Navigare
AI BENCHY
Your ad here

AI BENCHY Compare

Modele comparate

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-12

Metrică Grok 4.20 Beta Grok 4.20 Beta medium Lansare: 2026-03-12 Grok 4.1 Fast Grok 4.1 Fast medium Lansare: 2025-11-19 Hunter Alpha Hunter Alpha medium Lansare: Data lansării necunoscută
Rang #24 #32 #35
Scor mediu 7.0 6.2 5.9
Consistență 9.0 7.9 7.6
Cost per rezultat 5.989 0.563 0.000
Cost total $0.599 $0.051 $0.000
Teste corecte
Rată de trecere pe încercare 70.8% 66.7% 68.8%
Teste instabile 2 4 5
Rulări totale 48 48 48
Tokenuri de ieșire 1,481 1,183 4,686
Tokenuri de raționament 86,628 83,875 17,821
Timp de răspuns (mediu) 8.89s 26.35s 10.71s
Timp de răspuns (maxim) 24.21s 121.79s 30.53s
Timp de răspuns (total) 142.18s 237.11s 171.41s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor mediu vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor mediu 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
Grok 4.20 Beta 7.0 7.2 88.9% 1 3.19s 262 6,289
Grok 4.1 Fast 10.0 10.0 100.0% 0 5.65s 102 4,021
Hunter Alpha 7.0 7.2 88.9% 1 4.93s 441 1,003
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 227 12,212
Grok 4.1 Fast 10.0 10.0 100.0% 0 37.64s 261 12,272
Hunter Alpha 10.0 1.6 66.7% 1 30.53s 792 3,456
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
Grok 4.20 Beta 9.9 10.0 100.0% 0 4.01s 180 5,281
Grok 4.1 Fast 9.9 10.0 100.0% 0 6.63s 180 5,409
Hunter Alpha 9.9 10.0 100.0% 0 23.16s 1,488 8,017
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 Beta 4.0 10.0 33.3% 0 21.33s 251 40,255
Grok 4.1 Fast 4.0 4.4 66.7% 2 121.79s 11 37,657
Hunter Alpha 10.0 10.0 0.0% 0 10.52s 892 2,406
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 72 3,440
Grok 4.1 Fast 3.0 9.9 0.0% 0 16.25s 127 3,456
Hunter Alpha 8.0 3.7 66.7% 1 6.44s 116 260
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 Beta 9.0 10.0 50.0% 0 4.97s 57 7,107
Grok 4.1 Fast 5.5 10.0 50.0% 0 5.30s 55 3,489
Hunter Alpha 9.5 10.0 100.0% 0 4.18s 208 465
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 Beta 7.0 7.2 88.9% 1 3.85s 249 6,660
Grok 4.1 Fast 4.0 7.2 44.4% 1 8.08s 187 6,086
Hunter Alpha 4.3 4.7 66.7% 2 5.36s 441 1,310
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 Beta 10.0 10.0 0.0% 0 12.39s 183 5,384
Grok 4.1 Fast 10.0 1.6 33.3% 1 27.71s 260 11,485
Hunter Alpha 10.0 10.0 100.0% 0 17.33s 308 904

Comparație rapidă

Schimbă perechea de comparație

Qwen3.5 Plus 2026-02-15nonevsGrok 4.1 FastmediumGemini 3.1 Flash Lite PreviewnonevsGrok 4.20 BetamediumHunter AlphamediumvsGLM 5noneGrok 4.1 FastmediumvsGLM 5noneGemini 3 Flash PreviewnonevsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsGrok 4.20 BetamediumGPT-5.3 ChatnonevsGrok 4.20 BetamediumHunter AlphamediumvsQwen3.5 Plus 2026-02-15noneGemini 3.1 Flash Lite PreviewlowvsGrok 4.20 BetamediumDeepSeek V3.2nonevsHunter AlphamediumGPT-5.2 ChatnonevsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsGrok 4.1 Fastmedium