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: Timp de răspuns (mediu) ↑.

Modele afișate

15

Eșecuri totale

73

Modelul cel mai afectat

Claude Opus 4.7 1
Rang Model Companie Număr de Timp expirat Scor Teste corecte Timp de răspuns (mediu)
#130 MiniMax M2.7 medium Minimax 2 5.3 5/21 38.2s
#18 Qwen3.7 Plus medium Qwen 1 8.2 15/21 38.9s
#29 Qwen3.5-122B-A10B medium Qwen 2 7.8 14/21 42.5s
#94 GPT-5 Nano medium OpenAI 1 6.3 9/21 42.5s
#27 Gemma 4 31B medium Google 2 7.8 14/21 56.5s
#49 Qwen3.5-Flash medium Qwen 3 7.4 12/21 63.3s
#37 Gemma 4 26B A4B medium Google 2 7.6 14/21 63.4s
#103 DeepSeek V4 Pro high DeepSeek 3 6.0 8/21 65.2s
#129 MiniMax M2.5 medium Minimax 4 5.3 5/21 65.4s
#67 MiniMax M3 medium Minimax 3 7.1 11/21 68.2s
#30 Qwen3.5-27B medium Qwen 1 7.8 13/21 68.4s
#72 DeepSeek V3.2 medium DeepSeek 2 7.0 11/21 68.7s
#60 Kimi K2.6 medium Moonshot AI 3 7.2 12/21 71.7s
#62 Step 3.5 Flash medium Stepfun 1 7.2 11/20 72.5s
#66 Qwen3.5-35B-A3B medium Qwen 5 7.1 11/21 72.6s

Top modele după Număr de Timp expirat

Număr de Timp expirat vs Scor

Top modele după Timp de răspuns (mediu)