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)
#140#140	Qwen3 Coder Nextnone	4.9	Qwen	$0.009 ↓	8.62s
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 27.0% Teste instabile 1 Tokenuri de intrare 47,507 Tokenuri de ieșire 3,584 Tokenuri de raționament 0 Timp de răspuns (mediu) 8.62s Timp de răspuns (total) 129.37s Timp de răspuns (maxim) 45.14s Răspuns greșit: 14 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.6 Programare : 4.6 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#141#141	Nemotron 3 Supernone	4.9	NVIDIA	$0.007 ↑	5.30s
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 31.8% Teste instabile 3 Tokenuri de intrare 36,456 Tokenuri de ieșire 6,195 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.30s Timp de răspuns (total) 111.31s Timp de răspuns (maxim) 16.45s Răspuns greșit: 14 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 3.3 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
#142#142	Mistral Small 4none	4.9	Mistral	$0.007	630ms
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 27.0% Teste instabile 1 Tokenuri de intrare 37,309 Tokenuri de ieșire 2,201 Tokenuri de raționament 0 Timp de răspuns (mediu) 630ms Timp de răspuns (total) 13.22s Timp de răspuns (maxim) 1.72s Răspuns greșit: 15 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.4 Programare : 3.7 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#143#143	MiMo-V2.5none	4.9	Xiaomi	$0.007 ↓	2.20s
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 27.0% Teste instabile 1 Tokenuri de intrare 41,985 Tokenuri de ieșire 2,267 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.20s Timp de răspuns (total) 46.21s Timp de răspuns (maxim) 6.86s Răspuns greșit: 14 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.5 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 4.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#144#144	GPT-5.4 Mininone	4.9	OpenAI	$0.038	1.13s
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 30.2% Teste instabile 3 Tokenuri de intrare 34,244 Tokenuri de ieșire 2,541 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.13s Timp de răspuns (total) 23.82s Timp de răspuns (maxim) 2.52s Răspuns greșit: 13 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 3.1 Programare : 5.5 Combinat : 3.0 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
#146#146	Laguna Xs.2none	4.8	Poolside	$0.000	806ms
Vezi fișa modelului Total teste 19 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 26.3% Teste instabile 0 Tokenuri de intrare 33,675 Tokenuri de ieșire 2,826 Tokenuri de raționament 0 Timp de răspuns (mediu) 806ms Timp de răspuns (total) 12.09s Timp de răspuns (maxim) 2.01s Răspuns greșit: 8 Eroare API: 4 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 3.0 Programare : 2.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 3.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 3.0 Cultură generală : 3.0
#147#147	GPT-4o-mininone	4.8	OpenAI	$0.006	1.77s
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 23.8% Teste instabile 0 Tokenuri de intrare 31,518 Tokenuri de ieșire 1,982 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.77s Timp de răspuns (total) 24.80s Timp de răspuns (maxim) 7.58s Răspuns greșit: 15 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.8 Programare : 3.2 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#148#148	GPT-5.4 Nanonone	4.7	OpenAI	$0.011	1.48s
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 30.2% Teste instabile 5 Tokenuri de intrare 34,212 Tokenuri de ieșire 2,784 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.48s Timp de răspuns (total) 31.01s Timp de răspuns (maxim) 4.47s Răspuns greșit: 15 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.5 Programare : 4.6 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 2.9 Inteligență generală : 3.8 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#149#149	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	4.6	NVIDIA	$0.000	17.13s
