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: 2026-07-02 Modele evaluate: 174

174/174

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#61#61	Gemma 4 26B A4Bmedium	7.2	Google	$0.045 ↓	63.41s
Vezi fișa modelului Total teste 21 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 69.8% Teste instabile 2 Tokenuri de intrare 40,252 Tokenuri de ieșire 28,000 Tokenuri de raționament 100,490 Timp de răspuns (mediu) 63.41s Timp de răspuns (total) 1268.28s Timp de răspuns (maxim) 369.32s Răspuns greșit: 3 Fără răspuns: 2 Timp expirat: 2 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
#62#62	Qwen3.7 Plusnone	7.2	Qwen	$0.023 ↓	2.85s
Vezi fișa modelului Total teste 21 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 47.6% Teste instabile 0 Tokenuri de intrare 42,510 Tokenuri de ieșire 6,578 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.85s Timp de răspuns (total) 59.86s Timp de răspuns (maxim) 29.38s Răspuns greșit: 10 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.5 Programare : 5.5 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.3 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#63#63	GLM 5.2none	7.1	Z.ai	$0.051 ↓	6.34s
Vezi fișa modelului Total teste 21 Teste greșite 9 Fiabilitate 9.9 Rată de trecere pe încercare 60.3% Teste instabile 1 Tokenuri de intrare 38,671 Tokenuri de ieșire 4,817 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.34s Timp de răspuns (total) 133.19s Timp de răspuns (maxim) 20.69s Răspuns greșit: 8 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.3 Programare : 3.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 6.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#64#64	MiMo-V2-Flashmedium	7.1	Xiaomi	$0.043 ↑	20.11s
Vezi fișa modelului Total teste 21 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 65.1% Teste instabile 3 Tokenuri de intrare 40,111 Tokenuri de ieșire 12,476 Tokenuri de raționament 125,039 Timp de răspuns (mediu) 20.11s Timp de răspuns (total) 301.59s Timp de răspuns (maxim) 96.01s Răspuns greșit: 5 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Trucuri anti-AI : 8.1 Programare : 6.0 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 Cultură generală : 3.0
#65#65	Step 3.7 Flashhigh	7.1	Stepfun	$1.148	64.46s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 63.5% Teste instabile 4 Tokenuri de intrare 38,391 Tokenuri de ieșire 991,355 Tokenuri de raționament 0 Timp de răspuns (mediu) 64.46s Timp de răspuns (total) 1353.57s Timp de răspuns (maxim) 364.99s Răspuns greșit: 6 Fără răspuns: 4 Trucuri anti-AI : 10.0 Programare : 4.0 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
#66#66	GLM 5.1medium	7.1	Z.ai	$0.395 ↑	33.67s
Vezi fișa modelului Total teste 21 Teste greșite 9 Fiabilitate 6.7 Rată de trecere pe încercare 68.3% Teste instabile 4 Tokenuri de intrare 32,995 Tokenuri de ieșire 11,655 Tokenuri de raționament 75,421 Timp de răspuns (mediu) 33.67s Timp de răspuns (total) 673.41s Timp de răspuns (maxim) 172.60s Răspuns greșit: 4 Timp expirat: 2 Eroare API: 1 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 4.6 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 Cultură generală : 3.0
#67#67	Laguna XS 2.1medium	7.0	Poolside	$0.036	30.08s
Vezi fișa modelului Total teste 21 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 44.4% Teste instabile 1 Tokenuri de intrare 45,324 Tokenuri de ieșire 25,761 Tokenuri de raționament 268,677 Timp de răspuns (mediu) 30.08s Timp de răspuns (total) 631.77s Timp de răspuns (maxim) 155.23s Răspuns greșit: 11 Fără răspuns: 1 Trucuri anti-AI : 4.8 Programare : 5.5 Combinat : 9.6 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#68#68	Kimi K2.7 Codemedium	7.0	Moonshot AI	$0.583 ↓	83.60s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 9.2 Rată de trecere pe încercare 66.7% Teste instabile 6 Tokenuri de intrare 25,991 Tokenuri de ieșire 80,516 Tokenuri de raționament 161,391 Timp de răspuns (mediu) 83.60s Timp de răspuns (total) 1671.99s Timp de răspuns (maxim) 365.80s Răspuns greșit: 5 Timp expirat: 3 Eroare API: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 7.3 Programare : 7.6 Combinat : 4.7 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 3.0 Cultură generală : 3.0
#69#69	Gemini 3.5 Flashnone	7.0	Google	$1.079	9.93s
Vezi fișa modelului Total teste 21 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 77.8% Teste instabile 3 Tokenuri de intrare 13,843 Tokenuri de ieșire 117,518 Tokenuri de raționament 0 Timp de răspuns (mediu) 9.93s Timp de răspuns (total) 178.68s Timp de răspuns (maxim) 64.36s Eroare API: 3 Răspuns greșit: 3 Trucuri anti-AI : 10.0 Programare : 8.8 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 7.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 3.0 Cultură generală : 2.8
#70#70	Gemini 3 Flash Previewnone	6.9	Google	$0.025	1.65s
Vezi fișa modelului Total teste 21 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 66.7% Teste instabile 2 Tokenuri de intrare 37,011 Tokenuri de ieșire 1,885 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.65s Timp de răspuns (total) 23.07s Timp de răspuns (maxim) 3.56s Răspuns greșit: 8 Trucuri anti-AI : 8.3 Programare : 5.5 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 Cultură generală : 3.0
