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: 2026-05-10 Modele evaluate: 144

144/144

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#91#91	Qwen3.5-Flashnone	6.0	Qwen	$0.006	3.11s
Vezi fișa modelului Total teste 19 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 43.9% Teste instabile 1 Tokenuri de ieșire 4,275 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.11s Timp de răspuns (total) 59.03s Timp de răspuns (maxim) 13.73s Răspuns greșit: 11 Trucuri anti-AI : 3.5 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#92#92	Qwen3.5 Plus 2026-04-20none	5.9	Qwen	$0.040	4.77s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate 9.9 Rată de trecere pe încercare 45.6% Teste instabile 4 Tokenuri de ieșire 11,150 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.77s Timp de răspuns (total) 90.58s Timp de răspuns (maxim) 33.34s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.8 Programare : 5.3 Combinat : 2.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#93#93	Qwen3.5-35B-A3Bnone	5.9	Qwen	$0.016	3.64s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 47.4% Teste instabile 3 Tokenuri de ieșire 4,311 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.64s Timp de răspuns (total) 69.23s Timp de răspuns (maxim) 47.43s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.4 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 6.5 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#94#94	MiMo-V2-Pronone	5.9	Xiaomi	$0.043	2.35s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 45.6% Teste instabile 3 Tokenuri de ieșire 2,344 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.35s Timp de răspuns (total) 44.69s Timp de răspuns (maxim) 6.58s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.5 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#95#95	Qwen3.5-27Bnone	5.9	Qwen	$0.016	1.68s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 42.1% Teste instabile 2 Tokenuri de ieșire 3,555 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.68s Timp de răspuns (total) 31.92s Timp de răspuns (maxim) 9.39s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 10.0 Combinat : 2.8 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#96#96	Qwen3.6 27Bnone	5.8	Qwen	$0.031	4.00s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 52.6% Teste instabile 6 Tokenuri de ieșire 3,786 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.00s Timp de răspuns (total) 76.04s Timp de răspuns (maxim) 12.08s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 3.8 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 7.7 Inteligență generală : 5.2 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 9.5 Cultură generală : 3.0
#97#97	Cobuddymedium	5.8	Baidu	$0.000	36.50s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate 9.9 Rată de trecere pe încercare 54.4% Teste instabile 7 Tokenuri de ieșire 1,648 Tokenuri de raționament 96,062 Timp de răspuns (mediu) 36.50s Timp de răspuns (total) 693.45s Timp de răspuns (maxim) 309.02s Răspuns greșit: 8 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 8.7 Programare : 4.3 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 : 3.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#98#98	Owl Alphanone	5.8	Openrouter	$0.000	6.83s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 43.9% Teste instabile 2 Tokenuri de ieșire 1,685 Tokenuri de raționament 0 Timp de răspuns (mediu) 6.83s Timp de răspuns (total) 129.73s Timp de răspuns (maxim) 32.27s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 3.4 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#99#99	GLM 4.7 Flashnone	5.8	Z.ai	$0.003	3.13s
Vezi fișa modelului Total teste 19 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 40.4% Teste instabile 3 Tokenuri de ieșire 2,498 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.13s Timp de răspuns (total) 37.60s Timp de răspuns (maxim) 7.05s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 5.2 Programare : 6.4 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 7.7 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 2.8 Cultură generală : 3.0
#100#100	GPT-5.4none	5.7	OpenAI	$0.105	1.48s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 40.4% Teste instabile 2 Tokenuri de ieșire 2,357 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.48s Timp de răspuns (total) 28.20s Timp de răspuns (maxim) 2.95s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.2 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#101#101	gpt-oss-120bmedium	5.7	OpenAI	$0.011	16.95s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 49.1% Teste instabile 6 Tokenuri de ieșire 16,594 Tokenuri de raționament 40,637 Timp de răspuns (mediu) 16.95s Timp de răspuns (total) 203.39s Timp de răspuns (maxim) 50.92s Răspuns greșit: 8 Nu a urmat instrucțiunile: 4 Trucuri anti-AI : 6.7 Programare : 4.3 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 : 3.2 Apelare instrumente : 9.8 Cultură generală : 3.0
