Navigare
AI BENCHY
Compară Grafice
❤️ Made by XCS
Your ad here

AI BENCHY Compare

Modele comparate

Compară:

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-03

Metrică OpenAI: GPT-5.2 Chat none Lansare: 2025-12-11 OpenAI: GPT-5.3 Chat none Lansare: 2026-03-03 Google: Gemini 3.1 Flash Lite Preview low Lansare: 2026-03-03
Rang #12 #14 #8
Scor mediu 7.41 7.27 7.84
Consistență 9.45 8.26 10.00
Cost per rezultat 2.261 2.835 0.151
Cost total $0.227 $0.256 $0.016
Teste corecte
Rată de trecere pe încercare 73.8% 73.8% 71.4%
Teste instabile 1 3 0
Tokenuri de ieșire 14,267 16,339 1,317
Tokenuri de raționament 0 0 6,126

Top modele după scor

Scor vs cost total

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
OpenAI: GPT-5.2 Chat 10.00 10.00 100.0% 0 1,651 0
OpenAI: GPT-5.3 Chat 7.33 7.49 77.8% 1 3,091 0
Google: Gemini 3.1 Flash Lite Preview 7.00 10.00 66.7% 0 456 1,224
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
OpenAI: GPT-5.2 Chat 9.88 10.00 100.0% 0 980 0
OpenAI: GPT-5.3 Chat 9.88 10.00 100.0% 0 942 0
Google: Gemini 3.1 Flash Lite Preview 9.88 10.00 100.0% 0 291 696
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
OpenAI: GPT-5.2 Chat 4.00 10.00 33.3% 0 7,810 0
OpenAI: GPT-5.3 Chat 1.00 4.41 33.3% 2 8,264 0
Google: Gemini 3.1 Flash Lite Preview 4.00 10.00 33.3% 0 18 1,212
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
OpenAI: GPT-5.2 Chat 5.50 6.13 66.7% 1 1,528 0
OpenAI: GPT-5.3 Chat 8.50 9.99 50.0% 0 1,455 0
Google: Gemini 3.1 Flash Lite Preview 8.50 10.00 50.0% 0 72 753
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
OpenAI: GPT-5.2 Chat 7.00 10.00 66.7% 0 1,743 0
OpenAI: GPT-5.3 Chat 10.00 10.00 100.0% 0 1,726 0
Google: Gemini 3.1 Flash Lite Preview 10.00 10.00 100.0% 0 243 1,248
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
OpenAI: GPT-5.2 Chat 10.00 10.00 100.0% 0 555 0
OpenAI: GPT-5.3 Chat 10.00 10.00 100.0% 0 861 0
Google: Gemini 3.1 Flash Lite Preview 10.00 10.00 100.0% 0 237 993

Comparație rapidă

Schimbă perechea de comparație

GPT-5.3 ChatnonevsGLM 5mediumClaude Sonnet 4.6mediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewlowvsGPT-5.3-CodexmediumGPT-5.2 ChatnonevsGLM 5mediumClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsStep 3.5 FlashmediumDisponibil gratuitDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewhighvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewmediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite Previewlow