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: 2026-09-02 Modele evaluate: 311

Modele recomandate

GPT-5.6 Sol high Inteligent Rată de trecere pe încercare 89.4% Teste corecte 18 / 22 Scor 9.4/10 GPT-5.6 Luna medium Rapid Timp de răspuns (mediu) 7.43s Total tokenuri de ieșire 44,525 Scor 7.4/10 DeepSeek V4 Flash 0731 high Accesibil Preț de intrare $0.065 / 1M Preț de ieșire $0.180 / 1M Scor 8.0/10

311/311

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#279#279	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Vezi fișa modelului Total teste 19 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 45.5% Teste instabile 2 Tokenuri de intrare 44,969 Tokenuri de ieșire 58,087 Tokenuri de raționament 0 Timp de răspuns (mediu) 14.73s Timp de răspuns (total) 220.93s Timp de răspuns (maxim) 53.14s Eroare API: 4 Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 6.5 Programare : 1.5 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 3.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#83#83	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.489 ↑	92.50s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 6 Tokenuri de intrare 90,757 Tokenuri de ieșire 22,928 Tokenuri de raționament 186,516 Timp de răspuns (mediu) 92.50s Timp de răspuns (total) 2035.01s Timp de răspuns (maxim) 416.76s Răspuns greșit: 7 Nu a urmat instrucțiunile: 2 Eroare API: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 5.7 Programare : 6.3 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 7.8 Rezolvare de puzzle-uri : 6.9 Apelare instrumente : 9.8 Cultură generală : 3.0
#118#118	Muse Glimmer 30Bhigh	7.2	Meta	$0.430 ↓	66.70s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 8 Tokenuri de intrare 103,494 Tokenuri de ieșire 100,589 Tokenuri de raționament 270,217 Timp de răspuns (mediu) 66.70s Timp de răspuns (total) 1467.39s Timp de răspuns (maxim) 451.90s Răspuns greșit: 7 Nu a urmat instrucțiunile: 3 Fără răspuns: 2 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
#131#131	Mercury 2medium	7.0	Inception	$0.094	2.95s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 53.0% Teste instabile 4 Tokenuri de intrare 110,515 Tokenuri de ieșire 10,325 Tokenuri de raționament 77,229 Timp de răspuns (mediu) 2.95s Timp de răspuns (total) 61.89s Timp de răspuns (maxim) 14.63s Răspuns greșit: 8 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 6.9 Programare : 8.2 Combinat : 6.7 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
#134#134	Kimi K2.5medium	7.0	Moonshot AI	$0.479 ↓	98.19s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 8 Tokenuri de intrare 118,496 Tokenuri de ieșire 53,522 Tokenuri de raționament 167,420 Timp de răspuns (mediu) 98.19s Timp de răspuns (total) 1571.05s Timp de răspuns (maxim) 281.00s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Timp expirat: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 7.3 Programare : 6.1 Combinat : 6.7 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 6.5 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#137#137	Qwen3.7 Flashmedium	6.9	Qwen	$0.065	47.38s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 7 Tokenuri de intrare 114,477 Tokenuri de ieșire 12,786 Tokenuri de raționament 457,290 Timp de răspuns (mediu) 47.38s Timp de răspuns (total) 1042.43s Timp de răspuns (maxim) 593.64s Răspuns greșit: 8 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 6.2 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.5 Respectarea instrucțiunilor : 5.8 Rezolvare de puzzle-uri : 7.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#142#142	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 7.3 Rată de trecere pe încercare 63.6% Teste instabile 7 Tokenuri de intrare 76,036 Tokenuri de ieșire 7,267 Tokenuri de raționament 364,176 Timp de răspuns (mediu) 101.05s Timp de răspuns (total) 2223.19s Timp de răspuns (maxim) 626.58s Eroare API: 6 Răspuns greșit: 4 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.9 Programare : 8.9 Combinat : 4.7 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 4.7 Cultură generală : 3.0
