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)
#118#118	Owl Alphanone	5.7	Openrouter	$0.000	8.80s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 38.3% Teste instabile 1 Tokenuri de intrare 39,406 Tokenuri de ieșire 4,802 Tokenuri de raționament 0 Timp de răspuns (mediu) 8.80s Timp de răspuns (total) 176.09s Timp de răspuns (maxim) 47.10s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Formatare suplimentară: 1 Trucuri anti-AI : 3.4 Programare : 7.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#129#129	Mistral Small 4medium	5.4	Mistral	$0.056	8.35s
Vezi fișa modelului Total teste 20 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 45.0% Teste instabile 7 Tokenuri de intrare 39,834 Tokenuri de ieșire 21,871 Tokenuri de raționament 68,349 Timp de răspuns (mediu) 8.35s Timp de răspuns (total) 167.08s Timp de răspuns (maxim) 59.15s Răspuns greșit: 11 Eroare API: 2 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 5.6 Programare : 5.1 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 3.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#2🥈 #2	Gemini 3.5 Flashhigh	9.6	Google	$0.994	8.30s
Vezi fișa modelului Total teste 20 Teste greșite 1 Fiabilitate 10.0 Rată de trecere pe încercare 96.7% Teste instabile 1 Tokenuri de intrare 34,591 Tokenuri de ieșire 1,969 Tokenuri de raționament 102,679 Timp de răspuns (mediu) 8.30s Timp de răspuns (total) 165.92s Timp de răspuns (maxim) 34.82s Răspuns greșit: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 9.8 Cultură generală : 10.0
#157#157	Ling-2.6-1Tnone	4.3	Inclusionai	$0.005	7.72s
Vezi fișa modelului Total teste 20 Teste greșite 17 Fiabilitate N/D Rată de trecere pe încercare 15.0% Teste instabile 0 Tokenuri de intrare 34,905 Tokenuri de ieșire 2,434 Tokenuri de raționament 0 Timp de răspuns (mediu) 7.72s Timp de răspuns (total) 139.00s Timp de răspuns (maxim) 25.72s Răspuns greșit: 12 Eroare API: 2 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 3.4 Programare : 4.2 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 3.0 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
#115#115	Laguna Xs.2medium	5.8	Poolside	$0.000	6.73s
Vezi fișa modelului Total teste 19 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 50.9% Teste instabile 6 Tokenuri de intrare 39,481 Tokenuri de ieșire 54,218 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.73s Timp de răspuns (total) 100.98s Timp de răspuns (maxim) 29.11s Răspuns greșit: 6 Eroare API: 4 Fără răspuns: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 6.9 Programare : 6.3 Combinat : 3.0 Parsare și extragere de date : 7.1 Specific domeniului : 4.1 Inteligență generală : 3.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 4.7 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
#97#97	Gemma 4 26B A4Bnone	6.2	Google	$0.003 ↓	5.96s
Vezi fișa modelului Total teste 20 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 46.7% Teste instabile 2 Tokenuri de intrare 36,978 Tokenuri de ieșire 1,815 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.96s Timp de răspuns (total) 119.22s Timp de răspuns (maxim) 57.10s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Timp expirat: 1 Trucuri anti-AI : 8.3 Programare : 4.1 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
#12#12	Gemini 3 Flash Previewlow	8.6	Google	$0.106	5.81s
Vezi fișa modelului Total teste 20 Teste greșite 4 Fiabilitate 10.0 Rată de trecere pe încercare 81.7% Teste instabile 1 Tokenuri de intrare 33,766 Tokenuri de ieșire 2,070 Tokenuri de raționament 27,348 Timp de răspuns (mediu) 5.81s Timp de răspuns (total) 116.25s Timp de răspuns (maxim) 14.72s Răspuns greșit: 4 Trucuri anti-AI : 10.0 Programare : 7.3 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
#139#139	Nemotron 3 Supernone	5.0	NVIDIA	$0.006 ↑	5.47s
Vezi fișa modelului Total teste 20 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 33.3% Teste instabile 3 Tokenuri de intrare 33,717 Tokenuri de ieșire 6,186 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.47s Timp de răspuns (total) 109.43s Timp de răspuns (maxim) 16.45s Răspuns greșit: 13 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 3.4 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 4.6 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 4.7 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
#119#119	Hunter Alphanone	5.7	OpenRouter	$0.000	4.70s
