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: 2026-10-17 Modele evaluate: 442

Modele recomandate

GPT-6.1 Sol xhigh Inteligent Rată de trecere pe încercare 97.1% Teste corecte 22 / 23 Scor 9.9/10 Gemini 3.7 Flash low Rapid Timp de răspuns (mediu) 6.24s Total tokenuri de ieșire 38,453 Scor 9.4/10 GPT-6 Luna high Accesibil Preț de intrare $0.100 / 1M Preț de ieșire $0.500 / 1M Preț citire cache $0.010 / 1M Preț scriere cache $0.125 / 1M Scor 7.7/10

442/442

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#133#133	Muse Glimmer 30Bhigh	7.7	Meta	$0.506 ↓	69.87s
Vezi fișa modelului Total teste 23 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 66.7% Teste instabile 8 Tokenuri de intrare 281,859 Tokenuri de ieșire 102,526 Tokenuri de raționament 286,217 Timp de răspuns (mediu) 69.87s Timp de răspuns (total) 1607.12s Timp de răspuns (maxim) 451.90s Răspuns greșit: 7 Nu a urmat instrucțiunile: 3 Fără răspuns: 2 Sarcini agentice : 10.0 Trucuri anti-AI : 8.7 Programare : 8.8 Combinat : 6.4 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 5.3 Respectarea instrucțiunilor : 8.4 Rezolvare de puzzle-uri : 6.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#314#314	Claude Opus 4.7none	5.4	Anthropic	$0.505	3.02s
Vezi fișa modelului Total teste 19 Teste greșite 3 Fiabilitate 10.0 Rată de trecere pe încercare 69.6% Teste instabile 0 Tokenuri de intrare 69,576 Tokenuri de ieșire 6,265 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.02s Timp de răspuns (total) 57.44s Timp de răspuns (maxim) 18.27s Răspuns greșit: 3 Sarcini agentice : 0.0 Trucuri anti-AI : 8.3 Programare : 3.3 Combinat : 4.8 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
#220#220	Beam 1.0 501B A23Bmedium	6.6	Reflection	$0.499	6.27s
Vezi fișa modelului Total teste 23 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 2 Tokenuri de intrare 202,937 Tokenuri de ieșire 4,328 Tokenuri de raționament 94,193 Timp de răspuns (mediu) 6.27s Timp de răspuns (total) 144.28s Timp de răspuns (maxim) 31.55s Răspuns greșit: 6 Eroare API: 3 Sarcini agentice : 3.0 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.7 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#125#125	GLM 5.3high	7.8	Z.ai	$0.495 ↓	28.38s
Vezi fișa modelului Total teste 23 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 75.4% Teste instabile 7 Tokenuri de intrare 219,811 Tokenuri de ieșire 8,811 Tokenuri de raționament 59,671 Timp de răspuns (mediu) 28.38s Timp de răspuns (total) 652.78s Timp de răspuns (maxim) 159.91s Răspuns greșit: 6 Formatare suplimentară: 2 Nu a urmat instrucțiunile: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 10.0 Programare : 6.6 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 6.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#107#107	DeepSeek V4.1 Flashlow	8.0	DeepSeek	$0.494 ↑	28.04s
Vezi fișa modelului Total teste 23 Teste greșite 8 Fiabilitate 9.6 Rată de trecere pe încercare 73.9% Teste instabile 4 Tokenuri de intrare 266,849 Tokenuri de ieșire 8,284 Tokenuri de raționament 363,263 Timp de răspuns (mediu) 28.04s Timp de răspuns (total) 645.03s Timp de răspuns (maxim) 149.84s Răspuns greșit: 7 Eroare API: 1 Sarcini agentice : 6.1 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.5 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#307#307	Kimi K2.6none	5.5	Moonshot AI	$0.486 ↑	26.34s
Vezi fișa modelului Total teste 23 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 30.4% Teste instabile 3 Tokenuri de intrare 241,357 Tokenuri de ieșire 64,021 Tokenuri de raționament 1 Timp de răspuns (mediu) 26.34s Timp de răspuns (total) 605.78s Timp de răspuns (maxim) 238.89s Răspuns greșit: 13 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Sarcini agentice : 4.7 Trucuri anti-AI : 4.6 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#101#101	GPT-5.6 Terramedium	8.2	OpenAI	$0.483 ↓	8.93s