#152#152	LongCat 2.0low	6.7	Meituan	$0.412	113.61s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 9.9 Rată de trecere pe încercare 54.6% Teste instabile 4 Tokenuri de intrare 90,870 Tokenuri de ieșire 5,676 Tokenuri de raționament 314,918 Timp de răspuns (mediu) 113.61s Timp de răspuns (total) 2499.46s Timp de răspuns (maxim) 560.39s Răspuns greșit: 7 Eroare API: 2 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 : 2.9 Inteligență generală : 3.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#160#160	Inkling Smallmedium	6.6	Thinkingmachines	$0.113 ↓	6.30s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 53.0% Teste instabile 3 Tokenuri de intrare 100,255 Tokenuri de ieșire 6,422 Tokenuri de raționament 49,847 Timp de răspuns (mediu) 6.30s Timp de răspuns (total) 138.60s Timp de răspuns (maxim) 17.26s Răspuns greșit: 6 Nu a urmat instrucțiunile: 4 Apel de instrument invalid: 2 Trucuri anti-AI : 10.0 Programare : 7.8 Combinat : 3.8 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.3 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 5.8 Apelare instrumente : 3.0 Cultură generală : 3.0
#165#165	Qwen3.6 27Bmedium	6.5	Qwen	$1.045 ↑	106.06s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 60.6% Teste instabile 7 Tokenuri de intrare 106,176 Tokenuri de ieșire 33,013 Tokenuri de raționament 239,560 Timp de răspuns (mediu) 106.06s Timp de răspuns (total) 2333.36s Timp de răspuns (maxim) 1085.11s Răspuns greșit: 5 Fără răspuns: 3 Apel de instrument invalid: 2 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.3 Programare : 7.7 Combinat : 6.7 Parsare și extragere de date : 3.5 Specific domeniului : 2.9 Inteligență generală : 6.5 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#170#170	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	61.81s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 57.6% Teste instabile 5 Tokenuri de intrare 113,889 Tokenuri de ieșire 110,550 Tokenuri de raționament 496,487 Timp de răspuns (mediu) 61.81s Timp de răspuns (total) 1359.72s Timp de răspuns (maxim) 417.36s Răspuns greșit: 7 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 5.9 Combinat : 6.9 Parsare și extragere de date : 7.3 Specific domeniului : 3.6 Inteligență generală : 4.0 Respectarea instrucțiunilor : 7.9 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#171#171	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	67.81s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 59.1% Teste instabile 6 Tokenuri de intrare 127,621 Tokenuri de ieșire 141,858 Tokenuri de raționament 590,204 Timp de răspuns (mediu) 67.81s Timp de răspuns (total) 1491.80s Timp de răspuns (maxim) 480.52s Răspuns greșit: 8 Fără răspuns: 2 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.7 Programare : 5.8 Combinat : 6.9 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 3.4 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#180#180	GPT-5.6 Lunalow	6.2	OpenAI	$0.051 ↓	5.20s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 54.5% Teste instabile 5 Tokenuri de intrare 96,355 Tokenuri de ieșire 8,213 Tokenuri de raționament 18,073 Timp de răspuns (mediu) 5.20s Timp de răspuns (total) 114.46s Timp de răspuns (maxim) 19.44s Răspuns greșit: 10 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 2.8 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.0 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 7.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#182#182	Gemini 3.1 Flash Liteminimal	6.1	Google	$0.047	1.85s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 51.5% Teste instabile 3 Tokenuri de intrare 119,076 Tokenuri de ieșire 11,118 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.85s Timp de răspuns (total) 40.74s Timp de răspuns (maxim) 12.97s Răspuns greșit: 8 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Trucuri anti-AI : 8.3 Programare : 5.5 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
#188#188	Inklinglow	6.1	Thinkingmachines	$0.187	5.11s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 54.6% Teste instabile 4 Tokenuri de intrare 109,893 Tokenuri de ieșire 8,580 Tokenuri de raționament 10,324 Timp de răspuns (mediu) 5.11s Timp de răspuns (total) 112.46s Timp de răspuns (maxim) 41.58s Răspuns greșit: 8 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 2 Trucuri anti-AI : 8.3 Programare : 5.1 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 3.0 Cultură generală : 3.0
#206#206	GLM 5.3 Flashlow	5.9	Z.ai	$0.015	9.65s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 56.1% Teste instabile 4 Tokenuri de intrare 117,551 Tokenuri de ieșire 9,199 Tokenuri de raționament 14,537 Timp de răspuns (mediu) 9.65s Timp de răspuns (total) 212.22s Timp de răspuns (maxim) 90.45s Răspuns greșit: 8 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.7 Programare : 5.4 Combinat : 3.8 Parsare și extragere de date : 6.5 Specific domeniului : 3.6 Inteligență generală : 5.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.8 Apelare instrumente : 10.0 Cultură generală : 3.0