Vezi fișa modelului Total teste 18 Teste greșite 12 Fiabilitate N/D Rată de trecere pe încercare 46.3% Teste instabile 4 Tokenuri de intrare 34,329 Tokenuri de ieșire 2,264 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.70s Timp de răspuns (total) 79.86s Timp de răspuns (maxim) 15.17s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Eroare API: 1 Trucuri anti-AI : 3.5 Programare : 3.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 6.1 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 5.8 Apelare instrumente : 10.0
#110#110	Qwen3.5 Plus 2026-04-20none	5.8	Qwen	$0.031 ↓	4.57s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 43.3% Teste instabile 4 Tokenuri de intrare 36,069 Tokenuri de ieșire 11,139 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.57s Timp de răspuns (total) 91.37s Timp de răspuns (maxim) 33.34s Răspuns greșit: 11 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 4.4 Combinat : 2.8 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
#7#7	Claude Opus 4.7medium	8.9	Anthropic	$0.624	4.48s
Vezi fișa modelului Total teste 20 Teste greșite 3 Fiabilitate 10.0 Rată de trecere pe încercare 85.0% Teste instabile 0 Tokenuri de intrare 61,569 Tokenuri de ieșire 10,439 Tokenuri de raționament 2,198 Timp de răspuns (mediu) 4.48s Timp de răspuns (total) 85.21s Timp de răspuns (maxim) 23.18s Răspuns greșit: 2 Timp expirat: 1 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 10.0 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
#6#6	Gemini 3.5 Flashmedium	9.0	Google	$0.472	4.29s
Vezi fișa modelului Total teste 20 Teste greșite 3 Fiabilitate 10.0 Rată de trecere pe încercare 86.7% Teste instabile 1 Tokenuri de intrare 33,933 Tokenuri de ieșire 1,995 Tokenuri de raționament 44,792 Timp de răspuns (mediu) 4.29s Timp de răspuns (total) 85.72s Timp de răspuns (maxim) 12.05s Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 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 : 7.7 Apelare instrumente : 10.0 Cultură generală : 10.0
#108#108	GLM 5.1none	5.8	Z.ai	$0.056 ↓	4.20s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 43.3% Teste instabile 4 Tokenuri de intrare 44,535 Tokenuri de ieșire 3,748 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.20s Timp de răspuns (total) 83.95s Timp de răspuns (maxim) 32.57s Răspuns greșit: 12 Apel de instrument invalid: 1 Trucuri anti-AI : 4.0 Programare : 4.3 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
#79#79	Gemma 4 31Bnone	6.7	Google	$0.003 ↓	4.05s
Vezi fișa modelului Total teste 20 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 50.0% Teste instabile 0 Tokenuri de intrare 17,818 Tokenuri de ieșire 1,398 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.05s Timp de răspuns (total) 72.97s Timp de răspuns (maxim) 26.13s Răspuns greșit: 7 Eroare API: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.5 Programare : 6.8 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
#96#96	GLM 5none	6.3	Z.ai	$0.025 ↑	3.95s
Vezi fișa modelului Total teste 20 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 46.7% Teste instabile 1 Tokenuri de intrare 34,537 Tokenuri de ieșire 1,985 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.95s Timp de răspuns (total) 51.38s Timp de răspuns (maxim) 11.07s Răspuns greșit: 11 Trucuri anti-AI : 4.8 Programare : 4.6 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
#35#35	Gemini 3.1 Flash Lite Previewmedium	7.7	Google	$0.063	3.94s
Vezi fișa modelului Total teste 20 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 65.0% Teste instabile 0 Tokenuri de intrare 34,781 Tokenuri de ieșire 2,204 Tokenuri de raționament 33,657 Timp de răspuns (mediu) 3.94s Timp de răspuns (total) 78.74s Timp de răspuns (maxim) 14.93s Răspuns greșit: 6 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 9.1 Programare : 6.8 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
#114#114	Qwen3.6 27Bnone	5.8	Qwen	$0.027 ↓	3.85s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 50.0% Teste instabile 6 Tokenuri de intrare 49,880 Tokenuri de ieșire 3,804 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.85s Timp de răspuns (total) 77.09s Timp de răspuns (maxim) 11.82s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 3.8 Programare : 6.8 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 7.7 Inteligență generală : 5.2 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 9.5 Cultură generală : 3.0
#151#151	Qwen3.6 35B A3Bnone	4.7	Qwen	$0.031 ↑	3.84s
