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: Timp de răspuns (mediu) ↓.

Modele afișate

Media pentru Scor Combinat

5.6

Cel mai bun model

Qwen3.6 35B A3B 3.0

Motive de eșec

Cu motivul de eșec Apel de instrument invalid91 Cu motivul de eșec Răspuns greșit69 Cu motivul de eșec Fără răspuns32 Cu motivul de eșec Eroare API26 Cu motivul de eșec Timp expirat5 Cu motivul de eșec Formatare suplimentară1 Cu motivul de eșec Nu a urmat instrucțiunile1

216/216

Rang	Model	Companie	Scor Combinat	Scor	Cost total	Teste corecte	Timp de răspuns (mediu)
#113	Qwen3.5 Plus 2026-02-15 none	Qwen	6.5	6.4	$0.073	1/2	64.8s
Total teste 2 Teste greșite 1 Cost total $0.073 Timp de răspuns (mediu) 64.8s
#115	Mimo V2 PRO medium	Xiaomi	2.3	6.3	$0.333	0/1	64.7s
Total teste 1 Teste greșite 1 Cost total $0.333 Timp de răspuns (mediu) 64.7s
#32	Inkling high	Thinkingmachines	7.3	8.0	$1.006	1/2	63.8s
Total teste 2 Teste greșite 1 Cost total $1.006 Timp de răspuns (mediu) 63.8s
#103	Qwen3.6 Max Preview none	Qwen	6.5	6.6	$0.231	1/2	61.6s
Total teste 2 Teste greșite 1 Cost total $0.231 Timp de răspuns (mediu) 61.6s
#124	Gemini 2.5 Flash none	Google	3.0	6.2	$0.017	0/2	61.2s
Total teste 2 Teste greșite 2 Cost total $0.017 Timp de răspuns (mediu) 61.2s
#161	Kimi K2.5 none	Moonshot AI	2.8	5.5	$0.127	0/2	61.0s
Total teste 2 Teste greșite 2 Cost total $0.127 Timp de răspuns (mediu) 61.0s
#60	GPT-5.4 Mini medium	OpenAI	6.9	7.5	$0.756	1/2	59.6s
Total teste 2 Teste greșite 1 Cost total $0.756 Timp de răspuns (mediu) 59.6s
#39	Seed-2.0-Lite medium	Bytedance Seed	6.4	7.9	$0.234	1/2	58.5s
Total teste 2 Teste greșite 1 Cost total $0.234 Timp de răspuns (mediu) 58.5s
#24	GPT-5.2 medium	OpenAI	10.0	8.4	$0.951	2/2	58.5s
Total teste 2 Teste greșite 0 Cost total $0.951 Timp de răspuns (mediu) 58.5s
#2	Gemini 3.6 Flash high	Google	10.0	9.7	$1.785	2/2	56.3s
Total teste 2 Teste greșite 0 Cost total $1.785 Timp de răspuns (mediu) 56.3s
#164	KAT-Coder-Air V2.5 low	Kwaipilot	6.4	5.4	$0.041	1/2	55.9s
Total teste 2 Teste greșite 1 Cost total $0.041 Timp de răspuns (mediu) 55.9s
#77	Grok 4.3 medium	X AI	6.5	7.1	$0.779	1/2	55.1s
Total teste 2 Teste greșite 1 Cost total $0.779 Timp de răspuns (mediu) 55.1s
#17	Claude Opus 4.8 medium	Anthropic	9.9	8.8	$1.931	2/2	54.3s
Total teste 2 Teste greșite 0 Cost total $1.931 Timp de răspuns (mediu) 54.3s
#192	Laguna M.1 medium	Poolside	1.5	4.7	$0.033	0/1	53.1s
Total teste 1 Teste greșite 1 Cost total $0.033 Timp de răspuns (mediu) 53.1s
#42	GLM 5.2 medium	Z.ai	5.0	7.8	$0.187	1/1	52.0s
Total teste 1 Teste greșite 0 Cost total $0.187 Timp de răspuns (mediu) 52.0s

Clasament Combinat

Filtrează modelele

Top modele după Scor Combinat

Scor Combinat vs cost total

Top modele după Timp de răspuns (mediu)