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 xAI: Grok 4.20 Beta Grok 4.20 Beta medium Lansare: 2026-03-12 xAI: Grok 4.20 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium Lansare: 2026-03-12 xAI: Grok 4.1 Fast Grok 4.1 Fast medium Lansare: 2025-11-19 Google: Gemini 3 Flash Preview Gemini 3 Flash Preview medium Lansare: 2025-12-17
Rang #24 #47 #32 #1
Scor mediu 7.0 4.9 6.2 10.0
Consistență 9.0 7.1 7.9 10.0
Cost per rezultat 5.989 97.178 0.563 1.025
Cost total $0.599 $4.859 $0.051 $0.164
Teste corecte
Rată de trecere pe încercare 70.8% 52.1% 66.7% 100.0%
Teste instabile 2 6 4 0
Rulări totale 48 48 48 48
Tokenuri de ieșire 1,481 293,634 1,183 1,634
Tokenuri de raționament 86,628 291,260 83,875 47,907
Timp de răspuns (mediu) 8.89s 9.08s 26.35s 12.36s
Timp de răspuns (maxim) 24.21s 35.28s 121.79s 50.16s
Timp de răspuns (total) 142.18s 127.09s 237.11s 111.21s

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 4.20 Multi-Agent Beta 4.0 4.4 66.7% 2 3.77s 28,392 27,808
Grok 4.1 Fast 10.0 10.0 100.0% 0 5.65s 102 4,021
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 5.61s 299 3,127
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 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 0
Grok 4.1 Fast 10.0 10.0 100.0% 0 37.64s 261 12,272
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 50.16s 351 12,645
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 4.20 Multi-Agent Beta 9.9 10.0 100.0% 0 5.54s 25,306 25,051
Grok 4.1 Fast 9.9 10.0 100.0% 0 6.63s 180 5,409
Gemini 3 Flash Preview 9.9 10.0 100.0% 0 4.72s 279 5,333
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 4.20 Multi-Agent Beta 10.0 7.2 11.1% 1 24.67s 164,609 163,647
Grok 4.1 Fast 4.0 4.4 66.7% 2 121.79s 11 37,657
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 21.12s 12 14,908
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 4.20 Multi-Agent Beta 4.0 2.8 66.7% 1 6.40s 15,848 15,746
Grok 4.1 Fast 3.0 9.9 0.0% 0 16.25s 127 3,456
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 4.09s 111 1,285
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 4.20 Multi-Agent Beta 9.0 10.0 50.0% 0 4.63s 25,457 25,322
Grok 4.1 Fast 5.5 10.0 50.0% 0 5.30s 55 3,489
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 6.10s 72 4,558
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 4.20 Multi-Agent Beta 6.3 5.1 77.8% 2 5.01s 34,022 33,686
Grok 4.1 Fast 4.0 7.2 44.4% 1 8.08s 187 6,086
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 4.43s 276 4,921
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 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 0
Grok 4.1 Fast 10.0 1.6 33.3% 1 27.71s 260 11,485
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 10.55s 234 1,130

Comparație rapidă

Schimbă perechea de comparație

Qwen3.5 Plus 2026-02-15nonevsGrok 4.1 FastmediumQwen3.5-27BnonevsGrok 4.20 Multi-Agent BetamediumSeed-2.0-LitenonevsGrok 4.20 Multi-Agent BetamediumGemini 3.1 Flash Lite PreviewnonevsGrok 4.20 BetamediumQwen3.5-122B-A10BnonevsGrok 4.20 Multi-Agent BetamediumGrok 4.1 FastmediumvsGLM 5noneQwen3.5-35B-A3BnonevsGrok 4.20 Multi-Agent BetamediumGemini 3 Flash PreviewnonevsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsGrok 4.20 BetamediumGPT-5.3 ChatnonevsGrok 4.20 BetamediumGemini 2.5 FlashnonevsGrok 4.20 Multi-Agent BetamediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.20 Betamedium