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

5.5

Cel mai bun model

Grok 4.20 Multi Agent Beta 1.5

Motive de eșec

Cu motivul de eșec Apel de instrument invalid91 Cu motivul de eșec Răspuns greșit68 Cu motivul de eșec Fără răspuns29 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

210/210

Rang	Model	Companie	Scor Combinat	Scor	Cost total	Teste corecte	Timp de răspuns (mediu)
#181	Grok 4.20 Multi Agent Beta medium	X AI	1.5	4.8	$5.599	0/1	0ms
Total teste 1 Teste greșite 1 Cost total $5.599 Timp de răspuns (mediu) 0ms
#10	GPT-5.5 medium	OpenAI	10.0	9.0	$4.137	2/2	33.5s
Total teste 2 Teste greșite 0 Cost total $4.137 Timp de răspuns (mediu) 33.5s
#17	Claude Fable 5 medium	Anthropic	6.5	8.6	$3.478	1/2	27.5s
Total teste 2 Teste greșite 1 Cost total $3.478 Timp de răspuns (mediu) 27.5s
#33	Kimi K3 max	Moonshot AI	6.5	8.0	$3.112	1/2	223.0s
Total teste 2 Teste greșite 1 Cost total $3.112 Timp de răspuns (mediu) 223.0s
#43	Claude Opus 4.6 medium	Anthropic	10.0	7.7	$3.059	2/2	114.1s
Total teste 2 Teste greșite 0 Cost total $3.059 Timp de răspuns (mediu) 114.1s
#163	Gemini 3.1 Flash Lite Preview high	Google	5.0	5.3	$2.310	1/1	280.5s
Total teste 1 Teste greșite 0 Cost total $2.310 Timp de răspuns (mediu) 280.5s
#41	Claude Opus 4.8 low	Anthropic	9.9	7.8	$2.077	2/2	36.9s
Total teste 2 Teste greșite 0 Cost total $2.077 Timp de răspuns (mediu) 36.9s
#40	Claude Sonnet 4.6 medium	Anthropic	10.0	7.8	$2.057	2/2	93.7s
Total teste 2 Teste greșite 0 Cost total $2.057 Timp de răspuns (mediu) 93.7s
#143	Gemini 3.1 Flash Lite high	Google	5.0	5.6	$2.044	1/1	149.2s
Total teste 1 Teste greșite 0 Cost total $2.044 Timp de răspuns (mediu) 149.2s
#2	Gemini 3.5 Flash high	Google	8.2	9.5	$1.976	1/2	84.1s
Total teste 2 Teste greșite 1 Cost total $1.976 Timp de răspuns (mediu) 84.1s
#14	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
#22	Grok 4.5 medium	X AI	10.0	8.3	$1.928	2/2	29.0s
Total teste 2 Teste greșite 0 Cost total $1.928 Timp de răspuns (mediu) 29.0s
#12	Grok 4.5 high	X AI	10.0	8.9	$1.707	2/2	35.6s
Total teste 2 Teste greșite 0 Cost total $1.707 Timp de răspuns (mediu) 35.6s
#27	Muse Spark 1.1 high	Meta	5.9	8.1	$1.694	0/2	70.3s
Total teste 2 Teste greșite 2 Cost total $1.694 Timp de răspuns (mediu) 70.3s
#58	Qwen3.5-27B medium	Qwen	7.3	7.4	$1.627	1/2	595.2s
Total teste 2 Teste greșite 1 Cost total $1.627 Timp de răspuns (mediu) 595.2s

Clasament Combinat

Filtrează modelele

Top modele după Scor Combinat

Scor Combinat vs cost total

Top modele după Timp de răspuns (mediu)