Vezi fișa modelului Total teste 23 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 71.0% Teste instabile 2 Tokenuri de intrare 172,507 Tokenuri de ieșire 5,824 Tokenuri de raționament 27,365 Timp de răspuns (mediu) 8.93s Timp de răspuns (total) 205.39s Timp de răspuns (maxim) 54.74s Răspuns greșit: 8 Sarcini agentice : 10.0 Trucuri anti-AI : 8.3 Programare : 6.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.5 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#172#172	GLM 5medium	7.2	Z.ai	$0.479 ↑	39.05s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 76.8% Teste instabile 5 Tokenuri de intrare 212,440 Tokenuri de ieșire 22,922 Tokenuri de raționament 115,335 Timp de răspuns (mediu) 39.05s Timp de răspuns (total) 546.68s Timp de răspuns (maxim) 110.70s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Timp expirat: 1 Sarcini agentice : 4.7 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 5.0 Parsare și extragere de date : 7.1 Specific domeniului : 3.5 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#69#69	GPT-6 Sollow	8.7	OpenAI	$0.477	8.72s
Vezi fișa modelului Total teste 23 Teste greșite 5 Fiabilitate 10.0 Rată de trecere pe încercare 87.0% Teste instabile 4 Tokenuri de intrare 172,359 Tokenuri de ieșire 5,026 Tokenuri de raționament 8,185 Timp de răspuns (mediu) 8.72s Timp de răspuns (total) 200.61s Timp de răspuns (maxim) 48.43s Răspuns greșit: 5 Sarcini agentice : 10.0 Trucuri anti-AI : 10.0 Programare : 6.2 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 4.7
#130#130	DeepSeek V4 Flash 0731medium	7.8	DeepSeek	$0.460 ↑	94.16s
Vezi fișa modelului Total teste 23 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 72.5% Teste instabile 8 Tokenuri de intrare 274,189 Tokenuri de ieșire 66,689 Tokenuri de raționament 510,525 Timp de răspuns (mediu) 94.16s Timp de răspuns (total) 2165.72s Timp de răspuns (maxim) 303.26s Răspuns greșit: 5 Fără răspuns: 3 Formatare suplimentară: 1 Apel de instrument invalid: 1 Timp expirat: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 8.2 Programare : 6.4 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 6.1 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#16#16	GPT-6.1 Sollow	9.6	OpenAI	$0.460	7.15s
Vezi fișa modelului Total teste 23 Teste greșite 2 Fiabilitate 10.0 Rată de trecere pe încercare 92.8% Teste instabile 1 Tokenuri de intrare 163,900 Tokenuri de ieșire 4,958 Tokenuri de raționament 8,180 Timp de răspuns (mediu) 7.15s Timp de răspuns (total) 164.47s Timp de răspuns (maxim) 46.57s Răspuns greșit: 2 Sarcini agentice : 10.0 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 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 : 2.8
#312#312	GLM 5V Turbomedium	5.5	Z.ai	$0.457	23.08s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 62.3% Teste instabile 6 Tokenuri de intrare 44,615 Tokenuri de ieșire 2,347 Tokenuri de raționament 98,415 Timp de răspuns (mediu) 23.08s Timp de răspuns (total) 484.63s Timp de răspuns (maxim) 95.88s Răspuns greșit: 7 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 7.2 Programare : 6.0 Combinat : 3.4 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 7.0 Cultură generală : 3.0
#228#228	GLM 5.1none	6.5	Z.ai	$0.451 ↑	11.10s
Vezi fișa modelului Total teste 23 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 47.8% Teste instabile 5 Tokenuri de intrare 258,956 Tokenuri de ieșire 20,076 Tokenuri de raționament 0 Timp de răspuns (mediu) 11.10s Timp de răspuns (total) 255.39s Timp de răspuns (maxim) 107.19s Răspuns greșit: 12 Apel de instrument invalid: 1 Fără răspuns: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 4.0 Programare : 3.9 Combinat : 2.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#118#118	Qwen3.7 Maxnone	7.9	Qwen	$0.451 ↓	7.85s
