AI BENCHY
Compară Grafice Metodologie
❤️ Made by XCS
Your ad here

Eșecuri pe categorii AI BENCHY

Combinat
Răspuns greșit

Vezi ce modele AI au cele mai mari șanse să întâmpine Răspuns greșit la Combinat, ca să găsești mai repede punctele slabe. Sortează după: Teste corecte ↑.

Modele afișate

21

Eșecuri totale

21

Modelul cel mai afectat

Gemini 3 Flash Preview 1
Rang Model Companie Număr de Răspuns greșit Scor de categorie Teste corecte Timp de răspuns (mediu)
#5 Gemini 3 Flash Preview low Google 1 10.0 0/1 3.27s
#6 Gemini 3 Pro Preview medium Google 1 10.0 0/1 10.4s
#17 Gemini 3.1 Flash Lite Preview low Google 1 10.0 0/1 11.9s
#20 Gemini 3 Flash Preview none Google 1 10.0 0/1 3.56s
#22 Gemini 3.1 Flash Lite Preview none Google 1 10.0 0/1 3.20s
#29 Qwen3.5 Plus 2026-02-15 none Qwen 1 10.0 0/1 6.65s
#31 GLM 5 none Z.ai 1 10.0 0/1 4.98s
#37 Qwen3.5-Flash none Qwen 1 10.0 0/1 6.22s
#38 Gemini 2.5 Flash none Google 1 10.0 0/1 4.39s
#40 Qwen3.5-122B-A10B none Qwen 1 10.0 0/1 46.0s
#41 Qwen3.5-27B none Qwen 1 10.0 0/1 9.39s
#42 Qwen3.5-35B-A3B none Qwen 1 10.0 0/1 47.4s
#44 GPT-5.4 none OpenAI 1 10.0 0/1 2.89s
#45 Trinity Large Preview none Arcee AI 1 10.0 0/1 8.91s
#46 Kimi K2.5 none Moonshot AI 1 10.0 0/1 19.2s
#47 GPT-4o-mini none OpenAI 1 10.0 0/1 7.58s
#48 Qwen3 Coder Next none Qwen 1 10.0 0/1 45.1s
#50 Qwen3 Coder Next medium Qwen 1 10.0 0/1 4.28s
#51 Mercury 2 none Inception 1 10.0 0/1 606ms
#53 Grok 4.1 Fast none X AI 1 10.0 0/1 3.33s
#54 MiMo-V2-Flash none Xiaomi 1 10.0 0/1 2.87s

Top modele după Număr de Răspuns greșit

Număr de Răspuns greșit vs scor mediu

Top modele după Timp de răspuns (mediu)

Top modele după Cost irosit estimat