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.

Modele afișate

Media pentru Scor Combinat

0.6

Cel mai bun model

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)
#259	Space Bunny Alpha xhigh	Stealth	0.3	0.6	$0.000	0/2	37.1s
Total teste 2 Teste greșite 2 Cost total $0.000 Timp de răspuns (mediu) 37.1s
#368	Laguna S 2.1 low	Poolside	0.3	0.5	$0.108	0/2	412.5s
Total teste 2 Teste greșite 2 Cost total $0.108 Timp de răspuns (mediu) 412.5s
#152	GLM 5.3 FlashX high	Z.ai	0.3	0.7	$0.210	0/2	27.7s
Total teste 2 Teste greșite 2 Cost total $0.210 Timp de răspuns (mediu) 27.7s
#188	Gemini 3 Flash Preview low	Google	0.3	0.7	$0.254	0/2	10.2s
Total teste 2 Teste greșite 2 Cost total $0.254 Timp de răspuns (mediu) 10.2s
#220	Beam 1.0 501B A23B medium	Reflection	0.3	0.7	$0.499	0/2	2.62s
Total teste 2 Teste greșite 2 Cost total $0.499 Timp de răspuns (mediu) 2.62s
#223	Qwen3.6 35B A3B medium	Qwen	0.3	0.7	$0.834	0/2	817.6s
Total teste 2 Teste greșite 2 Cost total $0.834 Timp de răspuns (mediu) 817.6s
#226	Beam 1.0 501B A23B xhigh	Reflection	0.3	0.6	$0.688	0/2	2.68s
Total teste 2 Teste greșite 2 Cost total $0.688 Timp de răspuns (mediu) 2.68s
#234	Beam 1.0 501B A23B max	Reflection	0.3	0.6	$0.799	0/2	3.04s
Total teste 2 Teste greșite 2 Cost total $0.799 Timp de răspuns (mediu) 3.04s
#238	Beam 1.0 501B A23B low	Reflection	0.3	0.6	$0.432	0/2	2.22s
Total teste 2 Teste greșite 2 Cost total $0.432 Timp de răspuns (mediu) 2.22s
#240	Gemini 3.5 Flash minimal	Google	0.3	0.6	$0.508	0/2	14.4s
Total teste 2 Teste greșite 2 Cost total $0.508 Timp de răspuns (mediu) 14.4s
#248	Gemini 3.1 Flash Lite Preview low	Google	0.3	0.6	$0.736	0/2	160.6s
Total teste 2 Teste greșite 2 Cost total $0.736 Timp de răspuns (mediu) 160.6s
#263	Gemini 3.1 Flash Lite Preview none	Google	0.3	0.6	$0.090	0/2	6.23s
Total teste 2 Teste greșite 2 Cost total $0.090 Timp de răspuns (mediu) 6.23s
#265	Gemini 3.5 Flash none	Google	0.3	0.6	$1.752	0/2	0ms
Total teste 2 Teste greșite 2 Cost total $1.752 Timp de răspuns (mediu) 0ms
#266	Beam 1.0 501B A23B high	Reflection	0.3	0.6	$0.674	0/2	2.68s
Total teste 2 Teste greșite 2 Cost total $0.674 Timp de răspuns (mediu) 2.68s
#272	Granite 4.2 8B medium	IBM Granite	0.3	0.6	$0.029	0/2	291.1s
Total teste 2 Teste greșite 2 Cost total $0.029 Timp de răspuns (mediu) 291.1s

Clasament Combinat

Filtrează modelele

Top modele după Scor Combinat

Scor Combinat vs cost total

Top modele după Timp de răspuns (mediu)