Clasament Programare x Timp expirat

Eșecuri pe categorii AI BENCHY

Vezi ce modele AI au cele mai mari șanse să întâmpine Timp expirat la Programare, ca să găsești mai repede punctele slabe.

Modele afișate

Eșecuri totale

Modelul cel mai afectat

Motive de eșec

Răspuns greșit230 Eroare API43 Timp expirat25 Fără răspuns18 Nu a urmat instrucțiunile16 Formatare suplimentară12

Categorii

Specific domeniului37 Programare25 Rezolvare de puzzle-uri5 Inteligență generală4 Trucuri anti-AI4 Combinat2 Parsare și extragere de date1 Respectarea instrucțiunilor1

22/22

Rang	Model	Companie	Număr de Timp expirat	Scor de categorie	Cost total	Teste corecte	Timp de răspuns (mediu)
#84	Qwen3.5-Flash medium	Qwen	1	3.7	$0.080	0/3	58.9s
Total teste 3 Teste greșite 3 Cost total $0.080 Timp de răspuns (mediu) 58.9s
#94	Step 3.5 Flash medium	Stepfun	1	2.4	$0.070	0/2	258.4s
Total teste 2 Teste greșite 2 Cost total $0.070 Timp de răspuns (mediu) 258.4s
#104	Qwen3.5-35B-A3B medium	Qwen	1	5.9	$0.401	1/3	206.6s
Total teste 3 Teste greșite 2 Cost total $0.401 Timp de răspuns (mediu) 206.6s
#139	Gemma 4 26B A4B none	Google	1	3.7	$0.004	0/3	4.16s
Total teste 3 Teste greșite 3 Cost total $0.004 Timp de răspuns (mediu) 4.16s
#166	MiniMax M2.5 medium	Minimax	1	3.4	$0.303	0/3	188.6s
Total teste 3 Teste greșite 3 Cost total $0.303 Timp de răspuns (mediu) 188.6s
#168	Qwen3 Coder Next medium	Qwen	1	3.7	$0.008	0/3	924ms
Total teste 3 Teste greșite 3 Cost total $0.008 Timp de răspuns (mediu) 924ms
#185	Qwen3.5-9B medium	Qwen	1	2.9	$0.036	0/3	100.9s
Total teste 3 Teste greșite 3 Cost total $0.036 Timp de răspuns (mediu) 100.9s

Filtrează modelele