#71#71	Qwen3.7 Maxnone	6.9	Qwen	$0.054 ↓	1.30s
Vezi fișa modelului Total teste 21 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 66.7% Teste instabile 0 Tokenuri de intrare 37,107 Tokenuri de ieșire 1,994 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.30s Timp de răspuns (total) 27.21s Timp de răspuns (maxim) 3.92s Răspuns greșit: 7 Trucuri anti-AI : 6.5 Programare : 5.5 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 : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#72#72	Grok 4.20 Betamedium	6.8	X AI	$0.750 ↑	9.75s
Vezi fișa modelului Total teste 18 Teste greșite 4 Fiabilitate N/D Rată de trecere pe încercare 69.8% Teste instabile 1 Tokenuri de intrare 35,955 Tokenuri de ieșire 1,647 Tokenuri de raționament 91,565 Timp de răspuns (mediu) 9.75s Timp de răspuns (total) 175.48s Timp de răspuns (maxim) 31.36s Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.7 Programare : 3.3 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 : 10.0 Apelare instrumente : 3.0 Cultură generală : 0.0
#73#73	Qwen3.5-Flashmedium	6.8	Qwen	$0.080 ↓	63.29s
Vezi fișa modelului Total teste 21 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 71.4% Teste instabile 5 Tokenuri de intrare 38,926 Tokenuri de ieșire 2,088 Tokenuri de raționament 294,598 Timp de răspuns (mediu) 63.29s Timp de răspuns (total) 1265.85s Timp de răspuns (maxim) 234.29s Răspuns greșit: 4 Timp expirat: 3 Eroare API: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 3.7 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 : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#74#74	Gemini 3.5 Flashminimal	6.8	Google	$0.108	1.57s
Vezi fișa modelului Total teste 21 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 68.3% Teste instabile 1 Tokenuri de intrare 39,847 Tokenuri de ieșire 5,277 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.57s Timp de răspuns (total) 33.02s Timp de răspuns (maxim) 5.51s Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 6.5 Programare : 5.6 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 10.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#75#75	Ring-2.6-1Tmedium	6.8	Inclusionai	$0.033 ↕	61.29s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 60.3% 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 Eroare API: 2 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 10.0 Programare : 5.3 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
#76#76	Mimo V2 Omnimedium	6.8	Xiaomi	$0.683 ↓	41.16s
Vezi fișa modelului Total teste 21 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 55.6% 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 Eroare API: 1 Formatare suplimentară: 1 Trucuri anti-AI : 10.0 Programare : 3.3 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
#77#77	Hy3 previewhigh	6.8	Tencent	$0.048 ↕	56.57s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 55.6% 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: 7 Răspuns greșit: 3 Trucuri anti-AI : 6.4 Programare : 5.3 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
#78#78	Qwen3.6 35B A3Bmedium	6.7	Qwen	$0.146 ↑	18.08s
Vezi fișa modelului Total teste 21 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 63.5% Teste instabile 1 Tokenuri de intrare 16,385 Tokenuri de ieșire 19,632 Tokenuri de raționament 130,219 Timp de răspuns (mediu) 18.08s Timp de răspuns (total) 343.61s Timp de răspuns (maxim) 86.11s Răspuns greșit: 4 Eroare API: 2 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 7.7 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.4 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#79#79	MiMo-V2.5medium	6.7	Xiaomi	$0.061 ↓	27.11s
Vezi fișa modelului Total teste 21 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 69.8% Teste instabile 5 Tokenuri de intrare 41,838 Tokenuri de ieșire 2,827 Tokenuri de raționament 198,898 Timp de răspuns (mediu) 27.11s Timp de răspuns (total) 569.38s Timp de răspuns (maxim) 162.44s Răspuns greșit: 5 Formatare suplimentară: 2 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 6.2 Combinat : 10.0 Parsare și extragere de date : 2.7 Specific domeniului : 5.3 Inteligență generală : 5.4 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#80#80	Mimo V2 PROmedium	6.7	Xiaomi	$0.333 ↑	22.16s
Vezi fișa modelului Total teste 21 Teste greșite 9 Fiabilitate 9.6 Rată de trecere pe încercare 73.0% Teste instabile 5 Tokenuri de intrare 40,961 Tokenuri de ieșire 2,518 Tokenuri de raționament 81,801 Timp de răspuns (mediu) 22.16s Timp de răspuns (total) 443.22s Timp de răspuns (maxim) 136.29s Răspuns greșit: 5 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 6.0 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 : 6.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#81#81	gpt-oss-120bmedium	6.7	OpenAI	$0.011 ↓	22.28s
Vezi fișa modelului Total teste 21 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 52.4% Teste instabile 5 Tokenuri de intrare 39,084 Tokenuri de ieșire 20,013 Tokenuri de raționament 50,233 Timp de răspuns (mediu) 22.28s Timp de răspuns (total) 311.96s Timp de răspuns (maxim) 68.16s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 6.7 Programare : 5.9 Combinat : 10.0 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
