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)
#92#92	Qwen3.5 Plus 2026-02-15none	6.4	Qwen	$0.016 ↓	2.40s
Vezi fișa modelului Total teste 20 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 48.3% Teste instabile 2 Tokenuri de intrare 43,023 Tokenuri de ieșire 2,474 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.40s Timp de răspuns (total) 33.56s Timp de răspuns (maxim) 6.65s Răspuns greșit: 11 Trucuri anti-AI : 4.8 Programare : 4.9 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
#93#93	Ring-2.6-1Tnone	6.4	Inclusionai	$0.026	55.10s
Vezi fișa modelului Total teste 20 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 50.0% 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 Răspuns greșit: 5 Eroare API: 4 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 9.2 Programare : 6.5 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
#94#94	Gemini 2.5 Flashnone	6.4	Google	$0.015	889ms
Vezi fișa modelului Total teste 20 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 48.3% Teste instabile 1 Tokenuri de intrare 32,923 Tokenuri de ieșire 1,764 Tokenuri de raționament 0 Timp de răspuns (mediu) 889ms Timp de răspuns (total) 17.79s Timp de răspuns (maxim) 4.39s Răspuns greșit: 11 Trucuri anti-AI : 3.0 Programare : 6.8 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
#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
#78#78	Hunter Alphamedium	6.7	OpenRouter	$0.000	10.33s
Vezi fișa modelului Total teste 18 Teste greșite 10 Fiabilitate N/D Rată de trecere pe încercare 64.8% Teste instabile 6 Tokenuri de intrare 28,927 Tokenuri de ieșire 4,682 Tokenuri de raționament 17,969 Timp de răspuns (mediu) 10.33s Timp de răspuns (total) 175.58s Timp de răspuns (maxim) 30.53s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Timp expirat: 2 Eroare API: 1 Formatare suplimentară: 1 Trucuri anti-AI : 7.3 Programare : 3.0 Combinat : 4.7 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 7.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 6.1 Apelare instrumente : 10.0
#86#86	Grok 4.20 Multi Agent Betamedium	6.6	X AI	$5.599 ↑	9.69s
Vezi fișa modelului Total teste 18 Teste greșite 10 Fiabilitate N/D Rată de trecere pe încercare 59.3% Teste instabile 5 Tokenuri de intrare 721,952 Tokenuri de ieșire 294,668 Tokenuri de raționament 305,374 Timp de răspuns (mediu) 9.69s Timp de răspuns (total) 155.07s Timp de răspuns (maxim) 35.28s Răspuns greșit: 4 Eroare API: 2 Formatare suplimentară: 2 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 6.9 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.8 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 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
#98#98	Mimo V2 Omninone	6.2	Xiaomi	$0.021 ↓	2.44s
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 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 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.6 Programare : 5.1 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
#99#99	GPT-5 Nanomedium	6.1	OpenAI	$0.077	43.52s
Vezi fișa modelului Total teste 20 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 55.0% Teste instabile 7 Tokenuri de intrare 31,489 Tokenuri de ieșire 5,328 Tokenuri de raționament 181,056 Timp de răspuns (mediu) 43.52s Timp de răspuns (total) 565.82s Timp de răspuns (maxim) 204.02s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Timp expirat: 1 Trucuri anti-AI : 6.5 Programare : 5.4 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
#100#100	DeepSeek V4 Prohigh	6.1	DeepSeek	$0.062 ↓	58.92s
Vezi fișa modelului Total teste 20 Teste greșite 12 Fiabilitate 8.9 Rată de trecere pe încercare 55.0% Teste instabile 6 Tokenuri de intrare 30,514 Tokenuri de ieșire 12,244 Tokenuri de raționament 53,958 Timp de răspuns (mediu) 58.92s Timp de răspuns (total) 1119.51s Timp de răspuns (maxim) 358.35s Eroare API: 5 Răspuns greșit: 4 Timp expirat: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.4 Programare : 2.7 Combinat : 10.0 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#102#102	Nemotron 3 Supermedium	5.9	NVIDIA	$0.019 ↑	20.87s
Vezi fișa modelului Total teste 20 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 43.3% Teste instabile 2 Tokenuri de intrare 36,614 Tokenuri de ieșire 14,505 Tokenuri de raționament 30,178 Timp de răspuns (mediu) 20.87s Timp de răspuns (total) 375.66s Timp de răspuns (maxim) 87.80s Răspuns greșit: 5 Nu a urmat instrucțiunile: 3 Eroare API: 2 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 8.3 Programare : 3.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.1 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#103#103	gpt-oss-120bmedium	5.9	OpenAI	$0.012 ↓	22.41s
Vezi fișa modelului Total teste 20 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 50.0% Teste instabile 5 Tokenuri de intrare 36,355 Tokenuri de ieșire 17,495 Tokenuri de raționament 46,878 Timp de răspuns (mediu) 22.41s Timp de răspuns (total) 291.35s Timp de răspuns (maxim) 68.16s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 6.7 Programare : 3.9 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
#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
#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
