AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Eșecuri AI BENCHY

Eșecuri Timp expirat

Vezi ce modele AI se lovesc cel mai des de Timp expirat, ca să identifici riscurile de fiabilitate înainte să alegi. Sortează după: Scor ↑.

Modele afișate

15

Eșecuri totale

73

Modelul cel mai afectat

Qwen3.5-9B 11
Rang Model Companie Număr de Timp expirat Scor Teste corecte Timp de răspuns (mediu)
#66 Qwen3.5-35B-A3B medium Qwen 5 7.1 11/21 72.6s
#64 MiMo-V2-Flash medium Xiaomi 1 7.2 12/21 20.1s
#62 Step 3.5 Flash medium Stepfun 1 7.2 11/20 72.5s
#60 Kimi K2.6 medium Moonshot AI 3 7.2 12/21 71.7s
#55 GLM 5.1 medium Z.ai 2 7.3 12/21 33.7s
#54 GPT-5 Mini medium OpenAI 1 7.3 12/21 23.6s
#52 Claude Sonnet 4.6 medium Anthropic 1 7.4 13/21 17.1s
#51 Mimo V2 PRO medium Xiaomi 1 7.4 12/21 22.2s
#49 Qwen3.5-Flash medium Qwen 3 7.4 12/21 63.3s
#42 GPT-5.2 medium OpenAI 1 7.5 13/21 16.9s
#37 Gemma 4 26B A4B medium Google 2 7.6 14/21 63.4s
#30 Qwen3.5-27B medium Qwen 1 7.8 13/21 68.4s
#29 Qwen3.5-122B-A10B medium Qwen 2 7.8 14/21 42.5s
#27 Gemma 4 31B medium Google 2 7.8 14/21 56.5s
#25 Qwen3.5 Plus 2026-02-15 medium Qwen 2 7.9 14/21 73.8s

Top modele după Număr de Timp expirat

Număr de Timp expirat vs Scor

Top modele după Timp de răspuns (mediu)