Clasament modele pentru Combinat

Vezi ce modele AI se descurcă cel mai bine la Combinat, care rămân fiabile și unde apar cele mai mari diferențe. Sortează după: Metrică ↑.

Modele afișate

Media pentru Scor Combinat

0.6

Cel mai bun model

Span-02 0.0

Motive de eșec

Cu motivul de eșec Apel de instrument invalid177 Cu motivul de eșec Răspuns greșit126 Cu motivul de eșec Eroare API62 Cu motivul de eșec Fără răspuns55 Cu motivul de eșec Timp expirat11 Cu motivul de eșec Formatare suplimentară1 Cu motivul de eșec Nu a urmat instrucțiunile1

442/442

Rang	Model	Companie	Scor Combinat	Scor	Cost total	Teste corecte	Timp de răspuns (mediu)
#172	GLM 5 medium	Z.ai	0.5	0.7	$0.479	1/1	29.0s
Total teste 1 Teste greșite 0 Cost total $0.479 Timp de răspuns (mediu) 29.0s
#261	GLM 5 Turbo medium	Z.ai	0.5	0.6	$0.323	1/1	13.9s
Total teste 1 Teste greșite 0 Cost total $0.323 Timp de răspuns (mediu) 13.9s
#321	Hy3 preview medium	Tencent	0.5	0.5	$0.049	1/1	46.0s
Total teste 1 Teste greșite 0 Cost total $0.049 Timp de răspuns (mediu) 46.0s
#346	Grok 4.20 Beta medium	X AI	0.5	0.5	$0.750	1/1	20.9s
Total teste 1 Teste greșite 0 Cost total $0.750 Timp de răspuns (mediu) 20.9s
#355	Mimo V2 Omni medium	Xiaomi	0.5	0.5	$0.683	1/1	25.9s
Total teste 1 Teste greșite 0 Cost total $0.683 Timp de răspuns (mediu) 25.9s
#356	Hy3 preview high	Tencent	0.5	0.5	$0.135	1/1	113.1s
Total teste 1 Teste greșite 0 Cost total $0.135 Timp de răspuns (mediu) 113.1s
#366	Gemini 3.1 Flash Lite high	Google	0.5	0.5	$2.044	1/1	149.2s
Total teste 1 Teste greșite 0 Cost total $2.044 Timp de răspuns (mediu) 149.2s
#374	Hy3 preview low	Tencent	0.5	0.5	$0.042	1/1	78.7s
Total teste 1 Teste greșite 0 Cost total $0.042 Timp de răspuns (mediu) 78.7s
#383	Gemini 3.1 Flash Lite Preview high	Google	0.5	0.4	$2.310	1/1	280.5s
Total teste 1 Teste greșite 0 Cost total $2.310 Timp de răspuns (mediu) 280.5s
#389	Qwen3.6 Plus Preview medium	Qwen	0.5	0.4	$0.000	1/1	35.0s
Total teste 1 Teste greșite 0 Cost total $0.000 Timp de răspuns (mediu) 35.0s
#393	Grok 4.1 Fast medium	X AI	0.5	0.4	$0.069	1/1	37.6s
Total teste 1 Teste greșite 0 Cost total $0.069 Timp de răspuns (mediu) 37.6s
#362	Granite 4.2 8B high	IBM Granite	0.5	0.5	$0.111	0/2	570.4s
Total teste 2 Teste greșite 2 Cost total $0.111 Timp de răspuns (mediu) 570.4s
#232	Qwen3.5-122B-A10B none	Qwen	0.5	0.6	$0.308	0/2	129.3s
Total teste 2 Teste greșite 2 Cost total $0.308 Timp de răspuns (mediu) 129.3s
#256	Trinity Large Thinking low	Arcee AI	0.5	0.6	$0.918	0/2	291.0s
Total teste 2 Teste greșite 2 Cost total $0.918 Timp de răspuns (mediu) 291.0s
#87	Muse Spark 1.1 high	Meta	0.6	0.8	$2.570	0/2	70.3s
Total teste 2 Teste greșite 2 Cost total $2.570 Timp de răspuns (mediu) 70.3s

Clasament Combinat

Filtrează modelele

Top modele după Scor Combinat

Scor Combinat vs cost total

Top modele după Timp de răspuns (mediu)