Vezi fișa modelului Total teste 20 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 31.7% Teste instabile 5 Tokenuri de intrare 16,488 Tokenuri de ieșire 27,747 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.84s Timp de răspuns (total) 69.12s Timp de răspuns (maxim) 22.52s Răspuns greșit: 12 Eroare API: 2 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.6 Programare : 6.8 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 4.4 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 3.0 Cultură generală : 3.0
#104#104	Qwen3.5-Flashnone	5.9	Qwen	$0.004 ↓	3.74s
Vezi fișa modelului Total teste 20 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 41.7% Teste instabile 1 Tokenuri de intrare 43,598 Tokenuri de ieșire 4,270 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.74s Timp de răspuns (total) 74.71s Timp de răspuns (maxim) 27.18s Răspuns greșit: 12 Trucuri anti-AI : 3.5 Programare : 6.8 Combinat : 3.0 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
#62#62	Claude Opus 4.8none	7.3	Anthropic	$0.519	3.51s
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 63,282 Tokenuri de ieșire 8,098 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.51s Timp de răspuns (total) 70.19s Timp de răspuns (maxim) 17.73s Formatare suplimentară: 3 Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 6.5 Programare : 6.8 Combinat : 9.5 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#111#111	Qwen3.5-35B-A3Bnone	5.8	Qwen	$0.011 ↓	3.50s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 45.0% Teste instabile 3 Tokenuri de intrare 45,353 Tokenuri de ieșire 4,334 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.50s Timp de răspuns (total) 70.00s Timp de răspuns (maxim) 47.43s Răspuns greșit: 11 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.4 Programare : 6.8 Combinat : 3.0 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
#131#131	Qwen3.5-122B-A10Bnone	5.4	Qwen	$0.019 ↓	3.38s
Vezi fișa modelului Total teste 20 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 33.3% Teste instabile 1 Tokenuri de intrare 44,894 Tokenuri de ieșire 3,374 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.38s Timp de răspuns (total) 67.55s Timp de răspuns (maxim) 46.00s Răspuns greșit: 12 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 4.0 Combinat : 3.0 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
#69#69	Qwen3.6 Max Previewnone	7.1	Qwen	$0.072 ↓	3.31s
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 39,668 Tokenuri de ieșire 4,773 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.31s Timp de răspuns (total) 66.17s Timp de răspuns (maxim) 20.51s Răspuns greșit: 9 Trucuri anti-AI : 5.2 Programare : 4.2 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
#36#36	Gemini 3.1 Flash Litemedium	7.7	Google	$0.065	3.18s
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 33,803 Tokenuri de ieșire 2,248 Tokenuri de raționament 35,390 Timp de răspuns (mediu) 3.18s Timp de răspuns (total) 63.55s Timp de răspuns (maxim) 10.87s Răspuns greșit: 6 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 9.1 Programare : 6.8 Combinat : 10.0 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
#105#105	GLM 5V Turbonone	5.9	Z.ai	$0.049	3.04s
Vezi fișa modelului Total teste 20 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 40.0% Teste instabile 0 Tokenuri de intrare 34,502 Tokenuri de ieșire 1,760 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.04s Timp de răspuns (total) 60.88s Timp de răspuns (maxim) 6.51s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 6.8 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.6 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#9#9	Claude Opus 4.7none	8.9	Anthropic	$0.505	3.02s
Vezi fișa modelului Total teste 19 Teste greșite 3 Fiabilitate 10.0 Rată de trecere pe încercare 84.2% 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 : 10.0 Combinat : 9.5 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
#120#120	GLM 4.7 Flashnone	5.6	Z.ai	$0.004	3.01s
Vezi fișa modelului Total teste 20 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 38.3% Teste instabile 3 Tokenuri de intrare 36,147 Tokenuri de ieșire 2,515 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.01s Timp de răspuns (total) 39.12s Timp de răspuns (maxim) 7.05s Răspuns greșit: 12 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 5.2 Programare : 5.0 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 7.7 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 2.8 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