Categorie AI BENCHY
Clasament 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: Timp de răspuns (mediu) ↓.
| Rang | Model | Companie | Scor Rezolvare de puzzle-uri | Scor | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|
| #137 | Elephant Alpha none | Openrouter | 4.2 | 5.1 | 0/3 | 807ms |
| #102 | Gemma 4 26B A4B none | 6.2 | 6.0 | 1/3 | 744ms | |
| #90 | Gemini 3.1 Flash Lite none | 6.3 | 6.4 | 1/3 | 720ms | |
| #146 | Laguna Xs.2 none | Poolside | 5.3 | 4.8 | 1/3 | 650ms |
| #154 | Qwen3.5-9B none | Qwen | 3.2 | 4.6 | 0/3 | 621ms |
| #163 | Granite 4.1 8B none | IBM Granite | 3.2 | 4.0 | 0/3 | 608ms |
| #97 | Gemini 2.5 Flash none | 7.7 | 6.2 | 2/3 | 604ms | |
| #106 | Grok 4.20 Beta none | X AI | 7.7 | 5.8 | 2/3 | 586ms |
| #155 | Mercury 2 none | Inception | 3.1 | 4.5 | 0/3 | 535ms |
| #162 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 3.0 | 4.1 | 0/3 | 532ms |
| #127 | Grok 4.20 none | X AI | 5.3 | 5.4 | 1/3 | 473ms |
| #142 | Mistral Small 4 none | Mistral | 3.1 | 4.9 | 0/3 | 399ms |