AI BENCHY
Compară Grafice Metodologie
❤️ Made by XCS
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: Număr de eșecuri ↑.

Modele afișate

15

Eșecuri totale

25

Modelul cel mai afectat

Qwen3.5-27B 1
Rang Model Companie Număr de Timp expirat Scor mediu Teste corecte Timp de răspuns (mediu)
#7 Qwen3.5-27B medium Qwen 1 8.2 12/16 52.1s
#10 Qwen3.5-122B-A10B medium Qwen 1 7.7 12/16 29.7s
#11 Claude Sonnet 4.6 medium Anthropic 1 7.7 12/16 11.2s
#14 GLM 5 medium Z.ai 1 7.4 11/16 16.2s
#18 DeepSeek V3.2 medium DeepSeek 1 7.3 11/16 39.5s
#27 GPT-5.2 medium OpenAI 1 6.5 10/16 15.3s
#28 Kimi K2.5 medium Moonshot AI 1 6.4 9/16 69.8s
#30 Grok 4.1 Fast medium X AI 1 6.2 9/16 26.3s
#32 GPT-5 Mini medium OpenAI 1 6.0 8/16 25.1s
#34 GPT-5 Nano medium OpenAI 1 5.5 7/16 47.9s
#4 Qwen3.5 Plus 2026-02-15 medium Qwen 2 8.3 13/16 34.5s
#43 MiniMax M2.5 medium Minimax 2 4.7 5/16 43.0s
#24 Qwen3.5-Flash medium Qwen 3 6.9 10/16 70.8s
#23 Seed-2.0-Mini medium Bytedance Seed 4 6.9 10/16 65.1s
#35 Qwen3.5-35B-A3B medium Qwen 4 5.5 8/16 43.9s

Top modele după Număr de Timp expirat

Număr de Timp expirat vs scor mediu

Top modele după Timp de răspuns (mediu)