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)
#209	Ember-1 max	Fireworks	0.7	0.7	$3.264	1/2	64.4s
Total teste 2 Teste greșite 1 Cost total $3.264 Timp de răspuns (mediu) 64.4s
#211	GPT-5.6 Sol none	OpenAI	0.7	0.7	$0.795	1/2	8.37s
Total teste 2 Teste greșite 1 Cost total $0.795 Timp de răspuns (mediu) 8.37s
#214	GPT-5.5 none	OpenAI	0.7	0.7	$1.212	1/2	8.90s
Total teste 2 Teste greșite 1 Cost total $1.212 Timp de răspuns (mediu) 8.90s
#230	Grok 4.3 medium	X AI	0.7	0.6	$0.989	1/2	55.1s
Total teste 2 Teste greșite 1 Cost total $0.989 Timp de răspuns (mediu) 55.1s
#239	Mercury 2.5 medium	Inception	0.7	0.6	$0.034	1/2	9.23s
Total teste 2 Teste greșite 1 Cost total $0.034 Timp de răspuns (mediu) 9.23s
#244	LongCat 2.0 none	Meituan	0.7	0.6	$0.104	1/2	28.4s
Total teste 2 Teste greșite 1 Cost total $0.104 Timp de răspuns (mediu) 28.4s
#251	Qwen3.5 Plus 2026-02-15 none	Qwen	0.7	0.6	$0.176	1/2	64.8s
Total teste 2 Teste greșite 1 Cost total $0.176 Timp de răspuns (mediu) 64.8s
#281	gpt-oss-120b medium	OpenAI	0.7	0.6	$0.030	1/2	24.0s
Total teste 2 Teste greșite 1 Cost total $0.030 Timp de răspuns (mediu) 24.0s
#284	Claude Sonnet 5 none	Anthropic	0.7	0.6	$1.095	1/2	31.4s
Total teste 2 Teste greșite 1 Cost total $1.095 Timp de răspuns (mediu) 31.4s
#294	GPT-5.4 Mini none	OpenAI	0.7	0.6	$0.170	1/2	6.22s
Total teste 2 Teste greșite 1 Cost total $0.170 Timp de răspuns (mediu) 6.22s
#319	Step 3.5 Flash medium	Stepfun	0.7	0.5	$0.105	1/2	813.7s
Total teste 2 Teste greșite 1 Cost total $0.105 Timp de răspuns (mediu) 813.7s
#325	Qwen3.6 Max Preview none	Qwen	0.7	0.5	$0.228	1/2	61.6s
Total teste 2 Teste greșite 1 Cost total $0.228 Timp de răspuns (mediu) 61.6s
#331	KAT Coder AIR V2.5 high	Kwaipilot	0.7	0.5	$0.077	1/2	74.5s
Total teste 2 Teste greșite 1 Cost total $0.077 Timp de răspuns (mediu) 74.5s
#337	KAT Coder AIR V2.5 medium	Kwaipilot	0.7	0.5	$0.048	1/2	19.6s
Total teste 2 Teste greșite 1 Cost total $0.048 Timp de răspuns (mediu) 19.6s
#347	Inkling Small none	Thinkingmachines	0.7	0.5	$0.054	1/2	9.33s
Total teste 2 Teste greșite 1 Cost total $0.054 Timp de răspuns (mediu) 9.33s

Clasament Combinat

Filtrează modelele

Top modele după Scor Combinat

Scor Combinat vs cost total

Top modele după Timp de răspuns (mediu)