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)
#81#81	Kimi K2.5medium	6.7	Moonshot AI	$0.272 ↓	89.02s
Vezi fișa modelului Total teste 20 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 66.7% Teste instabile 8 Tokenuri de intrare 31,717 Tokenuri de ieșire 48,374 Tokenuri de raționament 128,473 Timp de răspuns (mediu) 89.02s Timp de răspuns (total) 1157.32s Timp de răspuns (maxim) 281.00s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Timp expirat: 2 Trucuri anti-AI : 7.3 Programare : 4.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 6.5 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 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
#71#71	Seed-2.0-Minimedium	7.1	Bytedance Seed	$0.044	80.22s
Vezi fișa modelului Total teste 20 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 60.0% Teste instabile 2 Tokenuri de intrare 41,904 Tokenuri de ieșire 2,555 Tokenuri de raționament 95,974 Timp de răspuns (mediu) 80.22s Timp de răspuns (total) 1363.72s Timp de răspuns (maxim) 262.83s Timp expirat: 4 Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.6 Programare : 6.8 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 Cultură generală : 3.0
#63#63	Qwen3.5-35B-A3Bmedium	7.3	Qwen	$0.368 ↓	69.66s
Vezi fișa modelului Total teste 20 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 73.3% Teste instabile 6 Tokenuri de intrare 40,306 Tokenuri de ieșire 31,242 Tokenuri de raționament 330,546 Timp de răspuns (mediu) 69.66s Timp de răspuns (total) 1393.17s Timp de răspuns (maxim) 409.98s Timp expirat: 4 Fără răspuns: 2 Răspuns greșit: 2 Eroare API: 1 Trucuri anti-AI : 10.0 Programare : 6.5 Combinat : 4.7 Parsare și extragere de date : 7.3 Specific domeniului : 4.1 Inteligență generală : 2.8 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#67#67	MiniMax M3medium	7.2	Minimax	$0.120	68.44s
Vezi fișa modelului Total teste 20 Teste greșite 9 Fiabilitate 9.6 Rată de trecere pe încercare 65.0% Teste instabile 4 Tokenuri de intrare 43,447 Tokenuri de ieșire 46,884 Tokenuri de raționament 85,935 Timp de răspuns (mediu) 68.44s Timp de răspuns (total) 1300.32s Timp de răspuns (maxim) 431.03s Timp expirat: 3 Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Trucuri anti-AI : 5.5 Programare : 6.8 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
#13#13	Gemini 3.1 Flash Lite Previewhigh	8.6	Google	$2.310	68.14s
Vezi fișa modelului Total teste 16 Teste greșite 3 Fiabilitate N/D Rată de trecere pe încercare 81.3% Teste instabile 0 Tokenuri de intrare 28,980 Tokenuri de ieșire 1,283 Tokenuri de raționament 1,533,310 Timp de răspuns (mediu) 68.14s Timp de răspuns (total) 1090.28s Timp de răspuns (maxim) 280.52s Răspuns greșit: 2 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 : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0
#19#19	Qwen3.5 Plus 2026-02-15medium	8.1	Qwen	$0.283 ↓	67.58s
Vezi fișa modelului Total teste 20 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 76.7% Teste instabile 3 Tokenuri de intrare 39,028 Tokenuri de ieșire 2,145 Tokenuri de raționament 172,563 Timp de răspuns (mediu) 67.58s Timp de răspuns (total) 878.57s Timp de răspuns (maxim) 266.69s Răspuns greșit: 4 Timp expirat: 2 Trucuri anti-AI : 8.2 Programare : 7.6 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 Cultură generală : 3.0
#45#45	Qwen3.5-Flashmedium	7.6	Qwen	$0.074 ↓	63.04s
Vezi fișa modelului Total teste 20 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 75.0% Teste instabile 5 Tokenuri de intrare 37,036 Tokenuri de ieșire 2,074 Tokenuri de raționament 272,063 Timp de răspuns (mediu) 63.04s Timp de răspuns (total) 1197.71s Timp de răspuns (maxim) 234.29s Timp expirat: 3 Răspuns greșit: 3 Eroare API: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 4.1 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 : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#61#61	Gemini 3.1 Flash Litehigh	7.3	Google	$2.044	61.96s
