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: Teste corecte ↓.

Modele afișate

Media pentru Scor Rezolvare de puzzle-uri

0.7

Cel mai bun model

Gemini 3.6 Flash 1.0

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)
#238	Qwen3.5-122B-A10B none	Qwen	0.4	0.6	$0.308	0/3	1.00s
Total teste 3 Teste greșite 3 Cost total $0.308 Timp de răspuns (mediu) 1.00s
#251	LongCat 2.0 none	Meituan	0.4	0.6	$0.104	0/3	2.74s
Total teste 3 Teste greșite 3 Cost total $0.104 Timp de răspuns (mediu) 2.74s
#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
#270	DeepSeek V4 Flash 0731 none	DeepSeek	0.3	0.6	$0.053	0/3	2.74s
Total teste 3 Teste greșite 3 Cost total $0.053 Timp de răspuns (mediu) 2.74s
#275	Trinity Large Thinking medium	Arcee AI	0.5	0.6	$0.862	0/3	2.90s
Total teste 3 Teste greșite 3 Cost total $0.862 Timp de răspuns (mediu) 2.90s
#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
#291	Qwen3.6 Flash none	Qwen	0.4	0.6	$0.139	0/3	1.21s
Total teste 3 Teste greșite 3 Cost total $0.139 Timp de răspuns (mediu) 1.21s
#294	Qwen3.7 Flash none	Qwen	0.4	0.6	$0.028	0/3	1.39s
Total teste 3 Teste greșite 3 Cost total $0.028 Timp de răspuns (mediu) 1.39s
#301	Trinity Large Thinking high	Arcee AI	0.5	0.6	$0.794	0/3	3.84s
Total teste 3 Teste greșite 3 Cost total $0.794 Timp de răspuns (mediu) 3.84s
#313	Qwen3.5-35B-A3B none	Qwen	0.4	0.6	$0.120	0/3	1.35s
Total teste 3 Teste greșite 3 Cost total $0.120 Timp de răspuns (mediu) 1.35s
#314	Nemotron 3.5 Super VL none	NVIDIA	0.5	0.6	$0.040	0/3	754ms
Total teste 3 Teste greșite 3 Cost total $0.040 Timp de răspuns (mediu) 754ms
#315	Nemotron 3 Super medium	NVIDIA	0.3	0.6	$0.081	0/3	3.15s
Total teste 3 Teste greșite 3 Cost total $0.081 Timp de răspuns (mediu) 3.15s
#316	Kimi K2.6 none	Moonshot AI	0.3	0.5	$0.486	0/3	1.40s
Total teste 3 Teste greșite 3 Cost total $0.486 Timp de răspuns (mediu) 1.40s
#325	North Mini Code medium	Cohere	0.3	0.5	$0.000	0/3	19.7s
Total teste 3 Teste greșite 3 Cost total $0.000 Timp de răspuns (mediu) 19.7s
#326	Hy4 preview low	Tencent	0.5	0.5	$1.844	0/3	238.0s
Total teste 3 Teste greșite 3 Cost total $1.844 Timp de răspuns (mediu) 238.0s

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)