Vezi fișa modelului Total teste 19 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 31.6% Teste instabile 5 Tokenuri de intrare 11,661 Tokenuri de ieșire 48,491 Tokenuri de raționament 180,695 Timp de răspuns (mediu) 17.13s Timp de răspuns (total) 222.66s Timp de răspuns (maxim) 147.45s Răspuns greșit: 7 Eroare API: 6 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 6.4 Programare : 3.3 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 3.0 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 2.9 Apelare instrumente : 3.0 Cultură generală : 3.0
#150#150	Qwen3 Coder Nextmedium	4.6	Qwen	$0.008 ↓	8.58s
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 28.6% Teste instabile 3 Tokenuri de intrare 47,250 Tokenuri de ieșire 3,319 Tokenuri de raționament 0 Timp de răspuns (mediu) 8.58s Timp de răspuns (total) 128.68s Timp de răspuns (maxim) 81.80s Răspuns greșit: 13 Nu a urmat instrucțiunile: 3 Timp expirat: 1 Trucuri anti-AI : 3.5 Programare : 3.7 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 6.3 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#151#151	Trinity Large Previewnone	4.6	Arcee AI	$0.008 ↑	2.98s
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 22.2% Teste instabile 2 Tokenuri de intrare 29,828 Tokenuri de ieșire 2,169 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.98s Timp de răspuns (total) 56.57s Timp de răspuns (maxim) 14.34s Răspuns greșit: 12 Nu a urmat instrucțiunile: 3 Eroare API: 2 Trucuri anti-AI : 3.1 Programare : 3.7 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.5 Respectarea instrucțiunilor : 3.5 Rezolvare de puzzle-uri : 3.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#153#153	Qwen3.6 35B A3Bnone	4.6	Qwen	$0.031 ↑	3.73s
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 30.2% Teste instabile 5 Tokenuri de intrare 19,329 Tokenuri de ieșire 27,755 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.73s Timp de răspuns (total) 70.86s Timp de răspuns (maxim) 22.52s Răspuns greșit: 13 Eroare API: 2 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.6 Programare : 5.5 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
#154#154	Qwen3.5-9Bnone	4.6	Qwen	$0.003 ↓	1.89s
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 20.6% Teste instabile 1 Tokenuri de intrare 48,041 Tokenuri de ieșire 3,952 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.89s Timp de răspuns (total) 39.68s Timp de răspuns (maxim) 6.03s Răspuns greșit: 14 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 3.1 Programare : 3.9 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#155#155	Mercury 2none	4.5	Inception	$0.011	653ms
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 23.8% Teste instabile 2 Tokenuri de intrare 28,113 Tokenuri de ieșire 4,439 Tokenuri de raționament 0 Timp de răspuns (mediu) 653ms Timp de răspuns (total) 13.72s Timp de răspuns (maxim) 1.43s Răspuns greșit: 16 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.0 Programare : 3.4 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#156#156	Hy3 previewnone	4.4	Tencent	$0.003 ↕	12.92s
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 23.8% Teste instabile 2 Tokenuri de intrare 27,172 Tokenuri de ieșire 2,661 Tokenuri de raționament 0 Timp de răspuns (mediu) 12.92s Timp de răspuns (total) 232.64s Timp de răspuns (maxim) 35.84s Răspuns greșit: 8 Eroare API: 4 Nu a urmat instrucțiunile: 4 Formatare suplimentară: 1 Trucuri anti-AI : 4.8 Programare : 2.7 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.6 Inteligență generală : 4.1 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#157#157	Grok 4.1 Fastnone	4.4	X AI	$0.008 ↓	1.62s
Vezi fișa modelului Total teste 19 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 22.8% Teste instabile 3 Tokenuri de intrare 36,608 Tokenuri de ieșire 1,723 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.62s Timp de răspuns (total) 19.48s Timp de răspuns (maxim) 5.51s Răspuns greșit: 13 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 3.2 Programare : 5.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.4 Respectarea instrucțiunilor : 3.0 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 2.8 Cultură generală : 3.0
