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: 2026-10-01 Modele evaluate: 382

Modele recomandate

GPT-6.1 Sol xhigh Inteligent Rată de trecere pe încercare 97.1% Teste corecte 22 / 23 Scor 9.9/10 Gemini 3.7 Flash low Rapid Timp de răspuns (mediu) 6.24s Total tokenuri de ieșire 38,453 Scor 9.4/10 GPT-6 Luna high Accesibil Preț de intrare $0.100 / 1M Preț de ieșire $0.500 / 1M Preț citire cache $0.010 / 1M Preț scriere cache $0.125 / 1M Scor 7.7/10

382/382

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#76#76	GPT-5.6 Terrahigh	8.3	OpenAI	$0.698 ↓	13.62s
Vezi fișa modelului Total teste 23 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 69.6% Teste instabile 2 Tokenuri de intrare 197,239 Tokenuri de ieșire 6,083 Tokenuri de raționament 53,982 Timp de răspuns (mediu) 13.62s Timp de răspuns (total) 313.21s Timp de răspuns (maxim) 91.49s Răspuns greșit: 7 Apel de instrument invalid: 1 Sarcini agentice : 10.0 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
#77#77	Gemini 3.5 Flashhigh	8.3	Google	$2.737	18.59s
Vezi fișa modelului Total teste 23 Teste greșite 4 Fiabilitate 10.0 Rată de trecere pe încercare 85.5% Teste instabile 2 Tokenuri de intrare 348,103 Tokenuri de ieșire 11,045 Tokenuri de raționament 234,967 Timp de răspuns (mediu) 18.59s Timp de răspuns (total) 427.52s Timp de răspuns (maxim) 145.92s Apel de instrument invalid: 2 Răspuns greșit: 2 Sarcini agentice : 3.4 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 8.2 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 : 9.8 Cultură generală : 10.0
#78#78	Kimi K3max	8.3	Moonshot AI	$2.447 ↓	139.41s
Vezi fișa modelului Total teste 23 Teste greșite 6 Fiabilitate 9.3 Rată de trecere pe încercare 78.3% Teste instabile 2 Tokenuri de intrare 170,700 Tokenuri de ieșire 7,719 Tokenuri de raționament 225,608 Timp de răspuns (mediu) 139.41s Timp de răspuns (total) 2788.26s Timp de răspuns (maxim) 766.58s Eroare API: 2 Fără răspuns: 2 Formatare suplimentară: 1 Timp expirat: 1 Sarcini agentice : 10.0 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
#79#79	GPT-6 Lunamedium	8.3	OpenAI	$0.047	18.07s
Vezi fișa modelului Total teste 23 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 73.9% Teste instabile 3 Tokenuri de intrare 203,193 Tokenuri de ieșire 5,751 Tokenuri de raționament 47,410 Timp de răspuns (mediu) 18.07s Timp de răspuns (total) 415.53s Timp de răspuns (maxim) 66.44s Răspuns greșit: 7 Nu a urmat instrucțiunile: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 8.3 Programare : 6.6 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.4 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#80#80	Claude Opus 4.8medium	8.3	Anthropic	$3.490	16.72s
Vezi fișa modelului Total teste 23 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 82.6% Teste instabile 3 Tokenuri de intrare 360,294 Tokenuri de ieșire 43,441 Tokenuri de raționament 24,401 Timp de răspuns (mediu) 16.72s Timp de răspuns (total) 384.66s Timp de răspuns (maxim) 99.37s Răspuns greșit: 5 Fără răspuns: 1 Sarcini agentice : 6.1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 9.9 Parsare și extragere de date : 7.1 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#81#81	Qwen3.7 Plusmedium	8.3	Qwen	$0.415 ↓	59.73s
Vezi fișa modelului Total teste 23 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 76.8% Teste instabile 3 Tokenuri de intrare 350,546 Tokenuri de ieșire 8,576 Tokenuri de raționament 206,984 Timp de răspuns (mediu) 59.73s Timp de răspuns (total) 1373.73s Timp de răspuns (maxim) 315.30s Răspuns greșit: 6 Apel de instrument invalid: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 10.0 Programare : 6.1 Combinat : 8.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#82#82	Grok 4.5high	8.2	X AI	$2.687 ↑	72.50s
