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: 2026-04-24 Modele evaluate: 115

50/115

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#1🥇 #1	Gemini 3 Flash Previewmedium	10.0	Google	$0.108	12.11s
Vezi fișa modelului Total teste: 18 Teste greșite: 0 Fiabilitate: N/D Rată de trecere pe încercare: 100.0% Teste instabile: 0 Tokenuri de ieșire: 655 Tokenuri de raționament: 33,749 Timp de răspuns: medie 12.11s · total 217.93s · maxim 82.37s Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 10.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#2🥈 #2	Gemini 3.1 Pro Previewmedium	9.6	Google	$0.578	15.96s
Vezi fișa modelului Total teste: 18 Teste greșite: 1 Fiabilitate: N/D Rată de trecere pe încercare: 94.4% Teste instabile: 0 Tokenuri de ieșire: 1,932 Tokenuri de raționament: 40,542 Timp de răspuns: medie 15.96s · total 175.52s · maxim 40.61s Răspuns greșit: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 9.5 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
#3🥉 #3	Claude Opus 4.7medium	9.2	Anthropic	$0.447	3.53s
Vezi fișa modelului Total teste: 18 Teste greșite: 2 Fiabilitate: N/D Rată de trecere pe încercare: 88.9% Teste instabile: 0 Tokenuri de ieșire: 5,375 Tokenuri de raționament: 1,341 Timp de răspuns: medie 3.53s · total 60.03s · maxim 21.45s Timp expirat: 1 Răspuns greșit: 1 Trucuri anti-AI : 8.3 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
#4#4	Claude Opus 4.7none	9.2	Anthropic	$0.505	3.13s
Vezi fișa modelului Total teste: 18 Teste greșite: 2 Fiabilitate: N/D Rată de trecere pe încercare: 88.9% Teste instabile: 0 Tokenuri de ieșire: 6,326 Tokenuri de raționament: 0 Timp de răspuns: medie 3.13s · total 56.33s · maxim 18.27s Răspuns greșit: 2 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 9.5 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
#5#5	GPT-5.5medium	9.0	OpenAI	$2.884	32.75s
Vezi fișa modelului Total teste: 18 Teste greșite: 3 Fiabilitate: N/D Rată de trecere pe încercare: 87.0% Teste instabile: 2 Tokenuri de ieșire: 1,920 Tokenuri de raționament: 89,632 Timp de răspuns: medie 32.75s · total 589.59s · maxim 332.10s Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 10.0 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 : 8.6 Apelare instrumente : 10.0
#6#6	Gemini 3 Flash Previewlow	8.8	Google	$0.091	6.01s
Vezi fișa modelului Total teste: 18 Teste greșite: 3 Fiabilitate: N/D Rată de trecere pe încercare: 85.2% Teste instabile: 1 Tokenuri de ieșire: 2,018 Tokenuri de raționament: 23,273 Timp de răspuns: medie 6.01s · total 108.12s · maxim 14.72s Răspuns greșit: 3 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#7#7	Seed-2.0-Litemedium	8.6	Bytedance Seed	$0.121	30.37s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 83.3% Teste instabile: 3 Tokenuri de ieșire: 3,257 Tokenuri de raționament: 52,042 Timp de răspuns: medie 30.37s · total 546.72s · maxim 168.71s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 6.7 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 9.0 Apelare instrumente : 10.0
#8#8	GPT-5.3-Codexmedium	8.6	OpenAI	$0.573	15.38s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 83.3% Teste instabile: 3 Tokenuri de ieșire: 2,279 Tokenuri de raționament: 35,179 Timp de răspuns: medie 15.38s · total 276.91s · maxim 100.93s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.7 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.6 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 9.0 Apelare instrumente : 10.0
#9#9	Qwen3.5 Plus 2026-02-15medium	8.5	Qwen	$0.220	46.56s
Vezi fișa modelului Total teste: 18 Teste greșite: 4 Fiabilitate: N/D Rată de trecere pe încercare: 83.3% Teste instabile: 2 Tokenuri de ieșire: 2,121 Tokenuri de raționament: 111,889 Timp de răspuns: medie 46.56s · total 512.20s · maxim 120.91s Timp expirat: 2 Răspuns greșit: 2 Trucuri anti-AI : 8.2 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.7 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#10#10	HY3 Previewhigh	8.5	Tencent	$0.000	55.19s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 81.5% Teste instabile: 3 Tokenuri de ieșire: 238,920 Tokenuri de raționament: 0 Timp de răspuns: medie 55.19s · total 938.23s · maxim 149.94s Nu a urmat instrucțiunile: 2 Răspuns greșit: 2 Eroare API: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 9.0 Apelare instrumente : 10.0
#11#11	Qwen3.6 Plus Previewmedium	8.5	Qwen	$0.000	13.94s
