Clasament modele pentru Combinat

Categorie AI BENCHY

Vezi ce modele AI se descurcă cel mai bine la Combinat, care rămân fiabile și unde apar cele mai mari diferențe. Sortează după: Teste corecte ↑.

Modele afișate

Media pentru Scor Combinat

6.3

Cel mai bun model

Motive de eșec

Cu motivul de eșec Răspuns greșit52 Cu motivul de eșec Apel de instrument invalid19 Cu motivul de eșec Eroare API13 Cu motivul de eșec Fără răspuns2 Cu motivul de eșec Timp expirat2 Cu motivul de eșec Nu a urmat instrucțiunile1

Rang	Model	Companie	Scor Combinat	Scor	Teste corecte	Timp de răspuns (mediu)
#2	Gemini 3.5 Flash high	Google	10.0	9.6	1/1	22.4s
#3	Gemini 3.5 Flash low	Google	10.0	9.4	1/1	6.44s
#4	Gemini 3.1 Pro Preview medium	Google	9.5	9.4	1/1	40.6s
#5	Qwen3.7 Max medium	Qwen	10.0	9.1	1/1	19.6s
#6	GPT-5.5 low	OpenAI	10.0	9.0	1/1	9.56s
#7	Gemini 3.5 Flash medium	Google	10.0	9.0	1/1	12.0s
#8	Claude Opus 4.7 none	Anthropic	9.5	8.9	1/1	18.3s
#9	GPT-5.5 medium	OpenAI	10.0	8.8	1/1	19.3s
#10	Claude Opus 4.8 medium	Anthropic	9.8	8.7	1/1	38.0s
#11	Claude Opus 4.7 medium	Anthropic	10.0	8.7	1/1	21.4s
#12	Gemini 3.1 Flash Lite Preview high	Google	10.0	8.6	1/1	280.5s
#13	Grok 4.20 Beta medium	X AI	10.0	8.5	1/1	20.9s
#14	Qwen3.6 Max Preview medium	Qwen	10.0	8.5	1/1	121.5s
#15	GPT-5.3-Codex medium	OpenAI	10.0	8.4	1/1	19.6s
#17	GLM 5 medium	Z.ai	10.0	8.3	1/1	29.0s

Clasament Combinat