Vezi fișa modelului Total teste 18 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 68.5% Teste instabile 4 Tokenuri de intrare 29,134 Tokenuri de ieșire 1,984 Tokenuri de raționament 1,355,583 Timp de răspuns (mediu) 61.96s Timp de răspuns (total) 1115.31s Timp de răspuns (maxim) 149.23s Răspuns greșit: 4 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 5.0 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 5.7 Apelare instrumente : 10.0
#74#74	Ring-2.6-1Tmedium	7.0	Inclusionai	$0.033	61.29s
Vezi fișa modelului Total teste 20 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 63.3% Teste instabile 3 Tokenuri de intrare 35,892 Tokenuri de ieșire 21,752 Tokenuri de raționament 42,754 Timp de răspuns (mediu) 61.29s Timp de răspuns (total) 1164.50s Timp de răspuns (maxim) 304.19s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Eroare API: 1 Trucuri anti-AI : 10.0 Programare : 6.5 Combinat : 10.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.5 Inteligență generală : 4.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#24#24	Qwen3.5-27Bmedium	7.9	Qwen	$0.488 ↓	60.09s
Vezi fișa modelului Total teste 20 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 73.3% Teste instabile 3 Tokenuri de intrare 39,329 Tokenuri de ieșire 2,569 Tokenuri de raționament 304,894 Timp de răspuns (mediu) 60.09s Timp de răspuns (total) 1201.89s Timp de răspuns (maxim) 177.36s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Timp expirat: 1 Trucuri anti-AI : 8.7 Programare : 7.0 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 Cultură generală : 3.0
#100#100	DeepSeek V4 Prohigh	6.1	DeepSeek	$0.062 ↓	58.92s
Vezi fișa modelului Total teste 20 Teste greșite 12 Fiabilitate 8.9 Rată de trecere pe încercare 55.0% Teste instabile 6 Tokenuri de intrare 30,514 Tokenuri de ieșire 12,244 Tokenuri de raționament 53,958 Timp de răspuns (mediu) 58.92s Timp de răspuns (total) 1119.51s Timp de răspuns (maxim) 358.35s Eroare API: 5 Răspuns greșit: 4 Timp expirat: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.4 Programare : 2.7 Combinat : 10.0 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#15#15	Qwen3.6 Max Previewmedium	8.4	Qwen	$0.872 ↓	58.43s
Vezi fișa modelului Total teste 20 Teste greșite 5 Fiabilitate 10.0 Rată de trecere pe încercare 80.0% Teste instabile 2 Tokenuri de intrare 39,527 Tokenuri de ieșire 2,253 Tokenuri de raționament 130,852 Timp de răspuns (mediu) 58.43s Timp de răspuns (total) 1168.66s Timp de răspuns (maxim) 238.07s Răspuns greșit: 5 Trucuri anti-AI : 10.0 Programare : 8.2 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 Cultură generală : 3.0
#84#84	Qwen3.6 27Bmedium	6.6	Qwen	$0.380 ↑	57.79s
Vezi fișa modelului Total teste 20 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 58.3% Teste instabile 5 Tokenuri de intrare 36,541 Tokenuri de ieșire 12,981 Tokenuri de raționament 105,822 Timp de răspuns (mediu) 57.79s Timp de răspuns (total) 1155.83s Timp de răspuns (maxim) 168.22s Răspuns greșit: 6 Fără răspuns: 3 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.3 Programare : 6.6 Combinat : 7.0 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
#76#76	Hy3 previewhigh	6.9	Tencent	$0.048	56.57s
Vezi fișa modelului Total teste 20 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 58.3% Teste instabile 2 Tokenuri de intrare 25,987 Tokenuri de ieșire 216,719 Tokenuri de raționament 0 Timp de răspuns (mediu) 56.57s Timp de răspuns (total) 848.59s Timp de răspuns (maxim) 149.94s Eroare API: 6 Răspuns greșit: 3 Trucuri anti-AI : 6.4 Programare : 6.5 Combinat : 10.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 3.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#93#93	Ring-2.6-1Tnone	6.4	Inclusionai	$0.026	55.10s
Vezi fișa modelului Total teste 20 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 50.0% Teste instabile 2 Tokenuri de intrare 7,599 Tokenuri de ieșire 39,954 Tokenuri de raționament 0 Timp de răspuns (mediu) 55.10s Timp de răspuns (total) 881.55s Timp de răspuns (maxim) 143.82s Răspuns greșit: 5 Eroare API: 4 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 9.2 Programare : 6.5 Combinat : 3.0 Parsare și extragere de date : 3.0 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 3.0 Cultură generală : 3.0