Vezi fișa modelului Total teste: 17 Teste greșite: 4 Fiabilitate: N/D Rată de trecere pe încercare: 76.5% Teste instabile: 0 Tokenuri de ieșire: 1,756 Tokenuri de raționament: 77,213 Timp de răspuns: medie 13.94s · total 237.01s · maxim 43.55s Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#12#12	Qwen3.5-27Bmedium	8.4	Qwen	$0.497	53.03s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 81.5% Teste instabile: 3 Tokenuri de ieșire: 2,500 Tokenuri de raționament: 242,500 Timp de răspuns: medie 53.03s · total 954.46s · maxim 163.96s Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Timp expirat: 1 Răspuns greșit: 1 Trucuri anti-AI : 8.7 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0
#13#13	Gemini 3.1 Flash Lite Previewhigh	8.4	Google	$2.310	68.83s
Vezi fișa modelului Total teste: 16 Teste greșite: 4 Fiabilitate: N/D Rată de trecere pe încercare: 77.1% Teste instabile: 1 Tokenuri de ieșire: 1,283 Tokenuri de raționament: 1,533,310 Timp de răspuns: medie 68.83s · total 1101.32s · maxim 280.52s Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 7.9 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#14#14	Gemini 3 PRO Previewmedium	8.4	Google	$0.197	9.06s
Vezi fișa modelului Total teste: 18 Teste greșite: 4 Fiabilitate: N/D Rată de trecere pe încercare: 77.8% Teste instabile: 0 Tokenuri de ieșire: 1,508 Tokenuri de raționament: 10,084 Timp de răspuns: medie 9.06s · total 90.58s · maxim 26.24s Răspuns greșit: 3 Eroare API: 1 Trucuri anti-AI : 10.0 Programare : 3.0 Combinat : 3.0 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 : 10.0
#15#15	GLM 5medium	8.4	Z.ai	$0.155	23.34s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 85.2% Teste instabile: 4 Tokenuri de ieșire: 20,163 Tokenuri de raționament: 58,337 Timp de răspuns: medie 23.34s · total 233.40s · maxim 79.09s Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 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
#16#16	Gemma 4 31Bmedium	8.3	Google	$0.018	24.88s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 79.6% Teste instabile: 2 Tokenuri de ieșire: 12,734 Tokenuri de raționament: 27,950 Timp de răspuns: medie 24.88s · total 398.13s · maxim 70.97s Eroare API: 2 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Răspuns greșit: 1 Trucuri anti-AI : 10.0 Programare : 4.7 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 : 8.8 Apelare instrumente : 3.0
#17#17	Gemini 2.5 Flashmedium	8.2	Google	$0.319	12.12s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 75.9% Teste instabile: 1 Tokenuri de ieșire: 1,898 Tokenuri de raționament: 122,273 Timp de răspuns: medie 12.12s · total 218.12s · maxim 95.48s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.4 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.8 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#18#18	GPT-5.4medium	8.2	OpenAI	$0.832	18.63s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 79.6% Teste instabile: 3 Tokenuri de ieșire: 2,169 Tokenuri de raționament: 48,732 Timp de răspuns: medie 18.63s · total 335.26s · maxim 100.41s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.7 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0
#19#19	Gemini 3.1 Flash Lite Previewmedium	8.2	Google	$0.055	3.74s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 72.2% Teste instabile: 0 Tokenuri de ieșire: 2,168 Tokenuri de raționament: 29,030 Timp de răspuns: medie 3.74s · total 67.31s · maxim 14.93s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 9.1 Programare : 10.0 Combinat : 10.0 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
#20#20	DeepSeek V4 Prohigh	8.2	DeepSeek	$0.160	71.21s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 74.1% Teste instabile: 1 Tokenuri de ieșire: 671 Tokenuri de raționament: 39,383 Timp de răspuns: medie 71.21s · total 1281.73s · maxim 351.99s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.6 Apelare instrumente : 10.0
#21#21	GLM 5 Turbomedium	8.1	Z.ai	$0.182	17.67s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Fiabilitate: N/D Rată de trecere pe încercare: 77.8% Teste instabile: 5 Tokenuri de ieșire: 12,197 Tokenuri de raționament: 38,933 Timp de răspuns: medie 17.67s · total 317.98s · maxim 194.23s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.3 Apelare instrumente : 10.0
