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)
#180	GPT-5.2 Chat default	OpenAI	0.7	0.7	$0.594	1/2	13.9s
Total teste 2 Teste greșite 1 Cost total $0.594 Timp de răspuns (mediu) 13.9s
#181	Qwen3.6 Max Preview medium	Qwen	0.7	0.7	$1.132	1/2	177.5s
Total teste 2 Teste greșite 1 Cost total $1.132 Timp de răspuns (mediu) 177.5s
#183	Kimi K2.7 Code medium	Moonshot AI	0.7	0.7	$1.136	1/2	66.0s
Total teste 2 Teste greșite 1 Cost total $1.136 Timp de răspuns (mediu) 66.0s
#229	KAT-Coder-Pro V2.5 high	Kwaipilot	0.7	0.6	$0.506	1/2	106.7s
Total teste 2 Teste greșite 1 Cost total $0.506 Timp de răspuns (mediu) 106.7s
#250	Solar Pro 4 high	Upstage	0.7	0.6	$0.077	1/2	167.4s
Total teste 2 Teste greșite 1 Cost total $0.077 Timp de răspuns (mediu) 167.4s
#255	DeepSeek V3.2 medium	DeepSeek	0.7	0.6	$0.152	1/2	79.9s
Total teste 2 Teste greșite 1 Cost total $0.152 Timp de răspuns (mediu) 79.9s
#271	Step 5 Preview medium	Stepfun	0.7	0.6	$4.136	1/2	125.0s
Total teste 2 Teste greșite 1 Cost total $4.136 Timp de răspuns (mediu) 125.0s
#291	Ring 2.6 1t medium	Inclusionai	0.7	0.6	$0.102	1/2	257.3s
Total teste 2 Teste greșite 1 Cost total $0.102 Timp de răspuns (mediu) 257.3s
#302	Step 5 Preview low	Stepfun	0.7	0.6	$4.110	1/2	40.9s
Total teste 2 Teste greșite 1 Cost total $4.110 Timp de răspuns (mediu) 40.9s
#155	DeepSeek V4 Pro 0423 none	DeepSeek	0.8	0.7	$0.083	1/2	71.6s
Total teste 2 Teste greșite 1 Cost total $0.083 Timp de răspuns (mediu) 71.6s
#194	Claude Sonnet 5.5 low	Anthropic	0.8	0.7	$0.909	1/2	22.5s
Total teste 2 Teste greșite 1 Cost total $0.909 Timp de răspuns (mediu) 22.5s
#54	Muse Spark 1.2 high	Meta	0.8	0.9	$2.018	1/2	39.9s
Total teste 2 Teste greșite 1 Cost total $2.018 Timp de răspuns (mediu) 39.9s
#45	Gemini 3.5 Flash low	Google	0.8	0.9	$0.752	1/2	30.0s
Total teste 2 Teste greșite 1 Cost total $0.752 Timp de răspuns (mediu) 30.0s
#58	Pareto 26.9 default	Unbiased	0.8	0.9	$1.864	1/2	81.4s
Total teste 2 Teste greșite 1 Cost total $1.864 Timp de răspuns (mediu) 81.4s
#73	Claude Sonnet 5.5 high	Anthropic	0.8	0.9	$1.175	1/2	24.6s
Total teste 2 Teste greșite 1 Cost total $1.175 Timp de răspuns (mediu) 24.6s

Clasament Combinat

Filtrează modelele

Top modele după Scor Combinat

Scor Combinat vs cost total

Top modele după Timp de răspuns (mediu)