Vezi fișa modelului Total teste 23 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 82.6% Teste instabile 3 Tokenuri de intrare 342,124 Tokenuri de ieșire 7,135 Tokenuri de raționament 326,497 Timp de răspuns (mediu) 72.50s Timp de răspuns (total) 1667.51s Timp de răspuns (maxim) 676.83s Răspuns greșit: 3 Fără răspuns: 2 Nu a urmat instrucțiunile: 1 Sarcini agentice : 5.0 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 4.7 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#83#83	GLM 5.2medium	8.2	Z.ai	$0.417 ↓	26.88s
Vezi fișa modelului Total teste 22 Teste greșite 6 Fiabilitate 9.6 Rată de trecere pe încercare 81.2% Teste instabile 4 Tokenuri de intrare 227,164 Tokenuri de ieșire 20,029 Tokenuri de raționament 60,991 Timp de răspuns (mediu) 26.88s Timp de răspuns (total) 591.34s Timp de răspuns (maxim) 102.40s Răspuns greșit: 3 Fără răspuns: 2 Timp expirat: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 10.0 Programare : 8.2 Combinat : 5.0 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#84#84	GPT-5.6 Terramedium	8.2	OpenAI	$0.483 ↓	8.93s
Vezi fișa modelului Total teste 23 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 71.0% Teste instabile 2 Tokenuri de intrare 172,507 Tokenuri de ieșire 5,824 Tokenuri de raționament 27,365 Timp de răspuns (mediu) 8.93s Timp de răspuns (total) 205.39s Timp de răspuns (maxim) 54.74s Răspuns greșit: 8 Sarcini agentice : 10.0 Trucuri anti-AI : 8.3 Programare : 6.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.5 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#85#85	Seed-2.0-Litemedium	8.2	Bytedance Seed	$0.271	48.87s
Vezi fișa modelului Total teste 23 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 71.0% Teste instabile 4 Tokenuri de intrare 229,530 Tokenuri de ieșire 13,757 Tokenuri de raționament 92,662 Timp de răspuns (mediu) 48.87s Timp de răspuns (total) 1123.91s Timp de răspuns (maxim) 254.92s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 8.3 Programare : 8.0 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 6.7 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 9.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#86#86	Seed-2.0-Codelow	8.1	Bytedance Seed	$0.881	73.02s
Vezi fișa modelului Total teste 23 Teste greșite 9 Fiabilitate 8.9 Rată de trecere pe încercare 78.3% Teste instabile 6 Tokenuri de intrare 237,604 Tokenuri de ieșire 9,617 Tokenuri de raționament 244,190 Timp de răspuns (mediu) 73.02s Timp de răspuns (total) 1679.49s Timp de răspuns (maxim) 485.92s Răspuns greșit: 7 Eroare API: 1 Nu a urmat instrucțiunile: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 8.7 Programare : 7.0 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 6.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 9.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#87#87	DeepSeek V4 Pro 0423high	8.1	DeepSeek	$0.149 ↓	91.29s
Vezi fișa modelului Total teste 23 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 6 Tokenuri de intrare 287,061 Tokenuri de ieșire 32,056 Tokenuri de raționament 196,607 Timp de răspuns (mediu) 91.29s Timp de răspuns (total) 2099.56s Timp de răspuns (maxim) 416.76s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 5.7 Programare : 6.3 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 7.8 Rezolvare de puzzle-uri : 6.9 Apelare instrumente : 9.8 Cultură generală : 3.0
#88#88	Claude Opus 4.7medium	8.1	Anthropic	$3.636	14.12s