#208#208	Seed 2.1 Turbonone	5.9	Bytedance Seed	$0.092	6.84s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 54.6% Teste instabile 3 Tokenuri de intrare 129,150 Tokenuri de ieșire 10,643 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.84s Timp de răspuns (total) 150.46s Timp de răspuns (maxim) 55.92s Răspuns greșit: 11 Fără răspuns: 1 Trucuri anti-AI : 4.8 Programare : 4.5 Combinat : 3.8 Parsare și extragere de date : 7.1 Specific domeniului : 7.7 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#273#273	Grok 4.20 Multi Agent Betamedium	4.8	X AI	$5.599 ↑	9.69s
Vezi fișa modelului Total teste 18 Teste greșite 10 Fiabilitate N/D Rată de trecere pe încercare 48.5% Teste instabile 5 Tokenuri de intrare 721,952 Tokenuri de ieșire 294,668 Tokenuri de raționament 305,374 Timp de răspuns (mediu) 9.69s Timp de răspuns (total) 155.07s Timp de răspuns (maxim) 35.28s Răspuns greșit: 4 Eroare API: 2 Formatare suplimentară: 2 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 6.9 Programare : 3.3 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.8 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 3.0 Cultură generală : 0.0
#277#277	Hunter Alphamedium	4.7	OpenRouter	$0.000	10.33s
Vezi fișa modelului Total teste 18 Teste greșite 10 Fiabilitate N/D Rată de trecere pe încercare 53.0% Teste instabile 6 Tokenuri de intrare 28,927 Tokenuri de ieșire 4,682 Tokenuri de raționament 17,969 Timp de răspuns (mediu) 10.33s Timp de răspuns (total) 175.58s Timp de răspuns (maxim) 30.53s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Timp expirat: 2 Eroare API: 1 Formatare suplimentară: 1 Trucuri anti-AI : 7.3 Programare : 9.8 Combinat : 2.3 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 7.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 6.1 Apelare instrumente : 10.0 Cultură generală : 0.0
#213#213	GLM 5none	5.7	Z.ai	$0.027 ↑	4.03s
Vezi fișa modelului Total teste 21 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 42.4% Teste instabile 1 Tokenuri de intrare 37,135 Tokenuri de ieșire 1,989 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.03s Timp de răspuns (total) 56.37s Timp de răspuns (maxim) 11.07s Răspuns greșit: 12 Trucuri anti-AI : 4.8 Programare : 4.0 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#145#145	DeepSeek V4 Pronone	6.8	DeepSeek	$0.226 ↑	11.71s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 47.0% Teste instabile 4 Tokenuri de intrare 148,078 Tokenuri de ieșire 35,547 Tokenuri de raționament 0 Timp de răspuns (mediu) 11.71s Timp de răspuns (total) 257.67s Timp de răspuns (maxim) 119.44s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 3.2 Programare : 5.6 Combinat : 7.9 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#155#155	LongCat 2.0high	6.7	Meituan	$0.492	153.29s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 51.5% Teste instabile 4 Tokenuri de intrare 93,411 Tokenuri de ieșire 30,470 Tokenuri de raționament 356,172 Timp de răspuns (mediu) 153.29s Timp de răspuns (total) 3372.36s Timp de răspuns (maxim) 941.66s Răspuns greșit: 7 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Timp expirat: 2 Trucuri anti-AI : 8.9 Programare : 7.8 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
#158#158	Qwen3.5-27Bnone	6.6	Qwen	$0.058 ↓	4.77s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 45.5% Teste instabile 2 Tokenuri de intrare 102,325 Tokenuri de ieșire 24,323 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.77s Timp de răspuns (total) 105.00s Timp de răspuns (maxim) 69.46s Răspuns greșit: 11 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 5.8 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#166#166	Laguna XS 2.1medium	6.5	Poolside	$0.068	48.18s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 45.5% Teste instabile 2 Tokenuri de intrare 118,998 Tokenuri de ieșire 30,750 Tokenuri de raționament 491,730 Timp de răspuns (mediu) 48.18s Timp de răspuns (total) 1059.93s Timp de răspuns (maxim) 422.72s Răspuns greșit: 10 Fără răspuns: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 4.8 Programare : 5.5 Combinat : 6.3 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#184#184	gpt-oss-120bmedium	6.1	OpenAI	$0.020 ↓	20.81s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 50.0% Teste instabile 5 Tokenuri de intrare 108,767 Tokenuri de ieșire 29,378 Tokenuri de raționament 68,904 Timp de răspuns (mediu) 20.81s Timp de răspuns (total) 332.88s Timp de răspuns (maxim) 68.16s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 6.7 Programare : 5.9 Combinat : 6.5 Parsare și extragere de date : 6.4 Specific domeniului : 2.9 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 9.8 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 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium