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)
#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
#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
#153#153	Mercury 2none	4.6	Inception	$0.009	614ms
Vezi fișa modelului Total teste 20 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 25.0% Teste instabile 2 Tokenuri de intrare 25,515 Tokenuri de ieșire 3,001 Tokenuri de raționament 0 Timp de răspuns (mediu) 614ms Timp de răspuns (total) 12.28s Timp de răspuns (maxim) 1.27s Răspuns greșit: 15 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.0 Programare : 3.5 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
#154#154	Hy3 previewnone	4.5	Tencent	$0.003	12.92s
Vezi fișa modelului Total teste 20 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 25.0% 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 Nu a urmat instrucțiunile: 4 Eroare API: 3 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
#155#155	GLM 4.7 Flashmedium	4.5	Z.ai	$0.054	35.10s
Vezi fișa modelului Total teste 20 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 35.0% 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 Apel de instrument invalid: 1 Timp expirat: 1 Trucuri anti-AI : 4.7 Programare : 3.4 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
#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
#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
#158#158	Qwen3.5-9Bmedium	4.2	Qwen	$0.033 ↓	83.32s
Vezi fișa modelului Total teste 20 Teste greșite 17 Fiabilitate 5.0 Rată de trecere pe încercare 28.3% Teste instabile 5 Tokenuri de intrare 15,204 Tokenuri de ieșire 27,305 Tokenuri de raționament 199,780 Timp de răspuns (mediu) 83.32s Timp de răspuns (total) 1249.74s Timp de răspuns (maxim) 226.38s Timp expirat: 11 Răspuns greșit: 2 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 5.1 Programare : 2.8 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
#159#159	LFM2-24B-A2Bnone	4.2	Liquid	$0.001	782ms
Vezi fișa modelului Total teste 16 Teste greșite 14 Fiabilitate N/D Rată de trecere pe încercare 16.7% Teste instabile 1 Tokenuri de intrare 10,771 Tokenuri de ieșire 1,173 Tokenuri de raționament 0 Timp de răspuns (mediu) 782ms Timp de răspuns (total) 10.94s Timp de răspuns (maxim) 3.15s Răspuns greșit: 9 Eroare API: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.3 Combinat : 3.0 Parsare și extragere de date : 3.0 Specific domeniului : 5.9 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.8 Apelare instrumente : 3.0
#160#160	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
#161#161	Granite 4.1 8Bnone	4.1	IBM Granite	$0.003	719ms
Vezi fișa modelului Total teste 20 Teste greșite 18 Fiabilitate 10.0 Rată de trecere pe încercare 10.0% Teste instabile 0 Tokenuri de intrare 43,135 Tokenuri de ieșire 2,743 Tokenuri de raționament 0 Timp de răspuns (mediu) 719ms Timp de răspuns (total) 14.37s Timp de răspuns (maxim) 2.17s Răspuns greșit: 13 Nu a urmat instrucțiunile: 4 Apel de instrument invalid: 1 Trucuri anti-AI : 4.9 Programare : 5.2 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

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