#106#106	Seed-2.0-Litenone	5.9	Bytedance Seed	$0.018	2.48s
Vezi fișa modelului Total teste 20 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 48.3% Teste instabile 4 Tokenuri de intrare 43,630 Tokenuri de ieșire 3,253 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.48s Timp de răspuns (total) 49.67s Timp de răspuns (maxim) 6.70s Răspuns greșit: 12 Trucuri anti-AI : 3.0 Programare : 6.8 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
#107#107	Owl Alphamedium	5.8	Openrouter	$0.000	11.64s
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 40,601 Tokenuri de ieșire 2,965 Tokenuri de raționament 0 Timp de răspuns (mediu) 11.64s Timp de răspuns (total) 232.83s Timp de răspuns (maxim) 58.63s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Eroare API: 1 Trucuri anti-AI : 4.8 Programare : 6.6 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#101#101	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
#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
#109#109	DeepSeek V4 Pronone	5.8	DeepSeek	$0.024 ↓	12.91s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 8.5 Rată de trecere pe încercare 45.0% Teste instabile 4 Tokenuri de intrare 42,256 Tokenuri de ieșire 5,345 Tokenuri de raționament 0 Timp de răspuns (mediu) 12.91s Timp de răspuns (total) 258.27s Timp de răspuns (maxim) 58.65s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Eroare API: 1 Formatare suplimentară: 1 Trucuri anti-AI : 3.5 Programare : 5.4 Combinat : 9.5 Parsare și extragere de date : 6.9 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 7.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#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
#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
#113#113	Qwen3.5-27Bnone	5.8	Qwen	$0.014 ↓	1.69s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 40.0% Teste instabile 2 Tokenuri de intrare 41,637 Tokenuri de ieșire 3,585 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.69s Timp de răspuns (total) 33.82s Timp de răspuns (maxim) 9.39s Răspuns greșit: 11 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 7.3 Combinat : 2.8 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
#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
#116#116	Cobuddymedium	5.8	Baidu	$0.000	39.90s
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 37,449 Tokenuri de ieșire 1,677 Tokenuri de raționament 116,703 Timp de răspuns (mediu) 39.90s Timp de răspuns (total) 797.98s Timp de răspuns (maxim) 309.02s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 8.7 Programare : 4.1 Combinat : 3.0 Parsare și extragere de date : 6.3 Specific domeniului : 2.9 Inteligență generală : 4.2 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 3.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#117#117	Mimo V2 PROnone	5.7	Xiaomi	$0.045 ↓	2.27s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 43.3% Teste instabile 3 Tokenuri de intrare 39,344 Tokenuri de ieșire 2,352 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.27s Timp de răspuns (total) 45.50s Timp de răspuns (maxim) 6.58s Răspuns greșit: 11 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.5 Programare : 6.8 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#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
#121#121	GPT-5.4none	5.6	OpenAI	$0.116	1.45s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 38.3% Teste instabile 2 Tokenuri de intrare 31,593 Tokenuri de ieșire 2,402 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.45s Timp de răspuns (total) 29.00s Timp de răspuns (maxim) 2.95s Răspuns greșit: 12 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.2 Programare : 6.8 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
#123#123	Kimi K2.6none	5.6	Moonshot AI	$0.077 ↓	13.82s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 38.3% Teste instabile 2 Tokenuri de intrare 30,318 Tokenuri de ieșire 16,405 Tokenuri de raționament 0 Timp de răspuns (mediu) 13.82s Timp de răspuns (total) 276.39s Timp de răspuns (maxim) 238.89s Răspuns greșit: 10 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 4.6 Programare : 6.8 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
#124#124	Qwen3.6 Flashnone	5.5	Qwen	$0.014 ↓	1.65s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 35.0% Teste instabile 0 Tokenuri de intrare 47,969 Tokenuri de ieșire 4,158 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.65s Timp de răspuns (total) 32.91s Timp de răspuns (maxim) 4.60s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 3.1 Programare : 6.6 Combinat : 3.0 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
#112#112	Grok 4.20 Betanone	5.8	X AI	$0.087 ↓	1.19s
Vezi fișa modelului Total teste 18 Teste greșite 12 Fiabilitate N/D Rată de trecere pe încercare 37.0% Teste instabile 1 Tokenuri de intrare 40,597 Tokenuri de ieșire 1,657 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.19s Timp de răspuns (total) 21.43s Timp de răspuns (maxim) 6.48s Răspuns greșit: 10 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 4.0 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0

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