Vezi fișa modelului Total teste 23 Teste greșite 5 Fiabilitate 10.0 Rată de trecere pe încercare 81.2% Teste instabile 2 Tokenuri de intrare 437,293 Tokenuri de ieșire 29,102 Tokenuri de raționament 28,876 Timp de răspuns (mediu) 14.12s Timp de răspuns (total) 310.55s Timp de răspuns (maxim) 150.60s Răspuns greșit: 3 Apel de instrument invalid: 1 Timp expirat: 1 Sarcini agentice : 5.2 Trucuri anti-AI : 8.3 Programare : 7.6 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 Cultură generală : 3.0
#89#89	DeepSeek V4 Flash 0423high	8.1	DeepSeek	$0.030 ↓	55.99s
Vezi fișa modelului Total teste 23 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 71.0% Teste instabile 4 Tokenuri de intrare 298,794 Tokenuri de ieșire 45,873 Tokenuri de raționament 188,721 Timp de răspuns (mediu) 55.99s Timp de răspuns (total) 1287.87s Timp de răspuns (maxim) 218.13s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 8.3 Programare : 7.8 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#90#90	DeepSeek V4.1 Flashlow	8.0	DeepSeek	$0.194 ↓	28.04s
Vezi fișa modelului Total teste 23 Teste greșite 8 Fiabilitate 9.6 Rată de trecere pe încercare 73.9% Teste instabile 4 Tokenuri de intrare 266,849 Tokenuri de ieșire 8,284 Tokenuri de raționament 363,263 Timp de răspuns (mediu) 28.04s Timp de răspuns (total) 645.03s Timp de răspuns (maxim) 149.84s Răspuns greșit: 7 Eroare API: 1 Sarcini agentice : 6.1 Trucuri anti-AI : 8.3 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.5 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#91#91	GPT-5.6 Lunahigh	8.0	OpenAI	$0.118 ↓	18.39s
Vezi fișa modelului Total teste 23 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 71.0% Teste instabile 4 Tokenuri de intrare 197,896 Tokenuri de ieșire 6,211 Tokenuri de raționament 133,184 Timp de răspuns (mediu) 18.39s Timp de răspuns (total) 422.93s Timp de răspuns (maxim) 111.09s Răspuns greșit: 8 Sarcini agentice : 10.0 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#92#92	Nemotron 3 Ultramedium	8.0	NVIDIA	$0.799 ↕	40.33s
Vezi fișa modelului Total teste 23 Teste greșite 9 Fiabilitate 9.8 Rată de trecere pe încercare 68.1% Teste instabile 3 Tokenuri de intrare 482,754 Tokenuri de ieșire 62,455 Tokenuri de raționament 141,067 Timp de răspuns (mediu) 40.33s Timp de răspuns (total) 927.65s Timp de răspuns (maxim) 392.56s Răspuns greșit: 7 Eroare API: 1 Apel de instrument invalid: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 10.0 Programare : 8.4 Combinat : 6.3 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 3.7 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#93#93	GPT-5.4 Nanomedium	8.0	OpenAI	$0.235 ↑	15.95s
Vezi fișa modelului Total teste 23 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 66.7% Teste instabile 4 Tokenuri de intrare 237,088 Tokenuri de ieșire 8,235 Tokenuri de raționament 102,675 Timp de răspuns (mediu) 15.95s Timp de răspuns (total) 366.93s Timp de răspuns (maxim) 94.06s Răspuns greșit: 8 Nu a urmat instrucțiunile: 2 Sarcini agentice : 10.0 Trucuri anti-AI : 8.3 Programare : 6.1 Combinat : 9.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 4.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#94#94	Gemini 3.8 Flashmedium	8.0	Google	$0.769	16.64s
Vezi fișa modelului Total teste 23 Teste greșite 4 Fiabilitate 9.9 Rată de trecere pe încercare 89.9% Teste instabile 3 Tokenuri de intrare 187,331 Tokenuri de ieșire 7,555 Tokenuri de raționament 159,931 Timp de răspuns (mediu) 16.64s Timp de răspuns (total) 382.64s Timp de răspuns (maxim) 108.60s Răspuns greșit: 2 Apel de instrument invalid: 1 Timp expirat: 1 Sarcini agentice : 2.8 Trucuri anti-AI : 10.0 Programare : 8.0 Combinat : 8.7 Parsare și extragere de date : 10.0 Specific domeniului : 8.2 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 10.0
#95#95	GPT-5.6 Terralow	7.9	OpenAI	$0.435 ↓	7.58s
