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: 2026-03-21

Metrică MiniMax M2.7 MiniMax M2.7 medium Lansare: 2026-03-18 Kimi K2.5 Kimi K2.5 medium Lansare: 2026-01-27 GLM 5 GLM 5 medium Lansare: 2026-02-12 Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium Lansare: 2026-03-03
Scor 5.0 7.2 8.3 8.1
Rang #68 #35 #11 #14
Consistență 5.3 7.2 8.1 10.0
Teste corecte
Rată de trecere pe încercare 49.0% 72.6% 84.3% 70.6%
Teste instabile 10 6 4 0
Rulări totale 51 51 51 51
Cost per rezultat 2.398 2.232 0.896 0.413
Cost total $0.072 $0.201 $0.108 $0.050
Preț de intrare $0.300 / 1M $0.450 / 1M $0.720 / 1M $0.250 / 1M
Preț de ieșire $1.200 / 1M $2.200 / 1M $2.300 / 1M $1.500 / 1M
Tokenuri de ieșire 4,517 40,907 19,833 1,737
Tokenuri de raționament 47,612 75,121 38,523 26,346
Timp de răspuns (mediu) 27.32s 64.59s 17.15s 3.70s
Timp de răspuns (maxim) 117.04s 137.29s 28.96s 14.93s
Timp de răspuns (total) 437.10s 645.93s 154.32s 62.97s

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
MiniMax M2.7 7.9 6.3 83.3% 2 40.32s 3,010 17,716
Kimi K2.5 7.3 5.8 83.3% 2 51.38s 2,789 8,880
GLM 5 10.0 10.0 100.0% 0 23.66s 480 7,056
Gemini 3.1 Flash Lite Preview 9.1 10.0 75.0% 0 2.33s 570 4,305
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
MiniMax M2.7 4.7 1.6 66.7% 1 41.03s 369 4,480
Kimi K2.5 10.0 10.0 100.0% 0 71.37s 703 3,713
GLM 5 10.0 10.0 100.0% 0 28.96s 662 3,242
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 14.93s 327 7,347
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
MiniMax M2.7 6.3 5.8 66.7% 1 21.95s 187 5,882
Kimi K2.5 10.0 10.0 100.0% 0 49.78s 563 7,940
GLM 5 7.1 5.6 83.3% 1 8.90s 567 3,734
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 2.29s 279 2,952
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
MiniMax M2.7 3.0 10.0 0.0% 0 19.00s 8 2,796
Kimi K2.5 3.5 4.4 33.3% 2 137.29s 20,753 30,564
GLM 5 3.5 4.4 33.3% 2 0ms 13,176 14,137
Gemini 3.1 Flash Lite Preview 3.0 10.0 0.0% 0 4.21s 18 5,325
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
MiniMax M2.7 3.9 2.5 33.3% 1 38.70s 92 5,204
Kimi K2.5 6.5 3.4 66.7% 1 69.73s 3,815 4,262
GLM 5 6.1 3.1 66.7% 1 14.69s 2,020 2,248
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 3.16s 96 1,488
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
MiniMax M2.7 3.7 1.8 50.0% 2 12.64s 213 2,457
Kimi K2.5 10.0 10.0 100.0% 0 92.47s 5,371 6,547
GLM 5 10.0 10.0 100.0% 0 7.25s 1,001 2,129
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 1.91s 72 2,121
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
MiniMax M2.7 3.8 4.5 33.3% 2 25.62s 334 8,076
Kimi K2.5 5.3 7.3 44.4% 1 45.40s 6,671 12,403
GLM 5 10.0 10.0 100.0% 0 15.64s 1,694 4,983
Gemini 3.1 Flash Lite Preview 7.7 10.0 66.7% 0 3.58s 141 1,896
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
MiniMax M2.7 4.7 1.6 66.7% 1 12.05s 304 1,001
Kimi K2.5 10.0 10.0 100.0% 0 31.74s 242 812
GLM 5 10.0 10.0 100.0% 0 15.93s 233 994
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 3.80s 234 912

Comparație rapidă

Schimbă perechea de comparație

MiniMax M2.7mediumvsQwen3 Coder NextnoneMiniMax M2.7mediumvsGPT-4o-mininoneClaude Sonnet 4.6nonevsKimi K2.5mediumMercury 2nonevsMiniMax M2.7mediumMiniMax M2.7mediumvsGPT-5.4 MininoneMiniMax M2.7mediumvsNemotron 3 SupernoneDisponibil gratuitMiniMax M2.7mediumvsQwen3.5-9BnoneMiniMax M2.7mediumvsMistral Small 4noneGemini 3.1 Flash Lite PreviewlowvsGLM 5mediumGemini 3 Flash PreviewnonevsGLM 5mediumTrinity Large PreviewnoneDisponibil gratuitvsMiniMax M2.7mediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.2 Chatnone