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: 2026-07-24 Modele evaluate: 222

222/222

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#109#109	Qwen3.5-27Bnone	6.5	Qwen	$0.058 ↓	4.76s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 40.9% Teste instabile 2 Tokenuri de intrare 102,316 Tokenuri de ieșire 24,321 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.76s Timp de răspuns (total) 104.71s Timp de răspuns (maxim) 69.46s Răspuns greșit: 12 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 5.8 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#110#110	Gemini 3.1 Flash Lite Previewlow	6.5	Google	$0.646	16.70s
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 110,185 Tokenuri de ieșire 14,717 Tokenuri de raționament 397,483 Timp de răspuns (mediu) 16.70s Timp de răspuns (total) 367.47s Timp de răspuns (maxim) 309.35s Răspuns greșit: 7 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#111#111	Gemini 3.1 Flash Litelow	6.5	Google	$0.621	16.26s
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 94,224 Tokenuri de ieșire 7,759 Tokenuri de raționament 390,126 Timp de răspuns (mediu) 16.26s Timp de răspuns (total) 357.64s Timp de răspuns (maxim) 318.02s Răspuns greșit: 9 Apel de instrument invalid: 1 Trucuri anti-AI : 7.3 Programare : 5.5 Combinat : 3.2 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#112#112	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.052	1.58s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 57.6% Teste instabile 1 Tokenuri de intrare 120,942 Tokenuri de ieșire 14,292 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.58s Timp de răspuns (total) 34.72s Timp de răspuns (maxim) 9.27s Răspuns greșit: 7 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Trucuri anti-AI : 7.5 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#113#113	Qwen3.5 Plus 2026-02-15none	6.4	Qwen	$0.073 ↓	9.85s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 48.5% Teste instabile 2 Tokenuri de intrare 102,646 Tokenuri de ieșire 29,370 Tokenuri de raționament 0 Timp de răspuns (mediu) 9.85s Timp de răspuns (total) 157.63s Timp de răspuns (maxim) 123.00s Răspuns greșit: 12 Trucuri anti-AI : 4.8 Programare : 4.3 Combinat : 6.5 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
#115#115	Ring-2.6-1Tmedium	6.3	Inclusionai	$0.103 ↑	68.74s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 60.6% Teste instabile 4 Tokenuri de intrare 113,604 Tokenuri de ieșire 123,079 Tokenuri de raționament 42,754 Timp de răspuns (mediu) 68.74s Timp de răspuns (total) 1374.86s Timp de răspuns (maxim) 304.19s Răspuns greșit: 6 Eroare API: 2 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 5.3 Combinat : 7.3 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
#117#117	Gemma 4 31Bmedium	6.3	Google	$0.102 ↓	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
#118#118	LongCat 2.0none	6.3	Meituan	$0.044	5.18s
Vezi fișa modelului Total teste 22 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 36.4% Teste instabile 2 Tokenuri de intrare 108,743 Tokenuri de ieșire 9,372 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.18s Timp de răspuns (total) 113.95s Timp de răspuns (maxim) 48.38s Răspuns greșit: 14 Formatare suplimentară: 1 Trucuri anti-AI : 4.8 Programare : 5.5 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 4.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#119#119	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
#120#120	MiMo-V2-Flashmedium	6.3	Xiaomi	$0.043 ↑	20.11s
Vezi fișa modelului Total teste 21 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 62.1% Teste instabile 3 Tokenuri de intrare 40,111 Tokenuri de ieșire 12,476 Tokenuri de raționament 125,039 Timp de răspuns (mediu) 20.11s Timp de răspuns (total) 301.59s Timp de răspuns (maxim) 96.01s Răspuns greșit: 5 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Trucuri anti-AI : 8.1 Programare : 6.0 Combinat : 4.9 Parsare și extragere de date : 6.5 Specific domeniului : 5.9 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#121#121	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
#122#122	Gemma 4 31Bnone	6.2	Google	$0.020 ↓	5.34s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 48.5% Teste instabile 1 Tokenuri de intrare 125,728 Tokenuri de ieșire 13,317 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.34s Timp de răspuns (total) 106.82s Timp de răspuns (maxim) 29.95s Răspuns greșit: 9 Eroare API: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.5 Programare : 5.5 Combinat : 3.8 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
#123#123	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.066	4.40s
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 142,197 Tokenuri de ieșire 14,746 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.40s Timp de răspuns (total) 96.84s Timp de răspuns (maxim) 44.58s Răspuns greșit: 13 Fără răspuns: 1 Trucuri anti-AI : 3.0 Programare : 5.6 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#124#124	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
#125#125	Gemini 2.5 Flashnone	6.2	Google	$0.017	6.20s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 43.9% Teste instabile 1 Tokenuri de intrare 39,877 Tokenuri de ieșire 1,890 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.20s Timp de răspuns (total) 136.37s Timp de răspuns (maxim) 118.00s Răspuns greșit: 12 Apel de instrument invalid: 1 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
