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)
#3🥉 #3	Gemini 3.5 Flashlow	9.3	Google	$0.285	2.98s
Vezi fișa modelului Total teste 20 Teste greșite 2 Fiabilitate 10.0 Rată de trecere pe încercare 90.0% Teste instabile 0 Tokenuri de intrare 33,935 Tokenuri de ieșire 2,027 Tokenuri de raționament 23,938 Timp de răspuns (mediu) 2.98s Timp de răspuns (total) 59.59s Timp de răspuns (maxim) 6.44s Răspuns greșit: 2 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 : 10.0 Apelare instrumente : 10.0 Cultură generală : 10.0
#148#148	Trinity Large Previewnone	4.7	Arcee AI	$0.008 ↑	2.98s
Vezi fișa modelului Total teste 20 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 23.3% 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: 1 Trucuri anti-AI : 3.1 Programare : 4.0 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
#82#82	Qwen3.7 Plusnone	6.6	Qwen	$0.027	2.95s
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 39,669 Tokenuri de ieșire 6,572 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.95s Timp de răspuns (total) 58.96s Timp de răspuns (maxim) 29.38s Răspuns greșit: 9 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.5 Programare : 6.8 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.3 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#144#144	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
#132#132	GLM 5 Turbonone	5.3	Z.ai	$0.044 ↑	2.86s
Vezi fișa modelului Total teste 20 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 33.3% Teste instabile 2 Tokenuri de intrare 29,927 Tokenuri de ieșire 1,809 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.86s Timp de răspuns (total) 57.24s Timp de răspuns (maxim) 8.21s Răspuns greșit: 12 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.0 Programare : 4.4 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.2 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#44#44	Gemini 3.1 Flash Lite Previewlow	7.6	Google	$0.025	2.85s
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 29,708 Tokenuri de ieșire 2,280 Tokenuri de raționament 8,829 Timp de răspuns (mediu) 2.85s Timp de răspuns (total) 57.08s Timp de răspuns (maxim) 11.91s Răspuns greșit: 6 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.3 Programare : 6.8 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
#150#150	MiMo-V2-Flashnone	4.7	Xiaomi	$0.025 ↑	2.70s
Vezi fișa modelului Total teste 20 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 26.7% Teste instabile 4 Tokenuri de intrare 34,208 Tokenuri de ieșire 68,873 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.70s Timp de răspuns (total) 43.15s Timp de răspuns (maxim) 19.68s Răspuns greșit: 12 Nu a urmat instrucțiunile: 2 Eroare API: 1 Formatare suplimentară: 1 Trucuri anti-AI : 3.2 Programare : 4.9 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
#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
#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
#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
#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
#89#89	Mercury 2medium	6.5	Inception	$0.055	2.27s
Vezi fișa modelului Total teste 20 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 51.7% Teste instabile 3 Tokenuri de intrare 32,570 Tokenuri de ieșire 4,022 Tokenuri de raționament 58,405 Timp de răspuns (mediu) 2.27s Timp de răspuns (total) 43.20s Timp de răspuns (maxim) 14.63s Răspuns greșit: 8 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 6.9 Programare : 7.2 Combinat : 10.0 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 4.8 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#141#141	MiMo-V2.5none	5.0	Xiaomi	$0.007 ↓	2.20s
Vezi fișa modelului Total teste 20 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 28.3% Teste instabile 1 Tokenuri de intrare 39,342 Tokenuri de ieșire 2,258 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.20s Timp de răspuns (total) 43.96s Timp de răspuns (maxim) 6.86s Răspuns greșit: 13 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.5 Programare : 6.8 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
#88#88	GPT-5.5none	6.5	OpenAI	$0.217	1.93s
Vezi fișa modelului Total teste 20 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 56.7% Teste instabile 3 Tokenuri de intrare 31,593 Tokenuri de ieșire 1,956 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.93s Timp de răspuns (total) 38.64s Timp de răspuns (maxim) 5.56s Răspuns greșit: 10 Trucuri anti-AI : 6.9 Programare : 6.8 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#51#51	Gemini 3.1 Flash Litelow	7.4	Google	$0.026	1.92s
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 33,889 Tokenuri de ieșire 2,726 Tokenuri de raționament 8,951 Timp de răspuns (mediu) 1.92s Timp de răspuns (total) 38.45s Timp de răspuns (maxim) 5.66s Răspuns greșit: 8 Trucuri anti-AI : 7.3 Programare : 6.8 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
#143#143	GPT-4o-mininone	4.9	OpenAI	$0.006	1.85s
Vezi fișa modelului Total teste 20 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 25.0% Teste instabile 0 Tokenuri de intrare 28,896 Tokenuri de ieșire 1,977 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.85s Timp de răspuns (total) 24.00s Timp de răspuns (maxim) 7.58s Răspuns greșit: 14 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
