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: Teste corecte ↓.

Modele afișate

15

Eșecuri totale

61

Modelul cel mai afectat

Claude Opus 4.7 1
Rang Model Companie Număr de Timp expirat Scor Teste corecte Timp de răspuns (mediu)
#40 GPT-5.2 medium OpenAI 1 7.5 11/18 14.0s
#41 MiMo-V2-Flash medium Xiaomi 1 7.5 11/18 23.4s
#43 Qwen3.5-35B-A3B medium Qwen 4 7.4 10/18 44.5s
#45 GPT-5 Mini medium OpenAI 1 7.0 9/18 24.0s
#46 Kimi K2.5 medium Moonshot AI 2 7.0 9/18 72.4s
#51 Nemotron 3 Super medium NVIDIA 1 6.7 9/18 19.1s
#52 Grok 4.1 Fast medium X AI 1 6.7 9/18 23.9s
#50 Hunter Alpha medium OpenRouter 2 6.7 8/18 10.3s
#57 GPT-5 Nano medium OpenAI 1 6.3 7/18 44.1s
#60 Gemma 4 26B A4B none Google 1 6.2 7/18 6.59s
#71 MiniMax M2.5 medium Minimax 4 5.7 5/18 39.6s
#80 MiniMax M2.7 medium Minimax 2 5.3 4/18 31.1s
#93 GLM 4.7 Flash medium Z.ai 1 4.6 4/18 32.3s
#92 Qwen3 Coder Next medium Qwen 1 4.7 3/18 10.8s
#97 Qwen3.5-9B medium Qwen 11 4.4 3/18 73.6s

Top modele după Număr de Timp expirat

Număr de Timp expirat vs Scor

Top modele după Timp de răspuns (mediu)