#22#22	Qwen3.5-122B-A10Bmedium	8.1	Qwen	$0.528	31.38s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 79.6% Teste instabile: 3 Tokenuri de ieșire: 17,635 Tokenuri de raționament: 162,668 Timp de răspuns: medie 31.38s · total 564.84s · maxim 119.29s Răspuns greșit: 3 Timp expirat: 2 Trucuri anti-AI : 10.0 Programare : 4.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 3.4 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#23#23	Qwen3.6 Plusmedium	8.1	Qwen	$0.000	15.27s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 74.1% Teste instabile: 1 Tokenuri de ieșire: 1,763 Tokenuri de raționament: 83,782 Timp de răspuns: medie 15.27s · total 259.55s · maxim 43.55s Răspuns greșit: 3 Eroare API: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 3.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#24#24	HY3 Previewlow	8.1	Tencent	$0.000	23.98s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 75.9% Teste instabile: 1 Tokenuri de ieșire: 65,778 Tokenuri de raționament: 0 Timp de răspuns: medie 23.98s · total 407.72s · maxim 78.74s Nu a urmat instrucțiunile: 2 Răspuns greșit: 2 Eroare API: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0
#25#25	Gemini 3 Flash Previewnone	8.1	Google	$0.021	1.65s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 77.8% Teste instabile: 2 Tokenuri de ieșire: 1,840 Tokenuri de raționament: 0 Timp de răspuns: medie 1.65s · total 18.20s · maxim 3.56s Răspuns greșit: 5 Trucuri anti-AI : 8.3 Programare : 10.0 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
#26#26	Gemini 3.1 Flash Lite Previewlow	8.1	Google	$0.022	3.22s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 72.2% Teste instabile: 0 Tokenuri de ieșire: 2,247 Tokenuri de raționament: 8,058 Timp de răspuns: medie 3.22s · total 58.00s · maxim 11.91s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.3 Programare : 10.0 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
#27#27	MiMo-V2.5-Promedium	8.1	Xiaomi	$0.201	16.17s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Fiabilitate: N/D Rată de trecere pe încercare: 75.9% Teste instabile: 3 Tokenuri de ieșire: 2,735 Tokenuri de raționament: 52,571 Timp de răspuns: medie 16.17s · total 291.09s · maxim 84.22s Formatare suplimentară: 2 Nu a urmat instrucțiunile: 2 Răspuns greșit: 2 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 5.1 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0
#28#28	MiMo-V2-Promedium	8.1	Xiaomi	$0.159	12.27s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Fiabilitate: N/D Rată de trecere pe încercare: 77.8% Teste instabile: 3 Tokenuri de ieșire: 2,360 Tokenuri de raționament: 38,320 Timp de răspuns: medie 12.27s · total 208.56s · maxim 64.71s Răspuns greșit: 3 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 4.7 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.0 Apelare instrumente : 10.0
#29#29	HY3 Previewmedium	8.1	Tencent	$0.000	14.63s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 74.1% Teste instabile: 1 Tokenuri de ieșire: 65,057 Tokenuri de raționament: 0 Timp de răspuns: medie 14.63s · total 248.72s · maxim 46.04s Nu a urmat instrucțiunile: 2 Răspuns greșit: 2 Eroare API: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0
#30#30	Gemma 4 26B A4Bmedium	8.0	Google	$0.028	25.03s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 75.9% Teste instabile: 2 Tokenuri de ieșire: 15,928 Tokenuri de raționament: 44,631 Timp de răspuns: medie 25.03s · total 425.48s · maxim 147.47s Timp expirat: 2 Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 2.8 Combinat : 9.6 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.9 Apelare instrumente : 10.0
#31#31	Grok 4.20 Betamedium	8.0	X AI	$0.633	9.81s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Fiabilitate: N/D Rată de trecere pe încercare: 74.1% Teste instabile: 2 Tokenuri de ieșire: 1,568 Tokenuri de raționament: 91,909 Timp de răspuns: medie 9.81s · total 176.62s · maxim 31.36s Nu a urmat instrucțiunile: 3 Răspuns greșit: 3 Trucuri anti-AI : 8.7 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 3.0
#32#32	Claude Sonnet 4.6medium	8.0	Anthropic	$1.161	12.66s
Vezi fișa modelului Total teste: 18 Teste greșite: 5 Fiabilitate: N/D Rată de trecere pe încercare: 74.1% Teste instabile: 1 Tokenuri de ieșire: 42,068 Tokenuri de raționament: 26,784 Timp de răspuns: medie 12.66s · total 126.62s · maxim 46.35s Formatare suplimentară: 2 Răspuns greșit: 2 Timp expirat: 1 Trucuri anti-AI : 6.5 Programare : 10.0 Combinat : 10.0 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