#126#126	Qwen3.5-35B-A3Bmedium	6.2	Qwen	$0.837 ↓	112.47s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 66.7% Teste instabile 6 Tokenuri de intrare 130,388 Tokenuri de ieșire 40,630 Tokenuri de raționament 786,040 Timp de răspuns (mediu) 112.47s Timp de răspuns (total) 2474.28s Timp de răspuns (maxim) 950.25s Timp expirat: 5 Fără răspuns: 2 Răspuns greșit: 2 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 5.9 Combinat : 3.8 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
#127#127	Gemini 3.1 Flash Liteminimal	6.1	Google	$0.047	1.86s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 51.5% Teste instabile 3 Tokenuri de intrare 119,065 Tokenuri de ieșire 11,118 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.86s Timp de răspuns (total) 40.88s Timp de răspuns (maxim) 12.97s Răspuns greșit: 8 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 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
#128#128	gpt-oss-120bmedium	6.1	OpenAI	$0.019 ↓	21.91s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 50.0% Teste instabile 5 Tokenuri de intrare 108,747 Tokenuri de ieșire 29,772 Tokenuri de raționament 68,044 Timp de răspuns (mediu) 21.91s Timp de răspuns (total) 328.70s Timp de răspuns (maxim) 68.16s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 6.7 Programare : 5.9 Combinat : 6.5 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
#129#129	Gemini 3.1 Flash Litenone	6.1	Google	$0.046	1.75s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 50.0% Teste instabile 4 Tokenuri de intrare 118,050 Tokenuri de ieșire 10,723 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.75s Timp de răspuns (total) 38.60s Timp de răspuns (maxim) 16.25s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Fără răspuns: 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
#131#131	Qwen3.6 Flashnone	6.1	Qwen	$0.062 ↓	3.74s
Vezi fișa modelului Total teste 22 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 34.9% Teste instabile 1 Tokenuri de intrare 139,788 Tokenuri de ieșire 30,947 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.74s Timp de răspuns (total) 82.38s Timp de răspuns (maxim) 48.79s Răspuns greșit: 12 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.1 Programare : 5.4 Combinat : 3.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#132#132	Qwen3.5-Flashnone	6.1	Qwen	$0.073 ↓	25.28s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 39.4% Teste instabile 2 Tokenuri de intrare 282,347 Tokenuri de ieșire 209,201 Tokenuri de raționament 0 Timp de răspuns (mediu) 25.28s Timp de răspuns (total) 556.24s Timp de răspuns (maxim) 480.96s Răspuns greșit: 13 Apel de instrument invalid: 1 Trucuri anti-AI : 3.5 Programare : 5.5 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#133#133	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
#134#134	Qwen3.5-35B-A3Bnone	6.1	Qwen	$0.106 ↓	12.72s
Vezi fișa modelului Total teste 22 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 43.9% Teste instabile 4 Tokenuri de intrare 134,521 Tokenuri de ieșire 86,614 Tokenuri de raționament 0 Timp de răspuns (mediu) 12.72s Timp de răspuns (total) 279.90s Timp de răspuns (maxim) 209.15s Răspuns greșit: 12 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 3.4 Programare : 5.5 Combinat : 3.8 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 6.5 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#135#135	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
#136#136	Nemotron 3 Ultranone	6.1	NVIDIA	$0.072 ↕	3.87s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 42.4% Teste instabile 2 Tokenuri de intrare 101,275 Tokenuri de ieșire 9,474 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.87s Timp de răspuns (total) 85.15s Timp de răspuns (maxim) 37.50s Răspuns greșit: 12 Eroare API: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.5 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#139#139	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
#141#141	Mimo V2 Omnimedium	5.9	Xiaomi	$0.683 ↓	41.16s
Vezi fișa modelului Total teste 21 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 53.0% 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 : 5.0 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
#142#142	Hy3 previewhigh	5.9	Tencent	$0.048 ↕	56.57s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 53.0% 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 : 5.0 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
#143#143	GPT-5.4 Mininone	5.9	OpenAI	$0.095	1.53s
Vezi fișa modelului Total teste 22 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 33.3% Teste instabile 3 Tokenuri de intrare 79,067 Tokenuri de ieșire 7,880 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.53s Timp de răspuns (total) 33.74s Timp de răspuns (maxim) 9.92s Răspuns greșit: 13 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 3.1 Programare : 5.5 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 3.0 Cultură generală : 3.0
#145#145	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

←

1 3 4 5 8

→

Comparație rapidă

Gemini 3.6 FlashmediumvsGemini 3.6 Flashhigh Gemini 3.6 FlashhighvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3.6 Flashlow Gemini 3.6 FlashlowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium Gemini 3.5 FlashmediumvsGPT-5.5medium

Clasament AI Benchy

Filtrează modelele

Comparație rapidă