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)
#53	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
#56	Muse Spark 1.1 medium	Meta	0.8	0.9	$1.665	1/2	42.6s
Total teste 2 Teste greșite 1 Cost total $1.665 Timp de răspuns (mediu) 42.6s
#175	Claude Opus 5 none	Anthropic	0.8	0.7	$2.766	1/2	30.5s
Total teste 2 Teste greșite 1 Cost total $2.766 Timp de răspuns (mediu) 30.5s
#45	Gemini 3.5 Flash low	Google	0.8	0.9	$0.752	1/2	30.0s
Total teste 2 Teste greșite 1 Cost total $0.752 Timp de răspuns (mediu) 30.0s
#58	Pareto 26.9 default	Unbiased	0.8	0.9	$1.864	1/2	81.4s
Total teste 2 Teste greșite 1 Cost total $1.864 Timp de răspuns (mediu) 81.4s
#73	Claude Sonnet 5.5 high	Anthropic	0.8	0.9	$1.175	1/2	24.6s
Total teste 2 Teste greșite 1 Cost total $1.175 Timp de răspuns (mediu) 24.6s
#82	Qwen3.8 2.4T A95B low	Qwen	0.8	0.8	$4.016	1/2	231.8s
Total teste 2 Teste greșite 1 Cost total $4.016 Timp de răspuns (mediu) 231.8s
#92	Gemini 3.5 Flash high	Google	0.8	0.8	$2.737	1/2	84.1s
Total teste 2 Teste greșite 1 Cost total $2.737 Timp de răspuns (mediu) 84.1s
#97	Qwen3.7 Plus medium	Qwen	0.8	0.8	$0.415	1/2	190.3s
Total teste 2 Teste greșite 1 Cost total $0.415 Timp de răspuns (mediu) 190.3s
#115	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
#54	Muse Spark 1.2 high	Meta	0.8	0.9	$2.018	1/2	39.9s
Total teste 2 Teste greșite 1 Cost total $2.018 Timp de răspuns (mediu) 39.9s
#155	DeepSeek V4 Pro 0423 none	DeepSeek	0.8	0.7	$0.083	1/2	71.6s
Total teste 2 Teste greșite 1 Cost total $0.083 Timp de răspuns (mediu) 71.6s
#194	Claude Sonnet 5.5 low	Anthropic	0.8	0.7	$0.909	1/2	22.5s
Total teste 2 Teste greșite 1 Cost total $0.909 Timp de răspuns (mediu) 22.5s
#17	Gemini 4 Argon high	Google	0.7	1.0	$1.802	1/2	56.3s
Total teste 2 Teste greșite 1 Cost total $1.802 Timp de răspuns (mediu) 56.3s
#47	Muse Spark 1.3 medium	Meta	0.7	0.9	$1.712	1/2	34.7s
Total teste 2 Teste greșite 1 Cost total $1.712 Timp de răspuns (mediu) 34.7s

Clasament Combinat

Filtrează modelele

Top modele după Scor Combinat

Scor Combinat vs cost total

Top modele după Timp de răspuns (mediu)