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: 2026-04-29

Metrică Grok 4.20 Beta Grok 4.20 Beta medium Lansare: 2026-03-12 Grok 4.20 Multi Agent Beta Grok 4.20 Multi Agent Beta medium Lansare: 2026-03-12 Grok 4.1 Fast Grok 4.1 Fast medium Lansare: 2025-11-19 Gemini 3 Flash Preview Gemini 3 Flash Preview medium Lansare: 2025-12-17
Scor 8.0 6.4 6.7 10.0
Rang #35 #72 #68 #1
Fiabilitate N/D N/D N/D N/D
Consistență 9.1 7.4 7.2 10.0
Teste corecte
Rată de trecere pe încercare 74.1% 57.4% 64.8% 100.0%
Teste instabile 2 6 6 0
Rulări totale 52 52 54 18
Cost per rezultat 5.269 72.473 0.613 0.600
Cost total $0.633 $5.074 $0.056 $0.108
Preț de intrare $0.000 / 1M $0.000 / 1M $0.200 / 1M $0.500 / 1M
Preț de ieșire $0.000 / 1M $0.000 / 1M $0.500 / 1M $3.000 / 1M
Tokenuri de ieșire 1,568 299,034 2,010 655
Tokenuri de raționament 91,909 309,670 91,298 33,749
Timp de răspuns (mediu) 9.81s 9.80s 23.88s 12.11s
Timp de răspuns (maxim) 31.36s 35.28s 121.79s 82.37s
Timp de răspuns (total) 176.62s 156.75s 262.66s 217.93s

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 4.20 Multi Agent Beta 6.9 5.8 75.0% 2 3.46s 33,706 33,077
Grok 4.1 Fast 8.7 7.9 91.7% 1 3.81s 108 4,741
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 3.26s 110 1,076
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 4.20 Multi Agent Beta 10.0 10.0 100.0% 0 27.11s 86 13,141
Grok 4.1 Fast 2.3 1.1 33.3% 1 23.58s 821 6,703
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 82.37s 144 16,257
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 3.0 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 23.58s 117 3,495
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 4.20 Multi Agent Beta 10.0 10.0 100.0% 0 5.54s 25,306 25,051
Grok 4.1 Fast 10.0 10.0 100.0% 0 6.63s 180 5,409
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 7.62s 93 2,197
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 4.20 Multi Agent Beta 2.9 7.2 11.1% 1 24.67s 164,609 163,647
Grok 4.1 Fast 5.8 4.4 66.7% 2 121.79s 11 37,657
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 14.81s 4 7,228
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 5.8 2.8 66.7% 1 6.40s 15,848 15,746
Grok 4.1 Fast 4.2 9.9 0.0% 0 16.25s 127 3,456
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 6.34s 24 635
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 8.3 10.0 50.0% 0 4.97s 57 7,107
Grok 4.20 Multi Agent Beta 8.3 10.0 50.0% 0 4.63s 25,457 25,322
Grok 4.1 Fast 6.6 10.0 50.0% 0 5.30s 55 3,489
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 4.30s 24 903
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 8.2 7.2 88.9% 1 3.85s 249 6,660
Grok 4.20 Multi Agent Beta 7.2 5.1 77.8% 2 5.01s 34,022 33,686
Grok 4.1 Fast 5.3 7.2 44.4% 1 8.08s 187 6,086
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 4.86s 61 1,455
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 4.20 Multi Agent Beta 3.0 10.0 0.0% 0 0ms 0 0
Grok 4.1 Fast 2.8 1.6 33.3% 1 27.71s 260 11,485
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 9.78s 78 503

Comparație rapidă

Schimbă perechea de comparație

Grok 4.1 FastmediumvsGLM 5noneGPT-5.5nonevsGrok 4.1 FastmediumQwen3.5 Plus 2026-02-15nonevsGrok 4.1 FastmediumGrok 4.1 FastmediumvsMiMo-V2-OmninoneGemma 4 31BnoneDisponibil gratuitvsGrok 4.1 FastmediumDeepSeek V4 ProhighvsGrok 4.1 FastmediumGrok 4.1 FastmediumvsGLM 5V TurbononeQwen3.5-FlashnonevsGrok 4.1 FastmediumGemma 4 26B A4BnoneDisponibil gratuitvsGrok 4.1 FastmediumSeed-2.0-LitenonevsGrok 4.1 FastmediumGemini 2.5 FlashnonevsGrok 4.1 FastmediumQwen3.5-35B-A3BnonevsGrok 4.1 Fastmedium