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)
#226	Beam 1.0 501B A23B xhigh	Reflection	0.3	0.6	$0.688	0/2	2.68s
Total teste 2 Teste greșite 2 Cost total $0.688 Timp de răspuns (mediu) 2.68s
#234	Beam 1.0 501B A23B max	Reflection	0.3	0.6	$0.799	0/2	3.04s
Total teste 2 Teste greșite 2 Cost total $0.799 Timp de răspuns (mediu) 3.04s
#238	Beam 1.0 501B A23B low	Reflection	0.3	0.6	$0.432	0/2	2.22s
Total teste 2 Teste greșite 2 Cost total $0.432 Timp de răspuns (mediu) 2.22s
#240	Gemini 3.5 Flash minimal	Google	0.3	0.6	$0.508	0/2	14.4s
Total teste 2 Teste greșite 2 Cost total $0.508 Timp de răspuns (mediu) 14.4s
#248	Gemini 3.1 Flash Lite Preview low	Google	0.3	0.6	$0.736	0/2	160.6s
Total teste 2 Teste greșite 2 Cost total $0.736 Timp de răspuns (mediu) 160.6s
#263	Gemini 3.1 Flash Lite Preview none	Google	0.3	0.6	$0.090	0/2	6.23s
Total teste 2 Teste greșite 2 Cost total $0.090 Timp de răspuns (mediu) 6.23s
#265	Gemini 3.5 Flash none	Google	0.3	0.6	$1.752	0/2	0ms
Total teste 2 Teste greșite 2 Cost total $1.752 Timp de răspuns (mediu) 0ms
#266	Beam 1.0 501B A23B high	Reflection	0.3	0.6	$0.674	0/2	2.68s
Total teste 2 Teste greșite 2 Cost total $0.674 Timp de răspuns (mediu) 2.68s
#272	Granite 4.2 8B medium	IBM Granite	0.3	0.6	$0.029	0/2	291.1s
Total teste 2 Teste greșite 2 Cost total $0.029 Timp de răspuns (mediu) 291.1s
#279	Seed-2.0-Lite none	Bytedance Seed	0.3	0.6	$0.114	0/2	25.6s
Total teste 2 Teste greșite 2 Cost total $0.114 Timp de răspuns (mediu) 25.6s
#280	Gemini 3.1 Flash Lite minimal	Google	0.3	0.6	$0.080	0/2	7.75s
Total teste 2 Teste greșite 2 Cost total $0.080 Timp de răspuns (mediu) 7.75s
#282	Gemini 3.1 Flash Lite none	Google	0.3	0.6	$0.069	0/2	9.49s
Total teste 2 Teste greșite 2 Cost total $0.069 Timp de răspuns (mediu) 9.49s
#285	Nemotron 3 Ultra none	NVIDIA	0.3	0.6	$0.164	0/2	21.1s
Total teste 2 Teste greșite 2 Cost total $0.164 Timp de răspuns (mediu) 21.1s
#287	Qwen3.8 Flash Next none	Qwen	0.3	0.6	~$0.011	0/2	12.0s
Total teste 2 Teste greșite 2 Cost total ~$0.011 Timp de răspuns (mediu) 12.0s
#289	DeepSeek V4.1 Flash none	DeepSeek	0.3	0.6	$0.391	0/2	10.4s
Total teste 2 Teste greșite 2 Cost total $0.391 Timp de răspuns (mediu) 10.4s

Clasament Combinat

Filtrează modelele

Top modele după Scor Combinat

Scor Combinat vs cost total

Top modele după Timp de răspuns (mediu)

Clasament Combinat

Filtrează modelele

Top modele după Scor Combinat

Scor Combinat vs cost totalEstimarea include numai energia electrică a plăcii GPU. Restul computerului și achiziția hardware-ului nu sunt incluse. NVIDIA GeForce RTX 3090: 0.1095 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.010823.

Top modele după Timp de răspuns (mediu)

Scor Combinat vs cost total