Clasament modele pentru Rezolvare de puzzle-uri

Vezi ce modele AI se descurcă cel mai bine la Rezolvare de puzzle-uri, care rămân fiabile și unde apar cele mai mari diferențe. Sortează după: Metrică ↑.

Modele afișate

Media pentru Scor Rezolvare de puzzle-uri

0.7

Cel mai bun model

Step 3.5 Flash 0.0

Motive de eșec

Cu motivul de eșec Răspuns greșit352 Cu motivul de eșec Nu a urmat instrucțiunile166 Cu motivul de eșec Eroare API35 Cu motivul de eșec Formatare suplimentară16 Cu motivul de eșec Fără răspuns14 Cu motivul de eșec Timp expirat11

451/451

Rang	Model	Companie	Scor Rezolvare de puzzle-uri	Scor	Cost total	Teste corecte	Timp de răspuns (mediu)
#408	Ling 3.0 Tiny high	Inclusionai	0.3	0.4	$0.000	0/3	54.2s
Total teste 3 Teste greșite 3 Cost total $0.000 Timp de răspuns (mediu) 54.2s
#409	Ling 3.0 Tiny low	Inclusionai	0.3	0.4	$0.000	0/3	32.5s
Total teste 3 Teste greșite 3 Cost total $0.000 Timp de răspuns (mediu) 32.5s
#412	Laguna M.1 default	Poolside	0.3	0.4	$0.009	0/3	891ms
Total teste 3 Teste greșite 3 Cost total $0.009 Timp de răspuns (mediu) 891ms
#417	Command A+ medium	Cohere	0.3	0.3	$0.064	0/3	92.1s
Total teste 3 Teste greșite 3 Cost total $0.064 Timp de răspuns (mediu) 92.1s
#423	Command A+ high	Cohere	0.3	0.3	$0.079	0/3	86.2s
Total teste 3 Teste greșite 3 Cost total $0.079 Timp de răspuns (mediu) 86.2s
#424	Grok 4.1 Fast default	X AI	0.3	0.3	$0.008	0/3	1.10s
Total teste 3 Teste greșite 3 Cost total $0.008 Timp de răspuns (mediu) 1.10s
#426	Command A+ none	Cohere	0.3	0.3	$0.000	0/3	88.1s
Total teste 3 Teste greșite 3 Cost total $0.000 Timp de răspuns (mediu) 88.1s
#427	Command A+ low	Cohere	0.3	0.3	$0.073	0/3	95.8s
Total teste 3 Teste greșite 3 Cost total $0.073 Timp de răspuns (mediu) 95.8s
#431	Nemotron 3 Nano Omni 30b A3b Reasoning default	NVIDIA	0.3	0.3	$0.000	0/3	532ms
Total teste 3 Teste greșite 3 Cost total $0.000 Timp de răspuns (mediu) 532ms
#280	Granite 4.2 8B medium	IBM Granite	0.3	0.6	$0.029	0/3	76.0s
Total teste 3 Teste greșite 3 Cost total $0.029 Timp de răspuns (mediu) 76.0s
#265	DeepSeek V4 Flash 0423 none	DeepSeek	0.3	0.6	$0.149	0/3	23.7s
Total teste 3 Teste greșite 3 Cost total $0.149 Timp de răspuns (mediu) 23.7s
#354	KAT Coder AIR V2.5 low	Kwaipilot	0.3	0.5	$0.046	0/3	1.57s
Total teste 3 Teste greșite 3 Cost total $0.046 Timp de răspuns (mediu) 1.57s
#210	Qwen3.5-Flash none	Qwen	0.3	0.7	$0.089	0/3	10.9s
Total teste 3 Teste greșite 3 Cost total $0.089 Timp de răspuns (mediu) 10.9s
#222	LongCat 2.0 low	Meituan	0.3	0.7	$0.630	0/3	8.15s
Total teste 3 Teste greșite 3 Cost total $0.630 Timp de răspuns (mediu) 8.15s
#349	Laguna S 2.1 medium	Poolside	0.3	0.5	$0.092	0/3	2.62s
Total teste 3 Teste greșite 3 Cost total $0.092 Timp de răspuns (mediu) 2.62s

Clasament Rezolvare de puzzle-uri

Filtrează modelele

Top modele după Scor Rezolvare de puzzle-uri

Scor Rezolvare de puzzle-uri vs cost total

Top modele după Timp de răspuns (mediu)