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 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: 2026-03-11
Scor 8.5 6.5 6.7
Rang #14 #88 #76
Fiabilitate N/D 10.0 N/D
Consistență 9.5 7.3 7.4
Teste corecte
Rată de trecere pe încercare 81.5% 61.4% 64.8%
Teste instabile 1 6 6
Rulări totale 128 133 90
Cost per rezultat 8.557 0.926 0.000
Cost total $1.198 $0.084 $0.000
Preț de intrare $0.000 / 1M $0.000 / 1M $0.000 / 1M
Preț de ieșire $0.000 / 1M $0.000 / 1M $0.000 / 1M
Tokenuri de ieșire 4,915 3,298 6,506
Tokenuri de raționament 177,787 139,122 24,809
Timp de răspuns (mediu) 9.75s 23.85s 10.33s
Timp de răspuns (maxim) 31.36s 121.79s 30.53s
Timp de răspuns (total) 175.48s 286.16s 175.58s

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
Grok 4.20 Beta 8.7 7.9 91.7% 1 3.16s 268 7,583
Grok 4.1 Fast 8.7 7.9 91.7% 1 3.81s 108 4,741
Hunter Alpha 7.3 5.8 83.3% 2 4.75s 479 1,103
Programare 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 31.36s 81 3,987
Grok 4.1 Fast 2.3 1.1 33.3% 1 23.58s 821 6,703
Hunter Alpha 3.0 10.0 0.0% 0 0ms 0 0
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 4.7 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 10.0 10.0 100.0% 0 4.01s 180 5,281
Grok 4.1 Fast 10.0 10.0 100.0% 0 6.63s 180 5,409
Hunter Alpha 10.0 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 5.3 10.0 33.3% 0 21.33s 251 40,255
Grok 4.1 Fast 5.8 4.4 66.7% 2 121.79s 11 37,657
Hunter Alpha 3.0 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 4.2 9.9 0.0% 0 16.25s 127 3,456
Hunter Alpha 7.0 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 9.8 10.0 100.0% 0 4.89s 703 67,771
Grok 4.1 Fast 6.5 10.0 50.0% 0 4.63s 662 21,680
Hunter Alpha 9.9 10.0 100.0% 0 4.18s 208 465
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
Grok 4.20 Beta 10.0 10.0 100.0% 0 3.52s 2,950 31,874
Grok 4.1 Fast 5.3 7.2 44.4% 1 7.40s 853 30,338
Hunter Alpha 6.1 4.7 66.7% 2 5.35s 2,223 8,198
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 3.0 10.0 0.0% 0 12.39s 183 5,384
Grok 4.1 Fast 2.8 1.6 33.3% 1 27.71s 260 11,485
Hunter Alpha 10.0 10.0 100.0% 0 17.33s 308 904
Cultură 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 - - - - - - - -
Grok 4.1 Fast 3.0 10.0 0.0% 0 25.52s 15 5,381
Hunter Alpha - - - - - - - -

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.7mediumvsGPT-5.5lowGPT-5.4mediumvsQwen3.7 MaxnoneGemini 3 Flash PreviewnonevsGrok Build 0.1mediumDeepSeek V4 FlashhighDisponibil gratuitvsMiMo-V2.5-PromediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-FlashmediumGemini 3.1 Flash LiteminimalvsKimi K2.5mediumGPT-5.3 ChatnonevsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5-PromediumGemini 3.1 Flash LitelowvsGLM 5.1mediumgpt-oss-120bmediumDisponibil gratuitvsQwen3.5-FlashnoneQwen3.7 MaxnonevsGLM 5 TurbomediumGemini 3 Flash PreviewnonevsQwen3.6 Flashmedium