Navigare
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Modele comparate

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-26

Metrică DeepSeek V4 Pro DeepSeek V4 Pro high Lansare: 2026-04-24 DeepSeek V4 Flash DeepSeek V4 Flash high Lansare: 2026-04-24 Disponibil gratuit Ling-2.6-flash Ling-2.6-flash none Lansare: 2026-04-21 GLM 5 GLM 5 medium Lansare: 2026-02-12
Scor 6.6 7.6 5.3 8.2
Rang #83 #44 #130 #18
Fiabilitate 9.3 10.0 10.0 10.0
Consistență 8.7 8.4 9.2 8.4
Teste corecte
Rată de trecere pe încercare 63.3% 73.3% 35.1% 81.7%
Teste instabile 3 4 2 4
Rulări totale 98 98 98 98
Cost per rezultat 2.261 0.329 0.005 1.818
Cost total $0.249 $0.040 $0.001 $0.255
Preț de intrare $0.435 / 1M $0.112 / 1M $0.010 / 1M $0.600 / 1M
Preț de ieșire $0.870 / 1M $0.224 / 1M $0.030 / 1M $1.920 / 1M
Tokenuri de ieșire 13,536 11,480 2,992 21,596
Tokenuri de raționament 61,786 122,086 0 105,424
Timp de răspuns (mediu) 58.92s 46.36s 9.34s 32.67s
Timp de răspuns (maxim) 358.35s 218.13s 35.34s 99.85s
Timp de răspuns (total) 1119.51s 927.27s 177.48s 392.01s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
DeepSeek V4 Pro 7.4 10.0 75.0% 0 16.53s 71 3,617
DeepSeek V4 Flash 8.3 10.0 75.0% 0 28.51s 140 7,770
Ling-2.6-flash 6.8 8.1 58.3% 1 11.81s 573 0
GLM 5 10.0 10.0 100.0% 0 23.66s 480 7,056
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
DeepSeek V4 Pro 2.8 5.0 25.0% 1 51.77s 105 2,641
DeepSeek V4 Flash 6.8 10.0 50.0% 0 58.13s 387 27,101
Ling-2.6-flash 10.0 10.0 100.0% 0 11.21s 381 0
GLM 5 10.0 10.0 100.0% 0 89.47s 2,985 45,706
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
DeepSeek V4 Pro 10.0 10.0 100.0% 0 65.02s 465 5,914
DeepSeek V4 Flash 10.0 10.0 100.0% 0 76.57s 465 7,347
Ling-2.6-flash 3.0 10.0 0.0% 0 35.34s 1,069 0
GLM 5 10.0 10.0 100.0% 0 28.96s 662 3,242
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
DeepSeek V4 Pro 8.8 10.0 100.0% 0 23.62s 229 1,710
DeepSeek V4 Flash 10.0 10.0 100.0% 0 28.03s 201 1,179
Ling-2.6-flash 6.5 10.0 50.0% 0 8.48s 246 0
GLM 5 7.1 5.6 83.3% 1 8.90s 567 3,734
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
DeepSeek V4 Pro 3.0 6.9 16.7% 1 205.66s 10,529 28,089
DeepSeek V4 Flash 4.1 4.4 44.5% 2 100.31s 27 59,249
Ling-2.6-flash 3.0 10.0 0.0% 0 4.95s 24 0
GLM 5 3.5 4.4 33.3% 2 0ms 13,176 14,137
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
DeepSeek V4 Pro 6.1 3.1 66.7% 1 25.09s 76 1,152
DeepSeek V4 Flash 6.1 3.1 66.7% 1 25.15s 79 632
Ling-2.6-flash 4.0 10.0 0.0% 0 1.45s 109 0
GLM 5 6.1 3.1 66.7% 1 14.69s 2,020 2,248
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
DeepSeek V4 Pro 10.0 10.0 100.0% 0 41.16s 205 2,416
DeepSeek V4 Flash 10.0 10.0 100.0% 0 15.36s 63 1,622
Ling-2.6-flash 9.8 10.0 100.0% 0 5.52s 81 0
GLM 5 10.0 10.0 100.0% 0 7.25s 1,001 2,129
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
DeepSeek V4 Pro 6.9 10.0 66.7% 0 34.84s 1,431 11,847
DeepSeek V4 Flash 8.2 7.2 88.9% 1 26.11s 1,374 8,113
Ling-2.6-flash 2.9 7.2 11.1% 1 6.51s 265 0
GLM 5 10.0 10.0 100.0% 0 11.33s 71 13,728
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
DeepSeek V4 Pro 10.0 10.0 100.0% 0 21.33s 372 593
DeepSeek V4 Flash 10.0 10.0 100.0% 0 74.73s 228 542
Ling-2.6-flash 3.0 10.0 0.0% 0 18.80s 229 0
GLM 5 10.0 10.0 100.0% 0 15.93s 233 994
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
DeepSeek V4 Pro 3.0 10.0 0.0% 0 39.14s 53 3,807
DeepSeek V4 Flash 3.0 10.0 0.0% 0 54.46s 8,516 8,531
Ling-2.6-flash 3.0 10.0 0.0% 0 1.06s 15 0
GLM 5 3.0 10.0 0.0% 0 67.37s 401 12,450

Comparație rapidă

Schimbă perechea de comparație

DeepSeek V4 FlashhighDisponibil gratuitvsMiMo-V2.5-PromediumDeepSeek V4 FlashhighDisponibil gratuitvsGemini 3.1 Flash Lite PreviewlowDeepSeek V4 ProhighvsGemini 3.1 Flash LitenoneDeepSeek V4 FlashhighDisponibil gratuitvsQwen3.5-FlashmediumDeepSeek V4 FlashhighDisponibil gratuitvsQwen3.6 FlashmediumDeepSeek V4 ProhighvsGPT-5.5noneDeepSeek V4 FlashhighDisponibil gratuitvsQwen3.5 Plus 2026-04-20mediumDeepSeek V4 FlashhighDisponibil gratuitvsGrok Build 0.1mediumDeepSeek V4 FlashhighDisponibil gratuitvsGemini 3 Flash PreviewnoneDeepSeek V4 ProhighvsQwen3.6 27BmediumDeepSeek V4 FlashhighDisponibil gratuitvsMiMo-V2-PromediumDeepSeek V4 ProhighvsGrok Build 0.1none