Vezi fișa modelului Total teste 23 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 75.4% Teste instabile 6 Tokenuri de intrare 176,890 Tokenuri de ieșire 5,688 Tokenuri de raționament 18,525 Timp de răspuns (mediu) 7.58s Timp de răspuns (total) 174.39s Timp de răspuns (maxim) 54.57s Răspuns greșit: 8 Apel de instrument invalid: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 8.3 Programare : 6.6 Combinat : 8.7 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 4.7 Cultură generală : 3.0
#96#96	Qwen3.5-27Bmedium	7.9	Qwen	$1.135	114.73s
Vezi fișa modelului Total teste 23 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 76.8% Teste instabile 6 Tokenuri de intrare 288,919 Tokenuri de ieșire 17,484 Tokenuri de raționament 617,804 Timp de răspuns (mediu) 114.73s Timp de răspuns (total) 2638.74s Timp de răspuns (maxim) 1026.43s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Apel de instrument invalid: 1 Timp expirat: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 8.7 Programare : 6.2 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#97#97	GLM 5.3 FlashXmax	7.9	Z.ai	$0.623	43.97s
Vezi fișa modelului Total teste 23 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 78.3% Teste instabile 6 Tokenuri de intrare 322,894 Tokenuri de ieșire 8,010 Tokenuri de raționament 394,755 Timp de răspuns (mediu) 43.97s Timp de răspuns (total) 1011.29s Timp de răspuns (maxim) 390.70s Apel de instrument invalid: 2 Fără răspuns: 2 Răspuns greșit: 2 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Sarcini agentice : 6.1 Trucuri anti-AI : 10.0 Programare : 8.2 Combinat : 8.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#98#98	Claude Fable 5.1high	7.9	Anthropic	$3.471	13.30s
Vezi fișa modelului Total teste 23 Teste greșite 4 Fiabilitate 10.0 Rată de trecere pe încercare 85.5% Teste instabile 1 Tokenuri de intrare 144,676 Tokenuri de ieșire 8,184 Tokenuri de raționament 32,282 Timp de răspuns (mediu) 13.30s Timp de răspuns (total) 305.83s Timp de răspuns (maxim) 40.17s Răspuns greșit: 3 Eroare API: 1 Sarcini agentice : 3.0 Trucuri anti-AI : 10.0 Programare : 8.4 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 Cultură generală : 3.0
#99#99	GPT-5.4 Minimedium	7.9	OpenAI	$1.102 ↑	29.94s
Vezi fișa modelului Total teste 23 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 69.6% Teste instabile 5 Tokenuri de intrare 238,925 Tokenuri de ieșire 7,109 Tokenuri de raționament 177,063 Timp de răspuns (mediu) 29.94s Timp de răspuns (total) 688.57s Timp de răspuns (maxim) 138.75s Răspuns greșit: 6 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 8.6 Programare : 8.4 Combinat : 6.9 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 4.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.8 Apelare instrumente : 4.7 Cultură generală : 3.0
#100#100	Qwen3.7 Maxnone	7.9	Qwen	$0.451 ↓	7.85s
Vezi fișa modelului Total teste 23 Teste greșite 7 Fiabilitate 9.9 Rată de trecere pe încercare 69.6% Teste instabile 0 Tokenuri de intrare 243,553 Tokenuri de ieșire 20,670 Tokenuri de raționament 0 Timp de răspuns (mediu) 7.85s Timp de răspuns (total) 180.65s Timp de răspuns (maxim) 80.34s Răspuns greșit: 7 Sarcini agentice : 10.0 Trucuri anti-AI : 6.5 Programare : 5.5 Combinat : 6.5 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 Cultură generală : 3.0

Tendințe globale ale benchmarkului

Vezi cum echilibrează modelele actuale scorul, costul, viteza, lungimea răspunsului și performanța pe categorii.

Grafice →

Frontiera Pareto: inteligență vs cost

Evoluția celui mai bun scor al companiilor de top

Frontiera Pareto: inteligență vs viteza de răspuns

Frontiera Pareto: scor vs tokenuri de ieșire

Dificultatea categoriilor între modele

Comparație rapidă

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow