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: 2026-06-02

Metrică Nemotron 3 Super Nemotron 3 Super medium Lansare: 2026-03-11 Disponibil gratuit Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium Lansare: 2026-02-24 Elephant Alpha Elephant Alpha medium Lansare: 2026-04-14 gpt-oss-120b gpt-oss-120b medium Lansare: 2025-08-05 Disponibil gratuit
Scor 5.9 7.7 5.4 5.9
Rang #102 #41 #128 #103
Fiabilitate 10.0 10.0 N/D 10.0
Consistență 9.2 8.8 9.6 7.9
Teste corecte
Rată de trecere pe încercare 43.3% 71.7% 33.3% 50.0%
Teste instabile 2 3 1 5
Rulări totale 60 60 60 60
Cost per rezultat 0.004 5.031 0.000 0.151
Cost total $0.019 $0.509 $0.000 $0.012
Preț de intrare $0.090 / 1M $0.260 / 1M $0.000 / 1M $0.000 / 1M
Preț de ieșire $0.450 / 1M $2.080 / 1M $0.000 / 1M $0.000 / 1M
Total tokenuri de intrare 36,614 38,997 33,744 36,355
Tokenuri de ieșire 14,505 26,166 2,596 17,495
Tokenuri de raționament 30,178 213,524 0 46,878
Timp de răspuns (mediu) 20.87s 39.40s 1.27s 22.41s
Timp de răspuns (maxim) 87.80s 168.16s 3.70s 68.16s
Timp de răspuns (total) 375.66s 788.00s 22.82s 291.35s

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 intrare Tokenuri de ieșire Tokenuri de raționament
Nemotron 3 Super 8.3 10.0 75.0% 0 7.85s 686 748 1,305
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 9.75s 672 269 16,835
Elephant Alpha 6.6 10.0 50.0% 0 1.19s 726 815 0
gpt-oss-120b 6.7 9.9 50.0% 0 10.21s 1,314 3,518 2,177
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Nemotron 3 Super 3.1 9.9 0.0% 0 62.38s 1,362 452 848
Qwen3.5-122B-A10B 4.1 5.8 33.3% 1 119.57s 4,795 8,036 45,074
Elephant Alpha 4.0 6.7 16.7% 1 1.30s 813 365 0
gpt-oss-120b 3.9 5.6 33.3% 1 47.24s 5,053 847 8,618
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Nemotron 3 Super 10.0 10.0 100.0% 0 87.80s 15,561 2,021 9,996
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 107.79s 14,947 483 11,337
Elephant Alpha 3.0 10.0 0.0% 0 3.70s 14,046 562 0
gpt-oss-120b 10.0 10.0 100.0% 0 31.18s 11,535 694 5,072
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Nemotron 3 Super 10.0 10.0 100.0% 0 18.16s 7,944 877 2,607
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 23.41s 7,782 270 16,558
Elephant Alpha 6.5 10.0 50.0% 0 979ms 8,004 246 0
gpt-oss-120b 6.4 5.9 66.7% 1 1.98s 7,476 241 1,114
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Nemotron 3 Super 2.9 4.4 22.2% 2 16.19s 456 5,255 6,072
Qwen3.5-122B-A10B 2.9 7.2 11.1% 1 63.40s 771 15,537 64,889
Elephant Alpha 3.0 10.0 0.0% 0 925ms 810 24 0
gpt-oss-120b 2.9 4.4 22.2% 2 50.92s 1,266 6,784 20,606
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Nemotron 3 Super 4.1 10.0 0.0% 0 6.91s 492 105 363
Qwen3.5-122B-A10B 3.4 2.2 33.3% 1 34.11s 344 66 7,592
Elephant Alpha 4.3 10.0 0.0% 0 920ms 540 105 0
gpt-oss-120b 4.3 10.0 0.0% 0 7.90s 659 107 387
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Nemotron 3 Super 7.3 10.0 50.0% 0 6.97s 723 956 2,383
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 9.88s 593 77 7,372
Elephant Alpha 9.8 10.0 100.0% 0 987ms 732 82 0
gpt-oss-120b 9.9 10.0 100.0% 0 7.63s 1,036 126 1,799
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Nemotron 3 Super 3.0 10.0 0.0% 0 3.15s 708 570 1,322
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 17.89s 696 284 27,575
Elephant Alpha 5.3 10.0 33.3% 0 868ms 729 166 0
gpt-oss-120b 5.3 7.2 44.4% 1 21.71s 1,190 1,790 2,264
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Nemotron 3 Super 10.0 10.0 100.0% 0 39.75s 8,544 270 1,969
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 4.60s 8,193 322 1,226
Elephant Alpha 3.0 10.0 0.0% 0 2.83s 7,344 231 0
gpt-oss-120b 9.8 10.0 100.0% 0 6.91s 6,514 287 1,083
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Nemotron 3 Super 3.0 10.0 0.0% 0 55.32s 138 3,251 3,313
Qwen3.5-122B-A10B 3.0 10.0 0.0% 0 52.87s 204 822 15,066
Elephant Alpha 0.0 0.0 0.0% 0 0ms 0 0 0
gpt-oss-120b 3.0 10.0 0.0% 0 26.51s 312 3,101 3,758

Comparație rapidă

Schimbă perechea de comparație

gpt-oss-120bmediumDisponibil gratuitvsQwen3.5-FlashnoneNemotron 3 SupermediumDisponibil gratuitvsQwen3.5-Flashnonegpt-oss-120bmediumDisponibil gratuitvsGLM 5V TurbononeElephant AlphamediumvsQwen3.5-122B-A10BnoneNemotron 3 SupermediumDisponibil gratuitvsGLM 5V TurbononeGemini 3 Flash PreviewnonevsQwen3.5-122B-A10BmediumSeed-2.0-Litenonevsgpt-oss-120bmediumDisponibil gratuitElephant AlphamediumvsGrok 4.20noneSeed-2.0-LitenonevsNemotron 3 SupermediumDisponibil gratuitgpt-oss-120bnoneDisponibil gratuitvsElephant AlphamediumDeepSeek V4 PrononevsNemotron 3 SupermediumDisponibil gratuitDeepSeek V4 FlashhighvsQwen3.5-122B-A10Bmedium