#82#82	GPT-5 Nanomedium	6.7	OpenAI	$0.081	42.51s
Vezi fișa modelului Total teste 21 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 57.1% Teste instabile 7 Tokenuri de intrare 34,108 Tokenuri de ieșire 5,464 Tokenuri de raționament 192,064 Timp de răspuns (mediu) 42.51s Timp de răspuns (total) 595.09s Timp de răspuns (maxim) 204.02s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Timp expirat: 1 Trucuri anti-AI : 6.5 Programare : 7.0 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
#83#83	Step 3.5 Flashmedium	6.6	Stepfun	$0.070 ↑	72.53s
Vezi fișa modelului Total teste 20 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 54.0% Teste instabile 1 Tokenuri de intrare 34,431 Tokenuri de ieșire 91,587 Tokenuri de raționament 195,973 Timp de răspuns (mediu) 72.53s Timp de răspuns (total) 1015.47s Timp de răspuns (maxim) 453.94s Răspuns greșit: 4 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 2.4 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
#84#84	Qwen3.6 27Bmedium	6.6	Qwen	$0.336 ↓	59.71s
Vezi fișa modelului Total teste 21 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 60.3% Teste instabile 5 Tokenuri de intrare 39,376 Tokenuri de ieșire 16,189 Tokenuri de raționament 122,521 Timp de răspuns (mediu) 59.71s Timp de răspuns (total) 1254.01s 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 : 7.7 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
#85#85	Gemini 3.1 Flash Lite Previewlow	6.5	Google	$0.026	2.77s
Vezi fișa modelului Total teste 21 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 61.9% Teste instabile 0 Tokenuri de intrare 32,715 Tokenuri de ieșire 2,286 Tokenuri de raționament 9,166 Timp de răspuns (mediu) 2.77s Timp de răspuns (total) 58.12s Timp de răspuns (maxim) 11.91s Răspuns greșit: 7 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.3 Programare : 5.5 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 Cultură generală : 3.0
#86#86	Gemini 3.1 Flash Litehigh	6.5	Google	$2.044	61.96s
Vezi fișa modelului Total teste 18 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 58.7% 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 : 3.3 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 Cultură generală : 0.0
#87#87	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.018	1.21s
Vezi fișa modelului Total teste 21 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 60.3% Teste instabile 1 Tokenuri de intrare 37,582 Tokenuri de ieșire 5,547 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.21s Timp de răspuns (total) 25.45s Timp de răspuns (maxim) 3.39s Răspuns greșit: 7 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 7.5 Programare : 5.5 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 Cultură generală : 3.0
#88#88	Gemini 3.1 Flash Litelow	6.4	Google	$0.028	1.89s
Vezi fișa modelului Total teste 21 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 61.9% Teste instabile 2 Tokenuri de intrare 36,892 Tokenuri de ieșire 2,732 Tokenuri de raționament 9,260 Timp de răspuns (mediu) 1.89s Timp de răspuns (total) 39.62s Timp de răspuns (maxim) 5.66s Răspuns greșit: 9 Trucuri anti-AI : 7.3 Programare : 5.5 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 Cultură generală : 3.0
#89#89	Hy3 previewlow	6.4	Tencent	$0.015 ↕	24.56s
Vezi fișa modelului Total teste 21 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 52.4% Teste instabile 2 Tokenuri de intrare 21,045 Tokenuri de ieșire 63,460 Tokenuri de raționament 0 Timp de răspuns (mediu) 24.56s Timp de răspuns (total) 368.35s Timp de răspuns (maxim) 78.74s Eroare API: 7 Răspuns greșit: 4 Trucuri anti-AI : 8.3 Programare : 5.3 Combinat : 10.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.9 Inteligență generală : 3.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 2.8 Cultură generală : 3.0
#90#90	Nemotron 3 Supermedium	6.3	NVIDIA	$0.019 ↑	32.00s
Vezi fișa modelului Total teste 21 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 41.3% Teste instabile 2 Tokenuri de intrare 37,527 Tokenuri de ieșire 14,850 Tokenuri de raționament 33,754 Timp de răspuns (mediu) 32.00s Timp de răspuns (total) 607.91s Timp de răspuns (maxim) 232.25s Răspuns greșit: 5 Eroare API: 3 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 8.3 Programare : 3.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.1 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0

←

1 2 3 4 5 6

→

Comparație rapidă

Gemini 3.5 FlashhighvsGemini 3 Flash Previewmedium Gemini 3.5 FlashhighvsQwen3.7 Maxmedium Gemini 3.5 FlashhighvsGPT-5.5low Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashhighvsClaude Fable 5medium Gemini 3.5 FlashhighvsGemini 3.1 Pro Previewmedium Gemini 3.5 FlashhighvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuit Gemini 3.5 FlashhighvsNorth Mini CodemediumDisponibil gratuit Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsClaude Fable 5medium

Clasament Benchmark AI

Filtrează modelele

Comparație rapidă