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

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)
#204	Grok Build 0.1 medium	X AI	1.0	0.7	$1.419	2/2	65.1s
Total teste 2 Teste greșite 0 Cost total $1.419 Timp de răspuns (mediu) 65.1s
#208	MiniMax M3 medium	Minimax	1.0	0.7	$0.422	2/2	138.2s
Total teste 2 Teste greșite 0 Cost total $0.422 Timp de răspuns (mediu) 138.2s
#210	GPT 5.3 Chat default	OpenAI	1.0	0.7	$0.533	2/2	15.1s
Total teste 2 Teste greșite 0 Cost total $0.533 Timp de răspuns (mediu) 15.1s
#217	LongCat 2.0 low	Meituan	1.0	0.7	$0.630	2/2	130.2s
Total teste 2 Teste greșite 0 Cost total $0.630 Timp de răspuns (mediu) 130.2s
#236	Claude Sonnet 4.6 medium	Anthropic	1.0	0.6	$2.126	2/2	93.7s
Total teste 2 Teste greșite 0 Cost total $2.126 Timp de răspuns (mediu) 93.7s
#253	Claude Opus 4.6 medium	Anthropic	1.0	0.6	$2.961	2/2	114.1s
Total teste 2 Teste greșite 0 Cost total $2.961 Timp de răspuns (mediu) 114.1s
#264	Claude Fable 5.1 low	Anthropic	1.0	0.6	$3.395	2/2	29.4s
Total teste 2 Teste greșite 0 Cost total $3.395 Timp de răspuns (mediu) 29.4s

Clasament Combinat