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: Teste corecte ↓.

Modele afișate

Media pentru Scor Combinat

0.6

Cel mai bun model

Gemini 3.6 Flash 1.0

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)
#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
#274	Apodex 1.1 Mini medium	Apodex	0.6	0.6	$0.000	1/2	66.4s
Total teste 2 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 66.4s
#281	gpt-oss-120b medium	OpenAI	0.7	0.6	$0.030	1/2	24.0s
Total teste 2 Teste greșite 1 Cost total $0.030 Timp de răspuns (mediu) 24.0s
#284	Claude Sonnet 5 none	Anthropic	0.7	0.6	$1.095	1/2	31.4s
Total teste 2 Teste greșite 1 Cost total $1.095 Timp de răspuns (mediu) 31.4s
#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
#293	GPT-5 Nano medium	OpenAI	0.6	0.6	$0.159	1/2	146.9s
Total teste 2 Teste greșite 1 Cost total $0.159 Timp de răspuns (mediu) 146.9s
#294	GPT-5.4 Mini none	OpenAI	0.7	0.6	$0.170	1/2	6.22s
Total teste 2 Teste greșite 1 Cost total $0.170 Timp de răspuns (mediu) 6.22s
#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
#306	Nemotron 3 Super medium	NVIDIA	0.6	0.6	$0.081	1/2	259.9s
Total teste 2 Teste greșite 1 Cost total $0.081 Timp de răspuns (mediu) 259.9s
#319	Step 3.5 Flash medium	Stepfun	0.7	0.5	$0.105	1/2	813.7s
Total teste 2 Teste greșite 1 Cost total $0.105 Timp de răspuns (mediu) 813.7s
#325	Qwen3.6 Max Preview none	Qwen	0.7	0.5	$0.228	1/2	61.6s
Total teste 2 Teste greșite 1 Cost total $0.228 Timp de răspuns (mediu) 61.6s
#330	Nemotron 3.5 Lightning high	NVIDIA	0.6	0.5	$0.168	1/2	160.5s
Total teste 2 Teste greșite 1 Cost total $0.168 Timp de răspuns (mediu) 160.5s
#331	KAT Coder AIR V2.5 high	Kwaipilot	0.7	0.5	$0.077	1/2	74.5s
Total teste 2 Teste greșite 1 Cost total $0.077 Timp de răspuns (mediu) 74.5s
#337	KAT Coder AIR V2.5 medium	Kwaipilot	0.7	0.5	$0.048	1/2	19.6s
Total teste 2 Teste greșite 1 Cost total $0.048 Timp de răspuns (mediu) 19.6s
#345	KAT Coder AIR V2.5 low	Kwaipilot	0.6	0.5	$0.046	1/2	55.9s
Total teste 2 Teste greșite 1 Cost total $0.046 Timp de răspuns (mediu) 55.9s

Clasament Combinat

Filtrează modelele

Top modele după Scor Combinat

Scor Combinat vs cost total

Top modele după Timp de răspuns (mediu)