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: Număr de eșecuri ↑.

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)
#11 Claude Opus 4.7 medium Anthropic 1 8.7 17/21 4.73s
#17 GLM 5 medium Z.ai 1 8.3 15/21 33.5s
#18 Qwen3.7 Plus medium Qwen 1 8.2 15/21 38.9s
#23 GLM 5 Turbo medium Z.ai 1 8.0 14/21 23.0s
#30 Qwen3.5-27B medium Qwen 1 7.8 13/21 68.4s
#42 GPT-5.2 medium OpenAI 1 7.5 13/21 16.9s
#51 Mimo V2 PRO medium Xiaomi 1 7.4 12/21 22.2s
#52 Claude Sonnet 4.6 medium Anthropic 1 7.4 13/21 17.1s
#54 GPT-5 Mini medium OpenAI 1 7.3 12/21 23.6s
#62 Step 3.5 Flash medium Stepfun 1 7.2 11/20 72.5s
#64 MiMo-V2-Flash medium Xiaomi 1 7.2 12/21 20.1s
#86 Grok 4.1 Fast medium X AI 1 6.5 9/19 23.8s
#94 GPT-5 Nano medium OpenAI 1 6.3 9/21 42.5s
#102 Gemma 4 26B A4B none Google 1 6.0 8/21 5.91s
#105 Nemotron 3 Super medium NVIDIA 1 5.8 8/21 32.0s

Top modele după Număr de Timp expirat

Număr de Timp expirat vs Scor

Top modele după Timp de răspuns (mediu)