#33#33	DeepSeek V3.2medium	8.0	DeepSeek	$0.028	43.49s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Fiabilitate: N/D Rată de trecere pe încercare: 79.6% Teste instabile: 4 Tokenuri de ieșire: 7,554 Tokenuri de raționament: 45,588 Timp de răspuns: medie 43.49s · total 782.73s · maxim 180.92s Răspuns greșit: 3 Timp expirat: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.4 Programare : 4.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.4 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0
#34#34	GPT-5.2 Chatnone	7.9	OpenAI	$0.291	6.84s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Fiabilitate: N/D Rată de trecere pe încercare: 75.9% Teste instabile: 3 Tokenuri de ieșire: 17,346 Tokenuri de raționament: 0 Timp de răspuns: medie 6.84s · total 123.17s · maxim 38.52s Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.7 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.4 Respectarea instrucțiunilor : 7.5 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#35#35	Gemini 3.1 Flash Lite Previewnone	7.9	Google	$0.016	1.30s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Fiabilitate: N/D Rată de trecere pe încercare: 70.4% Teste instabile: 1 Tokenuri de ieșire: 5,361 Tokenuri de raționament: 0 Timp de răspuns: medie 1.30s · total 23.42s · maxim 3.39s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 7.5 Programare : 10.0 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
#36#36	Step 3.5 Flashmedium	7.9	Stepfun	$0.000	26.78s
Vezi fișa modelului Total teste: 17 Teste greșite: 6 Fiabilitate: N/D Rată de trecere pe încercare: 70.6% Teste instabile: 2 Tokenuri de ieșire: 71,904 Tokenuri de raționament: 155,607 Timp de răspuns: medie 26.78s · total 294.58s · maxim 170.45s Nu a urmat instrucțiunile: 3 Răspuns greșit: 3 Trucuri anti-AI : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.5 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0
#37#37	DeepSeek V4 Flashhigh	7.8	DeepSeek	$0.021	47.47s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Fiabilitate: N/D Rată de trecere pe încercare: 79.6% Teste instabile: 5 Tokenuri de ieșire: 1,757 Tokenuri de raționament: 55,907 Timp de răspuns: medie 47.47s · total 854.45s · maxim 255.28s Răspuns greșit: 4 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 10.0
#38#38	GLM 5V Turbomedium	7.8	Z.ai	$0.291	14.96s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Fiabilitate: N/D Rată de trecere pe încercare: 77.8% Teste instabile: 6 Tokenuri de ieșire: 2,351 Tokenuri de raționament: 58,941 Timp de răspuns: medie 14.96s · total 269.32s · maxim 67.08s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 2 Trucuri anti-AI : 7.2 Programare : 10.0 Combinat : 6.9 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
#39#39	Qwen3.5-Flashmedium	7.8	Qwen	$0.080	66.72s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Fiabilitate: N/D Rată de trecere pe încercare: 81.5% Teste instabile: 6 Tokenuri de ieșire: 2,073 Tokenuri de raționament: 191,899 Timp de răspuns: medie 66.72s · total 1201.03s · maxim 234.29s Timp expirat: 4 Eroare API: 1 Nu a urmat instrucțiunile: 1 Răspuns greșit: 1 Trucuri anti-AI : 10.0 Programare : 4.7 Combinat : 10.0 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 10.0
#40#40	GLM 5.1medium	7.8	Z.ai	$0.201	24.13s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Fiabilitate: N/D Rată de trecere pe încercare: 75.9% Teste instabile: 3 Tokenuri de ieșire: 8,005 Tokenuri de raționament: 49,090 Timp de răspuns: medie 24.13s · total 410.25s · maxim 118.52s Răspuns greșit: 3 Timp expirat: 2 Eroare API: 1 Trucuri anti-AI : 10.0 Programare : 4.7 Combinat : 9.5 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
#41#41	MiMo-V2.5medium	7.8	Xiaomi	$0.253	13.71s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Fiabilitate: N/D Rată de trecere pe încercare: 74.1% Teste instabile: 3 Tokenuri de ieșire: 2,840 Tokenuri de raționament: 116,242 Timp de răspuns: medie 13.71s · total 246.73s · maxim 86.93s Formatare suplimentară: 2 Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 2.7 Specific domeniului : 5.3 Inteligență generală : 3.8 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0
#42#42	Kimi K2.6medium	7.7	Moonshot AI	$0.722	45.20s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Fiabilitate: N/D Rată de trecere pe încercare: 74.1% Teste instabile: 4 Tokenuri de ieșire: 80,759 Tokenuri de raționament: 179,814 Timp de răspuns: medie 45.20s · total 768.37s · maxim 215.85s Nu a urmat instrucțiunile: 3 Timp expirat: 2 Răspuns greșit: 2 Trucuri anti-AI : 7.0 Programare : 10.0 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 : 5.0 Apelare instrumente : 10.0