#162#162	Nemotron 3 Nano Omni 30b A3b Reasoningnone	4.1	NVIDIA	$0.000	728ms
Vezi fișa modelului Total teste 19 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 17.5% Teste instabile 2 Tokenuri de intrare 11,661 Tokenuri de ieșire 1,302 Tokenuri de raționament 0 Timp de răspuns (mediu) 728ms Timp de răspuns (total) 9.47s Timp de răspuns (maxim) 2.21s Răspuns greșit: 9 Eroare API: 6 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 3.8 Specific domeniului : 3.6 Inteligență generală : 3.0 Respectarea instrucțiunilor : 4.8 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#163#163	Granite 4.1 8Bnone	4.0	IBM Granite	$0.003	728ms
Vezi fișa modelului Total teste 21 Teste greșite 19 Fiabilitate 10.0 Rată de trecere pe încercare 9.5% Teste instabile 0 Tokenuri de intrare 46,285 Tokenuri de ieșire 2,911 Tokenuri de raționament 0 Timp de răspuns (mediu) 728ms Timp de răspuns (total) 15.29s Timp de răspuns (maxim) 2.17s Răspuns greșit: 13 Nu a urmat instrucțiunile: 4 Formatare suplimentară: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 4.9 Programare : 4.5 Combinat : 3.0 Parsare și extragere de date : 3.0 Specific domeniului : 3.0 Inteligență generală : 4.0 Respectarea instrucțiunilor : 3.6 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#22#22	Step 3.7 Flashmedium	8.0	Stepfun	$0.376	20.35s
Vezi fișa modelului Total teste 21 Teste greșite 7 Fiabilitate 9.9 Rată de trecere pe încercare 73.0% Teste instabile 2 Tokenuri de intrare 39,981 Tokenuri de ieșire 319,958 Tokenuri de raționament 0 Timp de răspuns (mediu) 20.35s Timp de răspuns (total) 427.42s Timp de răspuns (maxim) 113.98s Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 8.8 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 4.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#145#145	Laguna M.1none	4.8	Poolside	$0.000	2.89s
Vezi fișa modelului Total teste 19 Teste greșite 15 Fiabilitate 9.8 Rată de trecere pe încercare 31.6% Teste instabile 3 Tokenuri de intrare 38,147 Tokenuri de ieșire 2,054 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.89s Timp de răspuns (total) 43.28s Timp de răspuns (maxim) 15.42s Răspuns greșit: 10 Eroare API: 4 Apel de instrument invalid: 1 Trucuri anti-AI : 3.4 Programare : 7.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 3.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#41#41	Nemotron 3 Ultra 550b A55bmedium	7.5	NVIDIA	$0.177 ↕	15.05s
Vezi fișa modelului Total teste 21 Teste greșite 8 Fiabilitate 9.7 Rată de trecere pe încercare 69.8% Teste instabile 3 Tokenuri de intrare 46,813 Tokenuri de ieșire 18,002 Tokenuri de raționament 53,091 Timp de răspuns (mediu) 15.05s Timp de răspuns (total) 316.09s Timp de răspuns (maxim) 43.93s Răspuns greșit: 7 Eroare API: 1 Trucuri anti-AI : 10.0 Programare : 8.4 Combinat : 9.8 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 3.7 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#51#51	Mimo V2 PROmedium	7.4	Xiaomi	$0.333 ↑	22.16s
Vezi fișa modelului Total teste 21 Teste greșite 9 Fiabilitate 9.6 Rată de trecere pe încercare 73.0% Teste instabile 5 Tokenuri de intrare 40,961 Tokenuri de ieșire 2,518 Tokenuri de raționament 81,801 Timp de răspuns (mediu) 22.16s Timp de răspuns (total) 443.22s Timp de răspuns (maxim) 136.29s Răspuns greșit: 5 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 6.0 Combinat : 4.7 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#67#67	MiniMax M3medium	7.1	Minimax	$0.131	68.17s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 9.6 Rată de trecere pe încercare 65.1% Teste instabile 5 Tokenuri de intrare 46,546 Tokenuri de ieșire 49,036 Tokenuri de raționament 92,543 Timp de răspuns (mediu) 68.17s Timp de răspuns (total) 1363.38s 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