#50#50	Kimi K2.6medium	7.4	Moonshot AI	$0.803 ↓	54.03s
Vezi fișa modelului Total teste 20 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 68.3% Teste instabile 3 Tokenuri de intrare 28,584 Tokenuri de ieșire 102,208 Tokenuri de raționament 229,120 Timp de răspuns (mediu) 54.03s Timp de răspuns (total) 1026.57s Timp de răspuns (maxim) 215.85s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Timp expirat: 2 Fără răspuns: 1 Trucuri anti-AI : 7.0 Programare : 6.8 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 : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#77#77	DeepSeek V3.2medium	6.8	DeepSeek	$0.033 ↓	53.34s
Vezi fișa modelului Total teste 20 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 63.3% Teste instabile 6 Tokenuri de intrare 35,744 Tokenuri de ieșire 7,177 Tokenuri de raționament 68,297 Timp de răspuns (mediu) 53.34s Timp de răspuns (total) 1066.71s Timp de răspuns (maxim) 189.03s Răspuns greșit: 5 Eroare API: 2 Timp expirat: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.2 Programare : 3.9 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 : 7.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#32#32	Gemma 4 26B A4Bmedium	7.8	Google	$0.038 ↓	50.92s
Vezi fișa modelului Total teste 20 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 73.3% Teste instabile 2 Tokenuri de intrare 38,410 Tokenuri de ieșire 28,000 Tokenuri de raționament 82,045 Timp de răspuns (mediu) 50.92s Timp de răspuns (total) 967.47s Timp de răspuns (maxim) 369.32s Răspuns greșit: 3 Timp expirat: 2 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 2.9 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 : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#125#125	MiniMax M2.5medium	5.5	Minimax	$0.294 ↓	49.87s
Vezi fișa modelului Total teste 20 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 48.3% Teste instabile 9 Tokenuri de intrare 41,948 Tokenuri de ieșire 109,492 Tokenuri de raționament 251,674 Timp de răspuns (mediu) 49.87s Timp de răspuns (total) 598.39s Timp de răspuns (maxim) 237.27s Răspuns greșit: 7 Timp expirat: 4 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 7.9 Programare : 3.5 Combinat : 4.5 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
#66#66	Step 3.7 Flashhigh	7.2	Stepfun	$0.960	49.43s
Vezi fișa modelului Total teste 20 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 63.3% Teste instabile 3 Tokenuri de intrare 35,763 Tokenuri de ieșire 828,084 Tokenuri de raționament 0 Timp de răspuns (mediu) 49.43s Timp de răspuns (total) 988.58s Timp de răspuns (maxim) 192.75s Răspuns greșit: 6 Fără răspuns: 3 Trucuri anti-AI : 10.0 Programare : 3.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 5.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#33#33	Grok 4.3medium	7.8	X AI	$0.593	49.23s
Vezi fișa modelului Total teste 20 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 75.0% Teste instabile 4 Tokenuri de intrare 41,532 Tokenuri de ieșire 1,485 Tokenuri de raționament 214,710 Timp de răspuns (mediu) 49.23s Timp de răspuns (total) 984.52s Timp de răspuns (maxim) 216.69s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Trucuri anti-AI : 10.0 Programare : 7.4 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.4 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#42#42	DeepSeek V4 Flashhigh	7.6	DeepSeek	$0.027 ↓	46.36s
Vezi fișa modelului Total teste 20 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 73.3% Teste instabile 4 Tokenuri de intrare 37,156 Tokenuri de ieșire 10,302 Tokenuri de raționament 115,740 Timp de răspuns (mediu) 46.36s Timp de răspuns (total) 927.27s Timp de răspuns (maxim) 218.13s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.3 Programare : 6.8 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 : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#48#48	Qwen3.5 Plus 2026-04-20medium	7.5	Qwen	$0.287 ↓	43.65s
Vezi fișa modelului Total teste 20 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 65.0% Teste instabile 2 Tokenuri de intrare 39,262 Tokenuri de ieșire 2,259 Tokenuri de raționament 150,249 Timp de răspuns (mediu) 43.65s Timp de răspuns (total) 872.90s Timp de răspuns (maxim) 189.38s Răspuns greșit: 8 Trucuri anti-AI : 10.0 Programare : 4.3 Combinat : 10.0 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
#99#99	GPT-5 Nanomedium	6.1	OpenAI	$0.077	43.52s
Vezi fișa modelului Total teste 20 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 55.0% Teste instabile 7 Tokenuri de intrare 31,489 Tokenuri de ieșire 5,328 Tokenuri de raționament 181,056 Timp de răspuns (mediu) 43.52s Timp de răspuns (total) 565.82s Timp de răspuns (maxim) 204.02s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Timp expirat: 1 Trucuri anti-AI : 6.5 Programare : 5.4 Combinat : 10.0 Parsare și extragere de date : 3.7 Specific domeniului : 5.2 Inteligență generală : 4.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#55#55	Step 3.5 Flashmedium	7.4	Stepfun	$0.062 ↑	43.20s
Vezi fișa modelului Total teste 19 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 59.7% Teste instabile 1 Tokenuri de intrare 33,555 Tokenuri de ieșire 90,478 Tokenuri de raționament 173,544 Timp de răspuns (mediu) 43.20s Timp de răspuns (total) 561.54s Timp de răspuns (maxim) 170.45s Răspuns greșit: 4 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 3.5 Combinat : 10.0 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
#40#40	Grok Build 0.1medium	7.7	X AI	$0.729	42.39s
Vezi fișa modelului Total teste 20 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 65.0% Teste instabile 0 Tokenuri de intrare 41,496 Tokenuri de ieșire 2,258 Tokenuri de raționament 341,381 Timp de răspuns (mediu) 42.39s Timp de răspuns (total) 847.76s Timp de răspuns (maxim) 252.69s Răspuns greșit: 4 Formatare suplimentară: 3 Trucuri anti-AI : 8.3 Programare : 7.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.4 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#75#75	Mimo V2 Omnimedium	6.9	Xiaomi	$0.683 ↓	41.16s
Vezi fișa modelului Total teste 20 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 58.3% Teste instabile 3 Tokenuri de intrare 37,007 Tokenuri de ieșire 1,952 Tokenuri de raționament 357,306 Timp de răspuns (mediu) 41.16s Timp de răspuns (total) 823.26s Timp de răspuns (maxim) 299.23s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Formatare suplimentară: 1 Trucuri anti-AI : 10.0 Programare : 3.4 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.4 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#116#116	Cobuddymedium	5.8	Baidu	$0.000	39.90s
Vezi fișa modelului Total teste 20 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 50.0% Teste instabile 6 Tokenuri de intrare 37,449 Tokenuri de ieșire 1,677 Tokenuri de raționament 116,703 Timp de răspuns (mediu) 39.90s Timp de răspuns (total) 797.98s Timp de răspuns (maxim) 309.02s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 8.7 Programare : 4.1 Combinat : 3.0 Parsare și extragere de date : 6.3 Specific domeniului : 2.9 Inteligență generală : 4.2 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 3.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#38#38	Qwen3.5-122B-A10Bmedium	7.7	Qwen	$0.509 ↓	39.40s
Vezi fișa modelului Total teste 20 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 71.7% Teste instabile 3 Tokenuri de intrare 38,997 Tokenuri de ieșire 26,166 Tokenuri de raționament 213,524 Timp de răspuns (mediu) 39.40s Timp de răspuns (total) 788.00s Timp de răspuns (maxim) 168.16s Răspuns greșit: 5 Timp expirat: 2 Trucuri anti-AI : 10.0 Programare : 4.1 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 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