Clasament AI Benchy

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: 2026-07-24 Modele evaluate: 222

222/222

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#167#167	KAT-Coder-Air V2.5low	5.4	Kwaipilot	$0.041	10.09s
Vezi fișa modelului Total teste 22 Teste greșite 15 Fiabilitate 9.9 Rată de trecere pe încercare 45.5% Teste instabile 7 Tokenuri de intrare 61,085 Tokenuri de ieșire 5,905 Tokenuri de raționament 46,990 Timp de răspuns (mediu) 10.09s Timp de răspuns (total) 222.03s Timp de răspuns (maxim) 86.23s Răspuns greșit: 7 Formatare suplimentară: 4 Eroare API: 2 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 7.3 Programare : 3.5 Combinat : 6.4 Parsare și extragere de date : 6.5 Specific domeniului : 2.9 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#169#169	Laguna S 2.1high	5.4	Poolside	$0.127	111.61s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 9.9 Rată de trecere pe încercare 27.3% Teste instabile 5 Tokenuri de intrare 208,931 Tokenuri de ieșire 175,588 Tokenuri de raționament 409,276 Timp de răspuns (mediu) 111.61s Timp de răspuns (total) 2455.39s Timp de răspuns (maxim) 1190.11s Răspuns greșit: 11 Apel de instrument invalid: 2 Fără răspuns: 2 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.4 Programare : 5.3 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.6 Respectarea instrucțiunilor : 4.6 Rezolvare de puzzle-uri : 2.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#174#174	Inklingnone	5.2	Thinkingmachines	$0.147	3.50s
Vezi fișa modelului Total teste 22 Teste greșite 16 Fiabilitate 9.9 Rată de trecere pe încercare 28.8% Teste instabile 1 Tokenuri de intrare 104,111 Tokenuri de ieșire 10,551 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.50s Timp de răspuns (total) 77.09s Timp de răspuns (maxim) 48.02s Răspuns greșit: 13 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 4.8 Programare : 4.5 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 5.6 Apelare instrumente : 3.0 Cultură generală : 3.0
#183#183	Laguna S 2.1low	5.0	Poolside	$0.091	85.35s
Vezi fișa modelului Total teste 22 Teste greșite 19 Fiabilitate 9.9 Rată de trecere pe încercare 25.8% Teste instabile 6 Tokenuri de intrare 118,746 Tokenuri de ieșire 67,823 Tokenuri de raționament 383,885 Timp de răspuns (mediu) 85.35s Timp de răspuns (total) 1877.64s Timp de răspuns (maxim) 814.73s Răspuns greșit: 15 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 3.4 Programare : 3.8 Combinat : 3.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.8 Respectarea instrucțiunilor : 4.3 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#32#32	Inklinghigh	8.0	Thinkingmachines	$1.006	64.16s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 9.8 Rată de trecere pe încercare 77.3% Teste instabile 3 Tokenuri de intrare 86,746 Tokenuri de ieșire 6,055 Tokenuri de raționament 220,791 Timp de răspuns (mediu) 64.16s Timp de răspuns (total) 1411.59s Timp de răspuns (maxim) 327.51s Răspuns greșit: 4 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 8.5 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.9 Apelare instrumente : 3.0 Cultură generală : 3.0
#36#36	Inklingmedium	8.0	Thinkingmachines	$0.391	16.21s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 9.8 Rată de trecere pe încercare 78.8% Teste instabile 5 Tokenuri de intrare 124,053 Tokenuri de ieșire 12,189 Tokenuri de raționament 53,597 Timp de răspuns (mediu) 16.21s Timp de răspuns (total) 356.54s Timp de răspuns (maxim) 85.12s Răspuns greșit: 4 Eroare API: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 8.4 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 3.0 Cultură generală : 2.8
#55#55	Nemotron 3 Ultramedium	7.5	NVIDIA	$0.504 ↕	32.21s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 9.8 Rată de trecere pe încercare 68.2% Teste instabile 4 Tokenuri de intrare 233,488 Tokenuri de ieșire 57,916 Tokenuri de raționament 128,062 Timp de răspuns (mediu) 32.21s Timp de răspuns (total) 708.65s Timp de răspuns (maxim) 392.56s Răspuns greșit: 7 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 8.4 Combinat : 6.3 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
#64#64	LongCat 2.0medium	7.4	Meituan	$0.478	136.64s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 9.8 Rată de trecere pe încercare 60.6% Teste instabile 3 Tokenuri de intrare 97,315 Tokenuri de ieșire 44,384 Tokenuri de raționament 329,012 Timp de răspuns (mediu) 136.64s Timp de răspuns (total) 3006.01s Timp de răspuns (maxim) 939.52s Răspuns greșit: 7 Eroare API: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 7.3 Parsare și extragere de date : 6.3 Specific domeniului : 2.9 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#166#166	Laguna S 2.1medium	5.4	Poolside	$0.059	58.43s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 9.8 Rată de trecere pe încercare 25.8% Teste instabile 4 Tokenuri de intrare 86,641 Tokenuri de ieșire 97,298 Tokenuri de raționament 242,297 Timp de răspuns (mediu) 58.43s Timp de răspuns (total) 1285.48s Timp de răspuns (maxim) 560.31s Răspuns greșit: 13 Apel de instrument invalid: 2 Fără răspuns: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.4 Programare : 5.3 Combinat : 3.2 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.6 Respectarea instrucțiunilor : 4.2 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#204#204	Laguna M.1none	4.4	Poolside	$0.009 ↕	2.89s
Vezi fișa modelului Total teste 19 Teste greșite 15 Fiabilitate 9.8 Rată de trecere pe încercare 27.3% 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 : 2.5 Combinat : 1.5 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
#51#51	MiniMax M3medium	7.6	Minimax	$0.286	74.98s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 9.7 Rată de trecere pe încercare 66.7% Teste instabile 5 Tokenuri de intrare 121,990 Tokenuri de ieșire 77,916 Tokenuri de raționament 173,553 Timp de răspuns (mediu) 74.98s Timp de răspuns (total) 1574.56s 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
#74#74	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.317 ↓	46.36s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 9.6 Rată de trecere pe încercare 63.6% Teste instabile 2 Tokenuri de intrare 42,097 Tokenuri de ieșire 2,280 Tokenuri de raționament 166,613 Timp de răspuns (mediu) 46.36s Timp de răspuns (total) 973.57s Timp de răspuns (maxim) 189.38s Răspuns greșit: 8 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 6.2 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.9 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#96#96	LongCat 2.0low	6.7	Meituan	$0.391	100.31s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 9.6 Rată de trecere pe încercare 53.0% Teste instabile 3 Tokenuri de intrare 90,909 Tokenuri de ieșire 5,679 Tokenuri de raționament 297,369 Timp de răspuns (mediu) 100.31s Timp de răspuns (total) 2206.82s Timp de răspuns (maxim) 560.39s Răspuns greșit: 8 Eroare API: 1 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 6.6 Combinat : 10.0 Parsare și extragere de date : 6.3 Specific domeniului : 3.0 Inteligență generală : 3.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#116#116	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Vezi fișa modelului Total teste 21 Teste greșite 9 Fiabilitate 9.6 Rată de trecere pe încercare 69.7% 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 : 2.3 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
#42#42	GLM 5.2medium	7.8	Z.ai	$0.183 ↓	23.28s
Vezi fișa modelului Total teste 21 Teste greșite 6 Fiabilitate 9.5 Rată de trecere pe încercare 80.3% Teste instabile 4 Tokenuri de intrare 37,199 Tokenuri de ieșire 12,261 Tokenuri de raționament 49,500 Timp de răspuns (mediu) 23.28s Timp de răspuns (total) 488.94s Timp de răspuns (maxim) 101.36s Răspuns greșit: 3 Fără răspuns: 2 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 8.2 Combinat : 5.0 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#72#72	Kimi K2.6medium	7.2	Moonshot AI	$1.036 ↓	109.98s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 9.4 Rată de trecere pe încercare 63.6% Teste instabile 4 Tokenuri de intrare 68,902 Tokenuri de ieșire 111,680 Tokenuri de raționament 279,860 Timp de răspuns (mediu) 109.98s Timp de răspuns (total) 2309.56s Timp de răspuns (maxim) 876.20s Timp expirat: 3 Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 7.0 Programare : 5.7 Combinat : 6.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#100#100	Gemma 4 26B A4Bmedium	6.6	Google	$0.096 ↑	103.83s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 9.4 Rată de trecere pe încercare 66.7% Teste instabile 2 Tokenuri de intrare 77,550 Tokenuri de ieșire 28,036 Tokenuri de raționament 219,491 Timp de răspuns (mediu) 103.83s Timp de răspuns (total) 2180.47s Timp de răspuns (maxim) 912.19s Răspuns greșit: 3 Fără răspuns: 2 Timp expirat: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 2.9 Combinat : 6.3 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#102#102	LongCat 2.0high	6.6	Meituan	$0.469	148.73s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 9.4 Rată de trecere pe încercare 53.0% Teste instabile 5 Tokenuri de intrare 93,357 Tokenuri de ieșire 30,466 Tokenuri de raționament 336,325 Timp de răspuns (mediu) 148.73s Timp de răspuns (total) 3272.00s Timp de răspuns (maxim) 941.66s Răspuns greșit: 6 Timp expirat: 3 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Trucuri anti-AI : 8.9 Programare : 7.6 Combinat : 10.0 Parsare și extragere de date : 3.6 Specific domeniului : 3.6 Inteligență generală : 5.1 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#114#114	Ling 3.0 Flashhigh	6.4	Inclusionai	$0.000	13.32s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 9.4 Rată de trecere pe încercare 63.6% Teste instabile 4 Tokenuri de intrare 132,224 Tokenuri de ieșire 92,393 Tokenuri de raționament 211,994 Timp de răspuns (mediu) 13.32s Timp de răspuns (total) 292.99s Timp de răspuns (maxim) 75.27s Răspuns greșit: 8 Apel de instrument invalid: 2 Trucuri anti-AI : 10.0 Programare : 6.7 Combinat : 2.9 Parsare și extragere de date : 7.3 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#137#137	Step 3.5 Flashmedium	6.0	Stepfun	$0.108 ↑	174.22s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 9.2 Rată de trecere pe încercare 51.5% Teste instabile 1 Tokenuri de intrare 65,707 Tokenuri de ieșire 108,561 Tokenuri de raționament 293,993 Timp de răspuns (mediu) 174.22s Timp de răspuns (total) 2613.32s Timp de răspuns (maxim) 1597.85s Răspuns greșit: 4 Nu a urmat instrucțiunile: 3 Eroare API: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 2.4 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.5 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#37#37	Kimi K3max	8.0	Moonshot AI	$3.112	122.48s
Vezi fișa modelului Total teste 22 Teste greșite 6 Fiabilitate 9.1 Rată de trecere pe încercare 75.8% Teste instabile 1 Tokenuri de intrare 34,916 Tokenuri de ieșire 2,910 Tokenuri de raționament 197,529 Timp de răspuns (mediu) 122.48s Timp de răspuns (total) 2327.06s Timp de răspuns (maxim) 766.58s Eroare API: 2 Timp expirat: 2 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 6.5 Parsare și extragere de date : 7.3 Specific domeniului : 5.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#147#147	Nemotron 3 Supermedium	5.7	NVIDIA	$0.055 ↑	51.99s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 8.7 Rată de trecere pe încercare 40.9% Teste instabile 3 Tokenuri de intrare 81,429 Tokenuri de ieșire 18,371 Tokenuri de raționament 98,853 Timp de răspuns (mediu) 51.99s Timp de răspuns (total) 1039.89s Timp de răspuns (maxim) 431.98s Răspuns greșit: 5 Eroare API: 4 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 8.3 Programare : 3.1 Combinat : 6.4 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
#181#181	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 8.7 Rată de trecere pe încercare 18.2% Teste instabile 0 Tokenuri de intrare 130,492 Tokenuri de ieșire 26,786 Tokenuri de raționament 0 Timp de răspuns (mediu) 29.95s Timp de răspuns (total) 658.82s Timp de răspuns (maxim) 159.85s Răspuns greșit: 12 Formatare suplimentară: 2 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 2 Trucuri anti-AI : 3.0 Programare : 3.9 Combinat : 3.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 3.9 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.5 Apelare instrumente : 9.5 Cultură generală : 3.0
#144#144	North Mini Codemedium	5.9	Cohere	$0.000	137.11s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 8.6 Rată de trecere pe încercare 48.5% Teste instabile 4 Tokenuri de intrare 81,813 Tokenuri de ieșire 424,772 Tokenuri de raționament 1,342,029 Timp de răspuns (mediu) 137.11s Timp de răspuns (total) 3016.42s Timp de răspuns (maxim) 786.72s Răspuns greșit: 9 Formatare suplimentară: 2 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.4 Programare : 4.5 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 3.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#84#84	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.101	92.53s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 8.5 Rată de trecere pe încercare 57.6% Teste instabile 3 Tokenuri de intrare 125,467 Tokenuri de ieșire 10,778 Tokenuri de raționament 209,856 Timp de răspuns (mediu) 92.53s Timp de răspuns (total) 1665.50s Timp de răspuns (maxim) 301.78s Timp expirat: 5 Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 6.6 Programare : 5.5 Combinat : 7.3 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
#188#188	Nemotron 3 Supernone	4.9	NVIDIA	$0.008 ↑	5.97s
Vezi fișa modelului Total teste 22 Teste greșite 17 Fiabilitate 8.5 Rată de trecere pe încercare 30.3% Teste instabile 3 Tokenuri de intrare 63,519 Tokenuri de ieșire 6,434 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.97s Timp de răspuns (total) 131.31s Timp de răspuns (maxim) 20.00s Răspuns greșit: 15 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
#78#78	GLM 5.1medium	7.1	Z.ai	$0.535 ↓	46.77s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 8.3 Rată de trecere pe încercare 69.7% Teste instabile 4 Tokenuri de intrare 82,623 Tokenuri de ieșire 16,089 Tokenuri de raționament 136,463 Timp de răspuns (mediu) 46.77s Timp de răspuns (total) 982.16s Timp de răspuns (maxim) 308.75s Răspuns greșit: 4 Timp expirat: 2 Eroare API: 1 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 4.6 Combinat : 9.8 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
#206#206	GLM 4.7 Flashmedium	4.3	Z.ai	$0.166	142.59s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 7.8 Rată de trecere pe încercare 31.8% Teste instabile 8 Tokenuri de intrare 79,051 Tokenuri de ieșire 43,754 Tokenuri de raționament 374,109 Timp de răspuns (mediu) 142.59s Timp de răspuns (total) 1996.21s Timp de răspuns (maxim) 1539.97s Răspuns greșit: 9 Fără răspuns: 3 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 2 Timp expirat: 2 Trucuri anti-AI : 4.7 Programare : 3.2 Combinat : 2.9 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
#212#212	MiMo-V2-Flashnone	4.0	Xiaomi	$0.025 ↑	2.76s
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 6.7 Rată de trecere pe încercare 24.2% 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 : 1.5 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
#216#216	Qwen3.5-9Bmedium	3.8	Qwen	$0.036 ↑	82.24s
Vezi fișa modelului Total teste 22 Teste greșite 19 Fiabilitate 5.0 Rată de trecere pe încercare 25.8% 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: 12 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 6 7 8

→

Comparație rapidă

Gemini 3.6 FlashmediumvsGemini 3.6 Flashhigh Gemini 3.6 FlashhighvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3.6 Flashlow Gemini 3.6 FlashlowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium Gemini 3.5 FlashmediumvsGPT-5.5medium

Clasament AI Benchy

Filtrează modelele

Comparație rapidă