#103#103	DeepSeek V4 Prohigh	6.0	DeepSeek	$0.079 ↓	65.21s
Vezi fișa modelului Total teste 21 Teste greșite 13 Fiabilitate 9.0 Rată de trecere pe încercare 52.4% Teste instabile 6 Tokenuri de intrare 32,240 Tokenuri de ieșire 12,250 Tokenuri de raționament 72,257 Timp de răspuns (mediu) 65.21s Timp de răspuns (total) 1304.19s Timp de răspuns (maxim) 358.35s Eroare API: 5 Răspuns greșit: 4 Timp expirat: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.4 Programare : 3.3 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
#113#113	DeepSeek V4 Pronone	5.7	DeepSeek	$0.025 ↓	12.38s
Vezi fișa modelului Total teste 21 Teste greșite 14 Fiabilitate 8.5 Rată de trecere pe încercare 42.9% Teste instabile 4 Tokenuri de intrare 44,845 Tokenuri de ieșire 5,349 Tokenuri de raționament 0 Timp de răspuns (mediu) 12.38s Timp de răspuns (total) 260.06s Timp de răspuns (maxim) 58.65s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Eroare API: 1 Formatare suplimentară: 1 Trucuri anti-AI : 3.5 Programare : 4.6 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
#55#55	GLM 5.1medium	7.3	Z.ai	$0.292 ↓	33.67s
Vezi fișa modelului Total teste 21 Teste greșite 9 Fiabilitate 6.7 Rată de trecere pe încercare 68.3% Teste instabile 4 Tokenuri de intrare 32,995 Tokenuri de ieșire 11,655 Tokenuri de raționament 75,421 Timp de răspuns (mediu) 33.67s Timp de răspuns (total) 673.41s Timp de răspuns (maxim) 172.60s Răspuns greșit: 4 Timp expirat: 2 Eroare API: 1 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 4.6 Combinat : 9.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 3.0 Cultură generală : 3.0
#73#73	Seed-2.0-Minimedium	6.9	Bytedance Seed	$0.044	80.22s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 6.7 Rată de trecere pe încercare 57.1% Teste instabile 2 Tokenuri de intrare 41,904 Tokenuri de ieșire 2,555 Tokenuri de raționament 95,974 Timp de răspuns (mediu) 80.22s Timp de răspuns (total) 1363.72s Timp de răspuns (maxim) 262.83s Timp expirat: 5 Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.6 Programare : 5.5 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#152#152	MiMo-V2-Flashnone	4.6	Xiaomi	$0.025 ↑	2.76s
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 6.7 Rată de trecere pe încercare 25.4% Teste instabile 4 Tokenuri de intrare 36,851 Tokenuri de ieșire 68,882 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.76s Timp de răspuns (total) 46.99s Timp de răspuns (maxim) 19.68s Răspuns greșit: 13 Nu a urmat instrucțiunile: 2 Eroare API: 1 Formatare suplimentară: 1 Trucuri anti-AI : 3.2 Programare : 4.3 Combinat : 3.0 Parsare și extragere de date : 2.9 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
#158#158	GLM 4.7 Flashmedium	4.4	Z.ai	$0.054	35.10s
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 6.7 Rată de trecere pe încercare 33.3% Teste instabile 8 Tokenuri de intrare 37,206 Tokenuri de ieșire 43,754 Tokenuri de raționament 89,079 Timp de răspuns (mediu) 35.10s Timp de răspuns (total) 456.24s Timp de răspuns (maxim) 174.55s Răspuns greșit: 9 Fără răspuns: 3 Nu a urmat instrucțiunile: 2 Timp expirat: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 4.7 Programare : 3.2 Combinat : 2.8 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
#161#161	Qwen3.5-9Bmedium	4.2	Qwen	$0.035 ↓	82.24s
Vezi fișa modelului Total teste 21 Teste greșite 18 Fiabilitate 6.7 Rată de trecere pe încercare 27.0% Teste instabile 5 Tokenuri de intrare 17,070 Tokenuri de ieșire 29,045 Tokenuri de raționament 209,516 Timp de răspuns (mediu) 82.24s Timp de răspuns (total) 1315.88s Timp de răspuns (maxim) 226.38s Timp expirat: 11 Fără răspuns: 2 Răspuns greșit: 2 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 5.1 Programare : 2.9 Combinat : 3.0 Parsare și extragere de date : 3.6 Specific domeniului : 3.6 Inteligență generală : 2.8 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.0 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