokenuri de raționament 88,047 Timp de răspuns (mediu) 48.53s Timp de răspuns (total) 1067.74s Timp de răspuns (maxim) 254.92s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Trucuri anti-AI : 8.3 Programare : 8.0 Combinat : 6.4 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
#98#98	Qwen3.6 Max Previewnone	6.6	Qwen	$0.231 ↓	7.82s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 9.9 Rată de trecere pe încercare 60.6% Teste instabile 2 Tokenuri de intrare 106,339 Tokenuri de ieșire 19,257 Tokenuri de raționament 0 Timp de răspuns (mediu) 7.82s Timp de răspuns (total) 172.01s Timp de răspuns (maxim) 102.62s Răspuns greșit: 10 Trucuri anti-AI : 5.2 Programare : 3.8 Combinat : 6.5 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
#38#38	GLM 5.2medium	7.8	Z.ai	$0.222 ↓	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
#46#46	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.200	79.14s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 6 Tokenuri de intrare 90,748 Tokenuri de ieșire 10,462 Tokenuri de raționament 178,719 Timp de răspuns (mediu) 79.14s Timp de răspuns (total) 1740.97s Timp de răspuns (maxim) 416.76s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Eroare API: 1 Formatare suplimentară: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 5.7 Programare : 6.3 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 7.8 Rezolvare de puzzle-uri : 6.9 Apelare instrumente : 9.8 Cultură generală : 3.0
#59#59	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.52s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 9.9 Rată de trecere pe încercare 68.2% Teste instabile 0 Tokenuri de intrare 95,983 Tokenuri de ieșire 12,446 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.52s Timp de răspuns (total) 99.52s Timp de răspuns (maxim) 72.30s Răspuns greșit: 7 Trucuri anti-AI : 6.5 Programare : 5.5 Combinat : 6.5 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
#84#84	MiMo-V2.5-Promedium	6.9	Xiaomi	$0.187 ↓	33.92s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 66.7% Teste instabile 5 Tokenuri de intrare 139,883 Tokenuri de ieșire 15,521 Tokenuri de raționament 130,992 Timp de răspuns (mediu) 33.92s Timp de răspuns (total) 746.19s Timp de răspuns (maxim) 197.54s Formatare suplimentară: 3 Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 6.2 Combinat : 6.9 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 5.5 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#123#123	Inklinglow	6.1	Thinkingmachines	$0.187	5.15s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 9.9 Rată de trecere pe încercare 54.6% Teste instabile 4 Tokenuri de intrare 109,884 Tokenuri de ieșire 8,579 Tokenuri de raționament 10,343 Timp de răspuns (mediu) 5.15s Timp de răspuns (total) 113.39s Timp de răspuns (maxim) 41.58s Răspuns greșit: 8 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 2 Trucuri anti-AI : 8.3 Programare : 5.1 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 3.0 Cultură generală : 3.0
#138#138	Kimi K2.6none	5.8	Moonshot AI	$0.184 ↓	19.58s
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 116,970 Tokenuri de ieșire 30,253 Tokenuri de raționament 0 Timp de răspuns (mediu) 19.58s Timp de răspuns (total) 430.85s Timp de răspuns (maxim) 238.89s Răspuns greșit: 11 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Trucuri anti-AI : 4.6 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#61#61	Gemini 3 Flash Previewlow	7.4	Google	$0.177	6.28s
Vezi fișa modelului Total teste 22 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 75.8% Teste instabile 2 Tokenuri de intrare 123,684 Tokenuri de ieșire 9,572 Tokenuri de raționament 28,518 Timp de răspuns (mediu) 6.28s Timp de răspuns (total) 138.06s Timp de răspuns (maxim) 17.13s Răspuns greșit: 6 Trucuri anti-AI : 10.0 Programare : 5.8 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 10.0
#194#194	GLM 4.7 Flashmedium	4.3	Z.ai	$0.166	142.59s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 7.8 Rată de trecere pe încercare 31.8% Teste instabile 8 Tokenuri de intrare 79,051 Tokenuri de ieșire 43,754 Tokenuri de raționament 374,109 Timp de răspuns (mediu) 142.59s Timp de răspuns (total) 1996.21s 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
#151#151	GLM 5.1none	5.5	Z.ai	$0.164 ↓	6.70s
Vezi fișa modelului Total teste 22 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 40.9% Teste instabile 5 Tokenuri de intrare 124,209 Tokenuri de ieșire 14,393 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.70s Timp de răspuns (total) 147.38s Timp de răspuns (maxim) 61.20s Răspuns greșit: 13 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 4.0 Programare : 3.9 Combinat : 2.8 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#172#172	MiniMax M2.7medium	5.0	Minimax	$0.163 ↓	41.28s
Vezi fișa modelului Total teste 22 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 45.5% Teste instabile 9 Tokenuri de intrare 114,518 Tokenuri de ieșire 18,558 Tokenuri de raționament 119,036 Timp de răspuns (mediu) 41.28s Timp de răspuns (total) 866.81s Timp de răspuns (maxim) 196.21s Răspuns greșit: 6 Nu a urmat instrucțiunile: 5 Fără răspuns: 2 Timp expirat: 2 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 7.9 Programare : 5.7 Combinat : 3.8 Parsare și extragere de date : 6.3 Specific domeniului : 3.0 Inteligență generală : 3.9 Respectarea instrucțiunilor : 3.8 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 4.7 Cultură generală : 3.0
#110#110	Gemma 4 31Bmedium	6.3	Google	$0.163 ↑	75.38s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 68.2% Teste instabile 2 Tokenuri de intrare 94,992 Tokenuri de ieșire 34,468 Tokenuri de raționament 223,278 Timp de răspuns (mediu) 75.38s Timp de răspuns (total) 1507.52s Timp de răspuns (maxim) 437.40s Eroare API: 2 Timp expirat: 2 Răspuns greșit: 2 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 4.3 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 9.9 Apelare instrumente : 3.0 Cultură generală : 3.0
#96#96	GLM 5.2none	6.6	Z.ai	$0.151 ↓	9.34s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 59.1% Teste instabile 2 Tokenuri de intrare 112,359 Tokenuri de ieșire 14,340 Tokenuri de raționament 0 Timp de răspuns (mediu) 9.34s Timp de răspuns (total) 205.46s Timp de răspuns (maxim) 79.65s Răspuns greșit: 8 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.3 Programare : 3.7 Combinat : 6.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 6.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#164#164	Inklingnone	5.2	Thinkingmachines	$0.147	3.50s
Vezi fișa modelului Total teste 22 Teste greșite 16 Fiabilitate 9.9 Rată de trecere pe încercare 28.8% Teste instabile 1 Tokenuri de intrare 104,111 Tokenuri de ieșire 10,551 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.50s Timp de răspuns (total) 77.09s Timp de răspuns (maxim) 48.02s Răspuns greșit: 13 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 4.8 Programare : 4.5 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 5.6 Apelare instrumente : 3.0 Cultură generală : 3.0
#159#159	GPT-5.6 Lunanone	5.4	OpenAI	$0.142	1.50s
Vezi fișa modelului Total teste 22 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 34.9% Teste instabile 3 Tokenuri de intrare 101,323 Tokenuri de ieșire 6,709 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.50s Timp de răspuns (total) 32.91s Timp de răspuns (maxim) 10.57s Răspuns greșit: 14 Formatare suplimentară: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 4.8 Programare : 3.8 Combinat : 3.2 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.0 Respectarea instrucțiunilor : 7.1 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#114#114	Qwen3.5-Flashmedium	6.2	Qwen	$0.139 ↓	84.82s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 6 Tokenuri de intrare 118,499 Tokenuri de ieșire 12,284 Tokenuri de raționament 490,610 Timp de răspuns (mediu) 84.82s Timp de răspuns (total) 1781.22s Timp de răspuns (maxim) 515.38s Răspuns greșit: 4 Timp expirat: 3 Eroare API: 1 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 3.7 Combinat : 6.4 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#53#53	GPT-5.4 Nanomedium	7.5	OpenAI	$0.138	13.24s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 4 Tokenuri de intrare 82,819 Tokenuri de ieșire 7,100 Tokenuri de raționament 90,022 Timp de răspuns (mediu) 13.24s Timp de răspuns (total) 291.33s Timp de răspuns (maxim) 94.06s Răspuns greșit: 8 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.3 Programare : 6.1 Combinat : 9.9 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
#155#155	Kimi K2.5none	5.5	Moonshot AI	$0.127 ↑	19.15s
Vezi fișa modelului Total teste 22 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 34.9% Teste instabile 4 Tokenuri de intrare 89,322 Tokenuri de ieșire 26,638 Tokenuri de raționament 0 Timp de răspuns (mediu) 19.15s Timp de răspuns (total) 287.30s Timp de răspuns (maxim) 102.83s Răspuns greșit: 15 Fără răspuns: 1 Trucuri anti-AI : 3.6 Programare : 5.5 Combinat : 2.8 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#126#126	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.122 ↓	13.56s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 43.9% Teste instabile 4 Tokenuri de intrare 94,468 Tokenuri de ieșire 51,487 Tokenuri de raționament 0 Timp de răspuns (mediu) 13.56s Timp de răspuns (total) 298.31s Timp de răspuns (maxim) 206.05s Răspuns greșit: 12 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 3.9 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#65#65	Gemini 3.1 Flash Litemedium	7.3	Google	$0.117	4.27s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 62.1% Teste instabile 2 Tokenuri de intrare 104,918 Tokenuri de ieșire 9,168 Tokenuri de raționament 51,130 Timp de răspuns (mediu) 4.27s Timp de răspuns (total) 94.02s Timp de răspuns (maxim) 26.22s Răspuns greșit: 7 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 9.1 Programare : 5.5 Combinat : 7.2 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#64#64	Gemini 3.1 Flash Lite Previewmedium	7.3	Google	$0.115	4.61s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 59.1% Teste instabile 0 Tokenuri de intrare 117,480 Tokenuri de ieșire 10,589 Tokenuri de raționament 46,394 Timp de răspuns (mediu) 4.61s Timp de răspuns (total) 101.39s Timp de răspuns (maxim) 18.34s Răspuns greșit: 7 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 9.1 Programare : 5.5 Combinat : 7.2 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
#128#128	GPT-5 Nanomedium	6.1	OpenAI	$0.114	54.87s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 56.1% Teste instabile 8 Tokenuri de intrare 94,935 Tokenuri de ieșire 12,042 Tokenuri de raționament 261,056 Timp de răspuns (mediu) 54.87s Timp de răspuns (total) 822.99s Timp de răspuns (maxim) 227.89s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 6.5 Programare : 7.0 Combinat : 6.4 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

←

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