#102#102	Kimi K2.6none	5.7	Moonshot AI	$0.039	2.02s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 40.4% Teste instabile 2 Tokenuri de ieșire 2,990 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.02s Timp de răspuns (total) 38.29s Timp de răspuns (maxim) 6.65s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.6 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#103#103	GLM 5.1none	5.7	Z.ai	$0.053	4.23s
Vezi fișa modelului Total teste 19 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 42.1% Teste instabile 5 Tokenuri de ieșire 3,731 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.23s Timp de răspuns (total) 80.36s Timp de răspuns (maxim) 32.57s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 4.0 Programare : 5.1 Combinat : 2.8 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#104#104	MiMo-V2.5-Pronone	5.7	Xiaomi	$0.035	1.88s
Vezi fișa modelului Total teste 19 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 43.9% Teste instabile 4 Tokenuri de ieșire 3,040 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.88s Timp de răspuns (total) 35.63s Timp de răspuns (maxim) 8.32s Răspuns greșit: 10 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 3.3 Programare : 6.4 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#105#105	Hunter Alphanone	5.7	OpenRouter	$0.000	4.58s
Vezi fișa modelului Total teste 18 Teste greșite 12 Fiabilitate N/D Rată de trecere pe încercare 46.3% Teste instabile 4 Tokenuri de ieșire 2,278 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.58s Timp de răspuns (total) 77.92s Timp de răspuns (maxim) 15.17s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Eroare API: 1 Trucuri anti-AI : 3.5 Programare : 3.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 6.1 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 5.8 Apelare instrumente : 10.0
#106#106	DeepSeek V3.2none	5.7	DeepSeek	$0.016	13.43s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 49.1% Teste instabile 5 Tokenuri de ieșire 7,194 Tokenuri de raționament 0 Timp de răspuns (mediu) 13.43s Timp de răspuns (total) 255.10s Timp de răspuns (maxim) 115.89s Răspuns greșit: 8 Formatare suplimentară: 2 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 3.3 Programare : 2.4 Combinat : 6.5 Parsare și extragere de date : 6.3 Specific domeniului : 3.0 Inteligență generală : 7.6 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#107#107	Qwen3.6 Flashnone	5.6	Qwen	$0.018	1.60s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 36.8% Teste instabile 0 Tokenuri de ieșire 4,170 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.60s Timp de răspuns (total) 30.43s Timp de răspuns (maxim) 4.60s Răspuns greșit: 10 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 3.1 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#108#108	MiniMax M2.5medium	5.5	Minimax	$0.273	43.39s
Vezi fișa modelului Total teste 19 Teste greșite 14 Fiabilitate 6.7 Rată de trecere pe încercare 52.6% Teste instabile 10 Tokenuri de ieșire 108,324 Tokenuri de raționament 224,957 Timp de răspuns (mediu) 43.39s Timp de răspuns (total) 477.26s Timp de răspuns (maxim) 237.27s Răspuns greșit: 6 Timp expirat: 4 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 7.9 Programare : 3.0 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
#109#109	Mistral Small 4medium	5.5	Mistral	$0.035	5.65s
Vezi fișa modelului Total teste 19 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 47.4% Teste instabile 7 Tokenuri de ieșire 15,102 Tokenuri de raționament 40,965 Timp de răspuns (mediu) 5.65s Timp de răspuns (total) 107.44s Timp de răspuns (maxim) 30.49s Răspuns greșit: 10 Eroare API: 2 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 5.6 Programare : 6.7 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 3.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#110#110	Grok 4.20 Betanone	5.5	X AI	$0.091	1.19s
Vezi fișa modelului Total teste 18 Teste greșite 13 Fiabilitate N/D Rată de trecere pe încercare 35.2% Teste instabile 2 Tokenuri de ieșire 1,591 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.19s Timp de răspuns (total) 21.37s Timp de răspuns (maxim) 6.48s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 4.0 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 10.0
#111#111	Elephant Alphamedium	5.5	Openrouter	$0.000	1.27s
Vezi fișa modelului Total teste 19 Teste greșite 12 Fiabilitate N/D Rată de trecere pe încercare 35.2% Teste instabile 1 Tokenuri de ieșire 2,596 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.27s Timp de răspuns (total) 22.82s Timp de răspuns (maxim) 3.70s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 6.6 Programare : 5.1 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 3.0 Cultură generală : 0.0
#112#112	Qwen3.5-122B-A10Bnone	5.5	Qwen	$0.022	3.52s
