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: Cost total ↓.

Modele afișate

Media pentru Scor Combinat

0.6

Cel mai bun model

Claude Sonnet 5.5 1.0

Motive de eșec

Cu motivul de eșec Apel de instrument invalid180 Cu motivul de eșec Răspuns greșit128 Cu motivul de eșec Eroare API62 Cu motivul de eșec Fără răspuns56 Cu motivul de eșec Timp expirat11 Cu motivul de eșec Formatare suplimentară1 Cu motivul de eșec Nu a urmat instrucțiunile1

451/451

Rang	Model	Companie	Scor Combinat	Scor	Cost total	Teste corecte	Timp de răspuns (mediu)
#268	KAT-Coder-Pro V2.5 medium	Kwaipilot	0.6	0.6	$0.669	1/2	135.7s
Total teste 2 Teste greșite 1 Cost total $0.669 Timp de răspuns (mediu) 135.7s
#283	Claude Sonnet 4.6 none	Anthropic	1.0	0.6	$0.661	2/2	37.5s
Total teste 2 Teste greșite 0 Cost total $0.661 Timp de răspuns (mediu) 37.5s
#222	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
#49	Gemini 3.5 Flash Lite high	Google	1.0	0.9	$0.624	2/2	27.9s
Total teste 2 Teste greșite 0 Cost total $0.624 Timp de răspuns (mediu) 27.9s
#117	GLM 5.3 FlashX max	Z.ai	0.8	0.8	$0.623	1/2	45.2s
Total teste 2 Teste greșite 1 Cost total $0.623 Timp de răspuns (mediu) 45.2s
#63	DeepSeek V4.1 Flash high	DeepSeek	1.0	0.9	$0.617	2/2	27.6s
Total teste 2 Teste greșite 0 Cost total $0.617 Timp de răspuns (mediu) 27.6s
#54	Muse Spark Open low	Meta	0.8	0.9	$0.600	1/2	32.8s
Total teste 2 Teste greșite 1 Cost total $0.600 Timp de răspuns (mediu) 32.8s
#184	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
#64	DeepSeek V4.1 Flash medium	DeepSeek	1.0	0.9	$0.591	2/2	22.2s
Total teste 2 Teste greșite 0 Cost total $0.591 Timp de răspuns (mediu) 22.2s
#126	DeepSeek V4.1 Flash 1017 high	DeepSeek	1.0	0.8	$0.589	2/2	37.3s
Total teste 2 Teste greșite 0 Cost total $0.589 Timp de răspuns (mediu) 37.3s
#68	MiMo-V2.6-Pro medium	Xiaomi	1.0	0.9	$0.586	2/2	50.8s
Total teste 2 Teste greșite 0 Cost total $0.586 Timp de răspuns (mediu) 50.8s
#85	Muse Glimmer 30B xhigh	Meta	0.6	0.8	$0.585	0/2	272.7s
Total teste 2 Teste greșite 2 Cost total $0.585 Timp de răspuns (mediu) 272.7s
#10	Gemini 3.6 Flash medium	Google	1.0	1.0	$0.577	2/2	49.0s
Total teste 2 Teste greșite 0 Cost total $0.577 Timp de răspuns (mediu) 49.0s
#89	DeepSeek V4 Flash 0731 high	DeepSeek	1.0	0.8	$0.576	2/2	87.1s
Total teste 2 Teste greșite 0 Cost total $0.576 Timp de răspuns (mediu) 87.1s
#129	Step 3.7 Flash medium	Stepfun	0.7	0.8	$0.571	1/2	80.9s
Total teste 2 Teste greșite 1 Cost total $0.571 Timp de răspuns (mediu) 80.9s

Clasament Combinat

Filtrează modelele

Top modele după Scor Combinat

Scor Combinat vs cost total

Top modele după Timp de răspuns (mediu)