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.

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)
#370	Laguna S 2.1 none	Poolside	0.3	0.5	$0.044	0/3	828ms
Total teste 3 Teste greșite 3 Cost total $0.044 Timp de răspuns (mediu) 828ms
#391	Mercury 2 none	Inception	0.3	0.4	$0.033	0/3	535ms
Total teste 3 Teste greșite 3 Cost total $0.033 Timp de răspuns (mediu) 535ms
#406	Nemotron 3.5 Lightning none	NVIDIA	0.3	0.4	$0.009	0/3	750ms
Total teste 3 Teste greșite 3 Cost total $0.009 Timp de răspuns (mediu) 750ms
#419	Hy3 preview none	Tencent	0.3	0.3	$0.007	0/3	4.56s
Total teste 3 Teste greșite 3 Cost total $0.007 Timp de răspuns (mediu) 4.56s
#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
#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
#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
#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
#332	Granite 4.2 8B low	IBM Granite	0.3	0.5	$0.036	0/3	90.8s
Total teste 3 Teste greșite 3 Cost total $0.036 Timp de răspuns (mediu) 90.8s
#333	Kimi K2.5 none	Moonshot AI	0.3	0.5	$0.262	0/3	4.04s
Total teste 3 Teste greșite 3 Cost total $0.262 Timp de răspuns (mediu) 4.04s
#335	Laguna XS 2.1 none	Poolside	0.3	0.5	$0.020	0/3	1.01s
Total teste 3 Teste greșite 3 Cost total $0.020 Timp de răspuns (mediu) 1.01s
#357	Qwen3 Coder Next default	Qwen	0.3	0.5	$0.067	0/3	24.3s
Total teste 3 Teste greșite 3 Cost total $0.067 Timp de răspuns (mediu) 24.3s
#372	Qwen3 Coder Next medium	Qwen	0.3	0.5	$0.071	0/3	1.25s
Total teste 3 Teste greșite 3 Cost total $0.071 Timp de răspuns (mediu) 1.25s
#389	Granite 4.2 8B none	IBM Granite	0.3	0.4	$0.037	0/3	107.6s
Total teste 3 Teste greșite 3 Cost total $0.037 Timp de răspuns (mediu) 107.6s
#399	Qwen3.5-9B medium	Qwen	0.3	0.4	$0.106	0/3	32.3s
Total teste 3 Teste greșite 3 Cost total $0.106 Timp de răspuns (mediu) 32.3s

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)