#122#122	MiMo-V2.5-Pronone	5.6	Xiaomi	$0.016 ↓	1.84s
Vezi fișa modelului Total teste 20 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 41.7% Teste instabile 4 Tokenuri de intrare 28,962 Tokenuri de ieșire 3,037 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.84s Timp de răspuns (total) 36.79s Timp de răspuns (maxim) 8.32s Răspuns greșit: 10 Nu a urmat instrucțiunile: 4 Trucuri anti-AI : 3.3 Programare : 5.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#39#39	Gemini 3 Flash Previewnone	7.7	Google	$0.023	1.70s
Vezi fișa modelului Total teste 20 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 70.0% Teste instabile 2 Tokenuri de intrare 34,008 Tokenuri de ieșire 1,879 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.70s Timp de răspuns (total) 22.05s Timp de răspuns (maxim) 3.56s Răspuns greșit: 7 Trucuri anti-AI : 8.3 Programare : 6.8 Combinat : 4.7 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 7.7 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
#149#149	Qwen3.5-9Bnone	4.7	Qwen	$0.003 ↓	1.68s
Vezi fișa modelului Total teste 20 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 21.7% Teste instabile 1 Tokenuri de intrare 45,200 Tokenuri de ieșire 3,943 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.68s Timp de răspuns (total) 33.66s Timp de răspuns (maxim) 5.91s Răspuns greșit: 13 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 3.1 Programare : 4.4 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
#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
#156#156	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
#23#23	Gemini 3.5 Flashminimal	7.9	Google	$0.103	1.58s
Vezi fișa modelului Total teste 20 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 71.7% Teste instabile 1 Tokenuri de intrare 36,844 Tokenuri de ieșire 5,271 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.58s Timp de răspuns (total) 31.55s Timp de răspuns (maxim) 5.51s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 6.5 Programare : 7.0 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
#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
#80#80	Gemini 3.1 Flash Liteminimal	6.7	Google	$0.013	1.37s
Vezi fișa modelului Total teste 20 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 56.7% Teste instabile 3 Tokenuri de intrare 33,968 Tokenuri de ieșire 2,481 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.37s Timp de răspuns (total) 27.32s Timp de răspuns (maxim) 4.49s Răspuns greșit: 7 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 8.3 Programare : 6.8 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
#146#146	GPT-5.4 Nanonone	4.8	OpenAI	$0.010	1.33s
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 31,593 Tokenuri de ieșire 2,769 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.33s Timp de răspuns (total) 26.54s Timp de răspuns (maxim) 3.84s Răspuns greșit: 14 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.5 Programare : 5.4 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
#26#26	Qwen3.7 Maxnone	7.9	Qwen	$0.051 ↓	1.30s
Vezi fișa modelului Total teste 20 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 70.0% Teste instabile 0 Tokenuri de intrare 34,266 Tokenuri de ieșire 1,988 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.30s Timp de răspuns (total) 25.95s Timp de răspuns (maxim) 3.92s Răspuns greșit: 6 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 : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#134#134	Elephant Alphamedium	5.3	Openrouter	$0.000	1.27s
Vezi fișa modelului Total teste 20 Teste greșite 14 Fiabilitate N/D Rată de trecere pe încercare 31.7% Teste instabile 1 Tokenuri de intrare 33,744 Tokenuri de ieșire 2,596 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.27s Timp de răspuns (total) 22.82s Timp de răspuns (maxim) 3.70s Răspuns greșit: 9 Eroare API: 2 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 6.6 Programare : 4.0 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 3.0 Cultură generală : 3.0
#49#49	Gemini 3.1 Flash Lite Previewnone	7.5	Google	$0.017	1.23s
Vezi fișa modelului Total teste 20 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 63.3% Teste instabile 1 Tokenuri de intrare 34,579 Tokenuri de ieșire 5,541 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.23s Timp de răspuns (total) 24.68s Timp de răspuns (maxim) 3.39s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 7.5 Programare : 6.8 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
#136#136	Elephant Alphanone	5.1	Openrouter	$0.000	1.22s
Vezi fișa modelului Total teste 20 Teste greșite 15 Fiabilitate N/D Rată de trecere pe încercare 28.3% Teste instabile 1 Tokenuri de intrare 33,743 Tokenuri de ieșire 2,573 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.22s Timp de răspuns (total) 22.03s Timp de răspuns (maxim) 3.81s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Eroare API: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 6.6 Programare : 4.7 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 4.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 4.2 Apelare instrumente : 3.0 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