#43#43	MiMo-V2-Omnimedium	7.7	Xiaomi	$0.153	16.76s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Fiabilitate: N/D Rată de trecere pe încercare: 61.1% Teste instabile: 0 Tokenuri de ieșire: 928 Tokenuri de raționament: 72,661 Timp de răspuns: medie 16.76s · total 301.61s · maxim 158.78s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 4.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 6.5 Apelare instrumente : 10.0
#44#44	GPT-5.3 Chatnone	7.7	OpenAI	$0.340	5.88s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Fiabilitate: N/D Rată de trecere pe încercare: 68.5% Teste instabile: 3 Tokenuri de ieșire: 20,784 Tokenuri de raționament: 0 Timp de răspuns: medie 5.88s · total 105.90s · maxim 18.33s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 6.7 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 4.6 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0
#45#45	Claude Opus 4.6medium	7.6	Anthropic	$1.446	21.08s
Vezi fișa modelului Total teste: 18 Teste greșite: 6 Fiabilitate: N/D Rată de trecere pe încercare: 70.4% Teste instabile: 2 Tokenuri de ieșire: 29,829 Tokenuri de raționament: 18,938 Timp de răspuns: medie 21.08s · total 231.84s · maxim 83.40s Formatare suplimentară: 4 Răspuns greșit: 2 Trucuri anti-AI : 6.4 Programare : 10.0 Combinat : 10.0 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
#46#46	GPT-5.4 Nanomedium	7.6	OpenAI	$0.083	11.21s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Fiabilitate: N/D Rată de trecere pe încercare: 68.5% Teste instabile: 2 Tokenuri de ieșire: 2,946 Tokenuri de raționament: 58,132 Timp de răspuns: medie 11.21s · total 201.80s · maxim 94.06s Răspuns greșit: 4 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 9.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 4.0 Apelare instrumente : 10.0
#47#47	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.037	69.70s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Fiabilitate: N/D Rată de trecere pe încercare: 66.7% Teste instabile: 2 Tokenuri de ieșire: 2,419 Tokenuri de raționament: 79,238 Timp de răspuns: medie 69.70s · total 1045.47s · maxim 262.83s Timp expirat: 4 Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.6 Programare : 10.0 Combinat : 10.0 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
#48#48	GPT-5.2medium	7.5	OpenAI	$0.352	14.04s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Fiabilitate: N/D Rată de trecere pe încercare: 72.2% Teste instabile: 4 Tokenuri de ieșire: 2,705 Tokenuri de raționament: 18,977 Timp de răspuns: medie 14.04s · total 154.41s · maxim 77.80s Nu a urmat instrucțiunile: 3 Răspuns greșit: 2 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 6.5 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 3.7 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 4.7
#49#49	MiMo-V2-Flashmedium	7.5	Xiaomi	$0.038	23.36s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Fiabilitate: N/D Rată de trecere pe încercare: 70.4% Teste instabile: 3 Tokenuri de ieșire: 12,387 Tokenuri de raționament: 115,182 Timp de răspuns: medie 23.36s · total 280.34s · maxim 96.01s Răspuns greșit: 3 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Trucuri anti-AI : 8.1 Programare : 4.7 Combinat : 9.8 Parsare și extragere de date : 6.5 Specific domeniului : 5.9 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#50#50	Claude Sonnet 4.6none	7.4	Anthropic	$0.262	4.98s
Vezi fișa modelului Total teste: 18 Teste greșite: 7 Fiabilitate: N/D Rată de trecere pe încercare: 64.8% Teste instabile: 1 Tokenuri de ieșire: 7,433 Tokenuri de raționament: 0 Timp de răspuns: medie 4.98s · total 54.83s · maxim 23.84s Formatare suplimentară: 3 Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.8 Programare : 10.0 Combinat : 9.5 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 6.1 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0

Comparație rapidă

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7none Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsSeed-2.0-Litemedium Gemini 3 Flash PreviewmediumvsHY3 PreviewhighDisponibil gratuit Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsClaude Opus 4.7none Claude Opus 4.7nonevsGPT-5.5medium GPT-5.5mediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsSeed-2.0-Litemedium

Clasament Benchmark AI

Filtrează modelele

Comparație rapidă