Vezi fișa modelului Total teste 23 Teste greșite 7 Fiabilitate 9.9 Rată de trecere pe încercare 69.6% Teste instabile 0 Tokenuri de intrare 243,553 Tokenuri de ieșire 20,670 Tokenuri de raționament 0 Timp de răspuns (mediu) 7.85s Timp de răspuns (total) 180.65s Timp de răspuns (maxim) 80.34s Răspuns greșit: 7 Sarcini agentice : 10.0 Trucuri anti-AI : 6.5 Programare : 5.5 Combinat : 6.5 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
#173#173	Step 3.7 Flashlow	7.2	Stepfun	$0.449	20.72s
Vezi fișa modelului Total teste 23 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 63.8% Teste instabile 6 Tokenuri de intrare 292,685 Tokenuri de ieșire 339,108 Tokenuri de raționament 0 Timp de răspuns (mediu) 20.72s Timp de răspuns (total) 476.67s Timp de răspuns (maxim) 124.75s Răspuns greșit: 9 Apel de instrument invalid: 2 Fără răspuns: 1 Sarcini agentice : 7.4 Trucuri anti-AI : 8.7 Programare : 8.2 Combinat : 7.3 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 3.4 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#164#164	Gemini 3.5 Flash Litemedium	7.3	Google	$0.440	8.68s
Vezi fișa modelului Total teste 23 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 76.8% Teste instabile 7 Tokenuri de intrare 388,307 Tokenuri de ieșire 10,412 Tokenuri de raționament 118,802 Timp de răspuns (mediu) 8.68s Timp de răspuns (total) 199.65s Timp de răspuns (maxim) 86.92s Răspuns greșit: 6 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Sarcini agentice : 4.7 Trucuri anti-AI : 10.0 Programare : 7.9 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 4.7 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 2.8
#384#384	MiniMax M2.5medium	4.3	Minimax	$0.440 ↑	102.32s
Vezi fișa modelului Total teste 23 Teste greșite 18 Fiabilitate 9.3 Rată de trecere pe încercare 42.0% Teste instabile 9 Tokenuri de intrare 188,239 Tokenuri de ieșire 27,822 Tokenuri de raționament 262,674 Timp de răspuns (mediu) 102.32s Timp de răspuns (total) 1637.05s Timp de răspuns (maxim) 600.81s Răspuns greșit: 7 Timp expirat: 5 Nu a urmat instrucțiunile: 3 Fără răspuns: 2 Apel de instrument invalid: 1 Sarcini agentice : 3.0 Trucuri anti-AI : 7.9 Programare : 3.4 Combinat : 3.7 Parsare și extragere de date : 4.6 Specific domeniului : 2.9 Inteligență generală : 3.8 Respectarea instrucțiunilor : 7.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#98#98	Gemini 4 Argonlow	8.2	Google	$0.438	5.72s
Vezi fișa modelului Total teste 23 Teste greșite 8 Fiabilitate 9.8 Rată de trecere pe încercare 79.7% Teste instabile 6 Tokenuri de intrare 188,162 Tokenuri de ieșire 6,097 Tokenuri de raționament 0 Timp de răspuns (mediu) 5.72s Timp de răspuns (total) 131.67s Timp de răspuns (maxim) 60.87s Răspuns greșit: 5 Eroare API: 2 Nu a urmat instrucțiunile: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 8.7 Programare : 10.0 Combinat : 3.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.7 Apelare instrumente : 4.7 Cultură generală : 3.0
#134#134	Nemotron 3.5 Super VLmedium	7.7	NVIDIA	$0.437	84.94s
Vezi fișa modelului Total teste 23 Teste greșite 9 Fiabilitate 9.8 Rată de trecere pe încercare 72.5% Teste instabile 5 Tokenuri de intrare 269,143 Tokenuri de ieșire 6,833 Tokenuri de raționament 785,200 Timp de răspuns (mediu) 84.94s Timp de răspuns (total) 1953.70s Timp de răspuns (maxim) 527.47s Răspuns greșit: 4 Fără răspuns: 3 Eroare API: 1 Nu a urmat instrucțiunile: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 10.0 Programare : 5.9 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 6.5 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#113#113	GPT-5.6 Terralow	7.9	OpenAI	$0.435 ↓	7.58s