Vezi fișa modelului Total teste 19 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 36.8% Teste instabile 2 Tokenuri de ieșire 3,350 Tokenuri de raționament 0 Timp de răspuns (mediu) 3.52s Timp de răspuns (total) 66.80s Timp de răspuns (maxim) 46.00s Răspuns greșit: 11 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 4.8 Programare : 4.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#113#113	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	5.4	NVIDIA	$0.000	17.15s
Vezi fișa modelului Total teste 19 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 53.9% Teste instabile 7 Tokenuri de ieșire 48,462 Tokenuri de raționament 180,793 Timp de răspuns (mediu) 17.15s Timp de răspuns (total) 222.94s Timp de răspuns (maxim) 147.45s Răspuns greșit: 7 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 7.6 Programare : 3.3 Combinat : 0.0 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 0.0 Respectarea instrucțiunilor : 7.1 Rezolvare de puzzle-uri : 3.8 Apelare instrumente : 0.0 Cultură generală : 0.0
#114#114	Kimi K2.5none	5.4	Moonshot AI	$0.017	12.58s
Vezi fișa modelului Total teste 19 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 38.6% Teste instabile 3 Tokenuri de ieșire 2,679 Tokenuri de raționament 0 Timp de răspuns (mediu) 12.58s Timp de răspuns (total) 150.95s Timp de răspuns (maxim) 42.13s Răspuns greșit: 13 Trucuri anti-AI : 3.6 Programare : 10.0 Combinat : 2.8 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#115#115	Grok 4.20none	5.4	X AI	$0.095	1.11s
Vezi fișa modelului Total teste 18 Teste greșite 12 Fiabilitate N/D Rată de trecere pe încercare 35.2% Teste instabile 1 Tokenuri de ieșire 1,967 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.11s Timp de răspuns (total) 20.02s Timp de răspuns (maxim) 6.04s Răspuns greșit: 10 Formatare suplimentară: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 4.8 Programare : 3.4 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0
#116#116	GLM 5 Turbonone	5.4	Z.ai	$0.032	2.91s
Vezi fișa modelului Total teste 19 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 35.1% Teste instabile 2 Tokenuri de ieșire 1,791 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.91s Timp de răspuns (total) 55.35s Timp de răspuns (maxim) 8.21s Răspuns greșit: 11 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.0 Programare : 5.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.2 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#117#117	Laguna M.1none	5.4	Poolside	$0.000	2.89s
Vezi fișa modelului Total teste 19 Teste greșite 11 Fiabilitate 9.8 Rată de trecere pe încercare 40.0% Teste instabile 3 Tokenuri de ieșire 2,068 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.89s Timp de răspuns (total) 43.40s Timp de răspuns (maxim) 15.42s Răspuns greșit: 10 Apel de instrument invalid: 1 Trucuri anti-AI : 3.6 Programare : 7.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 0.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 0.0
#118#118	Elephant Alphanone	5.3	Openrouter	$0.000	1.23s
Vezi fișa modelului Total teste 19 Teste greșite 13 Fiabilitate N/D Rată de trecere pe încercare 31.5% Teste instabile 1 Tokenuri de ieșire 2,573 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.23s Timp de răspuns (total) 22.16s Timp de răspuns (maxim) 3.81s Răspuns greșit: 9 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 6.6 Programare : 6.4 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 4.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 4.0 Apelare instrumente : 3.0 Cultură generală : 0.0
#119#119	Laguna Xs.2none	5.3	Poolside	$0.000	806ms
Vezi fișa modelului Total teste 19 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 33.3% Teste instabile 0 Tokenuri de ieșire 2,826 Tokenuri de raționament 0 Timp de răspuns (mediu) 806ms Timp de răspuns (total) 12.09s Timp de răspuns (maxim) 2.01s Răspuns greșit: 8 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 3.0 Programare : 2.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 0.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 6.5 Apelare instrumente : 3.0 Cultură generală : 0.0
#120#120	Ling-2.6-flashnone	5.3	Inclusionai	$0.001	9.76s
Vezi fișa modelului Total teste 19 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 35.1% Teste instabile 2 Tokenuri de ieșire 2,878 Tokenuri de raționament 0 Timp de răspuns (mediu) 9.76s Timp de răspuns (total) 185.37s Timp de răspuns (maxim) 35.34s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 2 Trucuri anti-AI : 6.8 Programare : 10.0 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 4.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 2.9 Apelare instrumente : 3.0 Cultură generală : 3.0

Comparație rapidă

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsQwen3.6 Max Previewmedium Gemini 3 Flash PreviewmediumvsRing 2.6 1tmediumDisponibil gratuit Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsGPT-5.5medium GPT-5.5mediumvsGPT-5.5low GPT-5.5lowvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsQwen3.6 Max Previewmedium

Clasament Benchmark AI

Filtrează modelele

Comparație rapidă