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

5.6

Cel mai bun model

Motive de eșec

Cu motivul de eșec Apel de instrument invalid91 Cu motivul de eșec Răspuns greșit69 Cu motivul de eșec Fără răspuns32 Cu motivul de eșec Eroare API26 Cu motivul de eșec Timp expirat5 Cu motivul de eșec Formatare suplimentară1 Cu motivul de eșec Nu a urmat instrucțiunile1

216/216

Rang	Model	Companie	Scor Combinat	Scor	Cost total	Teste corecte	Timp de răspuns (mediu)
#52	Grok Build 0.1 medium	X AI	10.0	7.6	$1.097	2/2	65.1s
Total teste 2 Teste greșite 0 Cost total $1.097 Timp de răspuns (mediu) 65.1s
#54	GPT-5.6 Luna medium	OpenAI	10.0	7.6	$0.352	2/2	14.6s
Total teste 2 Teste greșite 0 Cost total $0.352 Timp de răspuns (mediu) 14.6s
#58	GPT-5.3 Chat none	OpenAI	10.0	7.5	$0.571	2/2	15.1s
Total teste 2 Teste greșite 0 Cost total $0.571 Timp de răspuns (mediu) 15.1s
#75	Qwen3.7 Plus none	Qwen	10.0	7.2	$0.106	2/2	117.7s
Total teste 2 Teste greșite 0 Cost total $0.106 Timp de răspuns (mediu) 117.7s
#96	LongCat 2.0 low	Meituan	10.0	6.7	$0.391	2/2	130.2s
Total teste 2 Teste greșite 0 Cost total $0.391 Timp de răspuns (mediu) 130.2s
#102	LongCat 2.0 high	Meituan	10.0	6.6	$0.469	2/2	167.1s
Total teste 2 Teste greșite 0 Cost total $0.469 Timp de răspuns (mediu) 167.1s

Clasament Combinat