Vezi fișa modelului Total teste 23 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 75.4% Teste instabile 6 Tokenuri de intrare 176,890 Tokenuri de ieșire 5,688 Tokenuri de raționament 18,525 Timp de răspuns (mediu) 7.58s Timp de răspuns (total) 174.39s Timp de răspuns (maxim) 54.57s Răspuns greșit: 8 Apel de instrument invalid: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 8.3 Programare : 6.6 Combinat : 8.7 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 4.7 Cultură generală : 3.0
#136#136	Qwen3.5 Plus 2026-04-20medium	7.7	Qwen	$0.435 ↓	54.06s
Vezi fișa modelului Total teste 23 Teste greșite 9 Fiabilitate 9.7 Rată de trecere pe încercare 65.2% Teste instabile 2 Tokenuri de intrare 176,539 Tokenuri de ieșire 4,419 Tokenuri de raționament 195,929 Timp de răspuns (mediu) 54.06s Timp de răspuns (total) 1189.36s Timp de răspuns (maxim) 203.01s Răspuns greșit: 8 Timp expirat: 1 Sarcini agentice : 10.0 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
#238#238	Beam 1.0 501B A23Blow	6.4	Reflection	$0.432	4.89s
Vezi fișa modelului Total teste 23 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 60.9% Teste instabile 6 Tokenuri de intrare 218,076 Tokenuri de ieșire 4,863 Tokenuri de raționament 66,387 Timp de răspuns (mediu) 4.89s Timp de răspuns (total) 112.55s Timp de răspuns (maxim) 29.49s Răspuns greșit: 6 Eroare API: 3 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Sarcini agentice : 3.0 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 6.5 Respectarea instrucțiunilor : 8.4 Rezolvare de puzzle-uri : 6.1 Apelare instrumente : 3.0 Cultură generală : 3.0
#208#208	MiniMax M3medium	6.7	Minimax	$0.422 ↑	77.03s
Vezi fișa modelului Total teste 23 Teste greșite 12 Fiabilitate 9.7 Rată de trecere pe încercare 59.4% Teste instabile 5 Tokenuri de intrare 166,517 Tokenuri de ieșire 107,386 Tokenuri de raționament 217,548 Timp de răspuns (mediu) 77.03s Timp de răspuns (total) 1694.74s Timp de răspuns (maxim) 431.03s Răspuns greșit: 5 Timp expirat: 3 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Fără răspuns: 1 Sarcini agentice : 3.0 Trucuri anti-AI : 5.5 Programare : 6.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.2 Inteligență generală : 5.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#97#97	Qwen3.7 Plusmedium	8.3	Qwen	$0.415 ↓	59.73s
Vezi fișa modelului Total teste 23 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 76.8% Teste instabile 3 Tokenuri de intrare 350,546 Tokenuri de ieșire 8,576 Tokenuri de raționament 206,984 Timp de răspuns (mediu) 59.73s Timp de răspuns (total) 1373.73s Timp de răspuns (maxim) 315.30s Răspuns greșit: 6 Apel de instrument invalid: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 10.0 Programare : 6.1 Combinat : 8.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#154#154	Inkling Smallhigh	7.4	Thinkingmachines	$0.398 ↓	29.10s
Vezi fișa modelului Total teste 23 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 66.7% Teste instabile 2 Tokenuri de intrare 85,669 Tokenuri de ieșire 6,092 Tokenuri de raționament 292,801 Timp de răspuns (mediu) 29.10s Timp de răspuns (total) 669.40s Timp de răspuns (maxim) 122.60s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Eroare API: 1 Sarcini agentice : 3.0 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 9.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.3 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 4.8 Apelare instrumente : 3.0 Cultură generală : 3.0

Tendințe globale ale benchmarkului

Vezi cum echilibrează modelele actuale scorul, costul, viteza, lungimea răspunsului și performanța pe categorii.

Grafice →

Frontiera Pareto: inteligență vs cost

Evoluția celui mai bun scor al companiilor de top

Frontiera Pareto: inteligență vs viteza de răspuns

Frontiera Pareto: scor vs tokenuri de ieșire

Dificultatea categoriilor între modele

Comparație rapidă

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow