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: 2026-08-15 Modele evaluate: 287

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 $0.140 / 1M Preț de ieșire $0.280 / 1M Scor 8.0/10

287/287

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#31#31	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 74.2% Teste instabile 4 Tokenuri de intrare 123,680 Tokenuri de ieșire 7,222 Tokenuri de raționament 271,442 Timp de răspuns (mediu) 19.67s Timp de răspuns (total) 432.72s Timp de răspuns (maxim) 142.49s Nu a urmat instrucțiunile: 3 Răspuns greșit: 3 Formatare suplimentară: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 7.3 Programare : 10.0 Combinat : 8.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 6.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#32#32	Muse Spark 1.1medium	8.6	Meta	$1.420	26.25s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 72.7% Teste instabile 2 Tokenuri de intrare 142,147 Tokenuri de ieșire 7,905 Tokenuri de raționament 284,247 Timp de răspuns (mediu) 26.25s Timp de răspuns (total) 577.47s Timp de răspuns (maxim) 165.38s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 8.3 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 7.9 Apelare instrumente : 9.8 Cultură generală : 3.0
#33#33	Claude Fable 5medium	8.6	Anthropic	$3.004	15.01s
Vezi fișa modelului Total teste 22 Teste greșite 5 Fiabilitate 10.0 Rată de trecere pe încercare 78.8% Teste instabile 1 Tokenuri de intrare 89,640 Tokenuri de ieșire 33,092 Tokenuri de raționament 9,054 Timp de răspuns (mediu) 15.01s Timp de răspuns (total) 330.15s Timp de răspuns (maxim) 80.80s Fără răspuns: 3 Apel de instrument invalid: 1 Răspuns greșit: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#34#34	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Vezi fișa modelului Total teste 22 Teste greșite 5 Fiabilitate 10.0 Rată de trecere pe încercare 83.3% Teste instabile 2 Tokenuri de intrare 79,249 Tokenuri de ieșire 5,097 Tokenuri de raționament 165,276 Timp de răspuns (mediu) 66.52s Timp de răspuns (total) 1463.50s Timp de răspuns (maxim) 238.07s Răspuns greșit: 4 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 8.8 Combinat : 7.3 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 : 3.0
#35#35	Qwen3.8 Maxlow	8.6	Qwen	$0.702	21.83s
Vezi fișa modelului Total teste 22 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 80.3% Teste instabile 3 Tokenuri de intrare 99,181 Tokenuri de ieșire 6,132 Tokenuri de raționament 77,689 Timp de răspuns (mediu) 21.83s Timp de răspuns (total) 480.37s Timp de răspuns (maxim) 155.75s Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 8.4 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 6.5 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 9.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#36#36	GPT-5.4medium	8.5	OpenAI	$1.560	22.85s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 77.3% Teste instabile 4 Tokenuri de intrare 81,136 Tokenuri de ieșire 6,155 Tokenuri de raționament 84,311 Timp de răspuns (mediu) 22.85s Timp de răspuns (total) 502.78s Timp de răspuns (maxim) 100.41s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.3 Programare : 8.8 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 Cultură generală : 3.0
#37#37	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Vezi fișa modelului Total teste 22 Teste greșite 5 Fiabilitate 10.0 Rată de trecere pe încercare 83.3% Teste instabile 3 Tokenuri de intrare 122,155 Tokenuri de ieșire 5,514 Tokenuri de raționament 293,946 Timp de răspuns (mediu) 68.59s Timp de răspuns (total) 1508.91s Timp de răspuns (maxim) 436.38s Răspuns greșit: 5 Trucuri anti-AI : 10.0 Programare : 7.6 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 6.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#38#38	Muse Spark 1.2low	8.4	Meta	$0.655	9.77s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 77.3% Teste instabile 3 Tokenuri de intrare 101,811 Tokenuri de ieșire 8,025 Tokenuri de raționament 115,938 Timp de răspuns (mediu) 9.77s Timp de răspuns (total) 214.83s Timp de răspuns (maxim) 47.80s Răspuns greșit: 4 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 9.2 Programare : 8.4 Combinat : 9.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#39#39	Grok 4.6medium	8.4	X AI	$1.713	73.46s
Vezi fișa modelului Total teste 22 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 81.8% Teste instabile 4 Tokenuri de intrare 106,787 Tokenuri de ieșire 4,811 Tokenuri de raționament 244,997 Timp de răspuns (mediu) 73.46s Timp de răspuns (total) 1616.12s Timp de răspuns (maxim) 514.35s Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 8.2 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#40#40	Grok 4.5low	8.4	X AI	$0.945	16.17s
Vezi fișa modelului Total teste 22 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 77.3% Teste instabile 2 Tokenuri de intrare 125,605 Tokenuri de ieșire 7,505 Tokenuri de raționament 107,984 Timp de răspuns (mediu) 16.17s Timp de răspuns (total) 355.67s Timp de răspuns (maxim) 205.28s Răspuns greșit: 6 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 6.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#41#41	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 72.7% Teste instabile 4 Tokenuri de intrare 105,013 Tokenuri de ieșire 9,914 Tokenuri de raționament 61,338 Timp de răspuns (mediu) 28.51s Timp de răspuns (total) 456.13s Timp de răspuns (maxim) 116.86s Nu a urmat instrucțiunile: 3 Răspuns greșit: 3 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 : 7.5 Apelare instrumente : 4.7 Cultură generală : 3.0
#42#42	Qwen3.8 27Bhigh	8.4	Qwen	~$0.287	167.89s
Vezi fișa modelului Total teste 22 Teste greșite 6 Fiabilitate 9.6 Rată de trecere pe încercare 77.3% Teste instabile 2 Tokenuri de intrare 100,179 Tokenuri de ieșire 904 Tokenuri de raționament 655,731 Timp de răspuns (mediu) 167.89s Timp de răspuns (total) 3693.54s Timp de răspuns (maxim) 640.85s Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Răspuns greșit: 2 Trucuri anti-AI : 10.0 Programare : 8.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#43#43	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 78.8% Teste instabile 5 Tokenuri de intrare 104,433 Tokenuri de ieșire 6,511 Tokenuri de raționament 752,680 Timp de răspuns (mediu) 193.59s Timp de răspuns (total) 4258.98s Timp de răspuns (maxim) 885.33s Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 8.2 Programare : 8.2 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 6.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 9.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#44#44	Inkling Smallhigh	8.4	Thinkingmachines	$0.398 ↓	30.43s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 2 Tokenuri de intrare 85,669 Tokenuri de ieșire 6,092 Tokenuri de raționament 292,801 Timp de răspuns (mediu) 30.43s Timp de răspuns (total) 669.38s Timp de răspuns (maxim) 122.60s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 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
#45#45	Muse Spark 1.1low	8.3	Meta	$0.673	11.89s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 4 Tokenuri de intrare 141,878 Tokenuri de ieșire 11,033 Tokenuri de raționament 105,456 Timp de răspuns (mediu) 11.89s Timp de răspuns (total) 261.69s Timp de răspuns (maxim) 54.15s Răspuns greșit: 5 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 7.9 Programare : 10.0 Combinat : 6.6 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 8.3 Apelare instrumente : 9.8 Cultură generală : 3.0
#46#46	Gemini 2.5 Flashmedium	8.2	Google	$0.644	21.14s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 1 Tokenuri de intrare 132,507 Tokenuri de ieșire 12,739 Tokenuri de raționament 228,626 Timp de răspuns (mediu) 21.14s Timp de răspuns (total) 465.10s Timp de răspuns (maxim) 140.50s Răspuns greșit: 6 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.4 Programare : 7.8 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 Cultură generală : 3.0
#47#47	Claude Sonnet 5medium	8.2	Anthropic	$0.922	12.54s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 75.8% Teste instabile 3 Tokenuri de intrare 145,953 Tokenuri de ieșire 52,330 Tokenuri de raționament 10,874 Timp de răspuns (mediu) 12.54s Timp de răspuns (total) 275.90s Timp de răspuns (maxim) 66.71s Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 9.0 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#48#48	Qwen3.8 2.4T A95Blow	8.1	Qwen	$2.672	118.97s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 9.4 Rată de trecere pe încercare 72.7% Teste instabile 2 Tokenuri de intrare 113,279 Tokenuri de ieșire 121,045 Tokenuri de raționament 374,496 Timp de răspuns (mediu) 118.97s Timp de răspuns (total) 2617.41s Timp de răspuns (maxim) 534.21s Răspuns greșit: 4 Fără răspuns: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 7.8 Combinat : 8.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.2 Inteligență generală : 6.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#49#49	GPT-5 Minimedium	8.1	OpenAI	$0.241	27.64s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 4 Tokenuri de intrare 98,383 Tokenuri de ieșire 14,409 Tokenuri de raționament 93,610 Timp de răspuns (mediu) 27.64s Timp de răspuns (total) 608.02s Timp de răspuns (maxim) 111.48s Răspuns greșit: 5 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 7.1 Programare : 10.0 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 4.5 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#50#50	Muse Glimmer 30Bxhigh	8.1	Meta	$0.635	95.55s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 9.9 Rată de trecere pe încercare 69.7% Teste instabile 4 Tokenuri de intrare 110,930 Tokenuri de ieșire 116,373 Tokenuri de raționament 330,471 Timp de răspuns (mediu) 95.55s Timp de răspuns (total) 2102.12s Timp de răspuns (maxim) 576.79s Răspuns greșit: 4 Fără răspuns: 3 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 6.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.5 Respectarea instrucțiunilor : 8.4 Rezolvare de puzzle-uri : 7.8 Apelare instrumente : 10.0 Cultură generală : 3.0
#51#51	Inklinghigh	8.0	Thinkingmachines	$1.041 ↓	62.57s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 77.3% Teste instabile 3 Tokenuri de intrare 86,755 Tokenuri de ieșire 6,057 Tokenuri de raționament 230,570 Timp de răspuns (mediu) 62.57s Timp de răspuns (total) 1376.46s 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
#52#52	Muse Spark 1.1high	8.0	Meta	$1.709	30.84s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 68.2% Teste instabile 6 Tokenuri de intrare 129,003 Tokenuri de ieșire 8,340 Tokenuri de raționament 355,649 Timp de răspuns (mediu) 30.84s Timp de răspuns (total) 647.67s Timp de răspuns (maxim) 196.03s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 2 Eroare API: 1 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 7.5 Programare : 10.0 Combinat : 5.9 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 7.8 Apelare instrumente : 9.6 Cultură generală : 3.0
#53#53	DeepSeek V4 Flash 0731low	8.0	DeepSeek	$0.072	77.55s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 5 Tokenuri de intrare 93,345 Tokenuri de ieșire 35,723 Tokenuri de raționament 350,266 Timp de răspuns (mediu) 77.55s Timp de răspuns (total) 1706.18s Timp de răspuns (maxim) 438.65s Răspuns greșit: 7 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 8.2 Programare : 7.3 Combinat : 9.8 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 6.5 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 8.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#54#54	DeepSeek V4 Flash 0731high	8.0	DeepSeek	$0.134	114.94s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 75.8% Teste instabile 5 Tokenuri de intrare 96,702 Tokenuri de ieșire 16,966 Tokenuri de raționament 496,341 Timp de răspuns (mediu) 114.94s Timp de răspuns (total) 2528.65s Timp de răspuns (maxim) 600.61s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Eroare API: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 6.3 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#55#55	GLM 5.2high	8.0	Z.ai	$0.603 ↓	69.86s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 3 Tokenuri de intrare 83,822 Tokenuri de ieșire 72,040 Tokenuri de raționament 292,615 Timp de răspuns (mediu) 69.86s Timp de răspuns (total) 1536.98s Timp de răspuns (maxim) 599.43s Timp expirat: 3 Fără răspuns: 2 Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 6.4 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.1 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#56#56	Inklingmedium	8.0	Thinkingmachines	$0.377 ↓	15.66s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 75.8% Teste instabile 4 Tokenuri de intrare 124,062 Tokenuri de ieșire 12,190 Tokenuri de raționament 51,652 Timp de răspuns (mediu) 15.66s Timp de răspuns (total) 344.52s 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
#57#57	GPT-5.6 Terrahigh	8.0	OpenAI	$0.418 ↓	11.22s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 68.2% Teste instabile 2 Tokenuri de intrare 81,056 Tokenuri de ieșire 5,055 Tokenuri de raționament 51,033 Timp de răspuns (mediu) 11.22s Timp de răspuns (total) 246.77s Timp de răspuns (maxim) 91.49s Răspuns greșit: 7 Apel de instrument invalid: 1 Trucuri anti-AI : 8.3 Programare : 7.6 Combinat : 8.7 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#58#58	Kimi K3max	7.9	Moonshot AI	$3.467	142.84s
Vezi fișa modelului Total teste 22 Teste greșite 6 Fiabilitate 9.0 Rată de trecere pe încercare 77.3% Teste instabile 2 Tokenuri de intrare 34,960 Tokenuri de ieșire 2,887 Tokenuri de raționament 221,241 Timp de răspuns (mediu) 142.84s Timp de răspuns (total) 2714.02s Timp de răspuns (maxim) 766.58s Eroare API: 2 Fără răspuns: 2 Formatare suplimentară: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 6.5 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#59#59	GPT-5.2 Chatnone	7.9	OpenAI	$0.594	7.73s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 4 Tokenuri de intrare 101,104 Tokenuri de ieșire 29,742 Tokenuri de raționament 0 Timp de răspuns (mediu) 7.73s Timp de răspuns (total) 162.40s Timp de răspuns (maxim) 38.52s Răspuns greșit: 6 Eroare API: 1 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 8.8 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.4 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#60#60	Step 3.7 Flashmedium	7.9	Stepfun	$0.495	23.51s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 68.2% Teste instabile 3 Tokenuri de intrare 114,191 Tokenuri de ieșire 409,709 Tokenuri de raționament 0 Timp de răspuns (mediu) 23.51s Timp de răspuns (total) 517.21s Timp de răspuns (maxim) 152.83s Răspuns greșit: 6 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 8.8 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.7 Apelare instrumente : 10.0 Cultură generală : 3.0

Comparație rapidă

Gemini 3.6 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 Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow

Clasament AI Benchy

Modele recomandate

Filtrează modelele

Comparație rapidă