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

Kimi K2.5 2
Rang Model Companie Număr de Timp expirat Scor Teste corecte Timp de răspuns (mediu)
#76 Kimi K2.5 medium Moonshot AI 2 6.8 10/21 98.4s
#161 Qwen3.5-9B medium Qwen 11 4.2 3/21 82.2s
#73 Seed-2.0-Mini medium Bytedance Seed 5 6.9 11/21 80.2s
#25 Qwen3.5 Plus 2026-02-15 medium Qwen 2 7.9 14/21 73.8s
#66 Qwen3.5-35B-A3B medium Qwen 5 7.1 11/21 72.6s
#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
#72 DeepSeek V3.2 medium DeepSeek 2 7.0 11/21 68.7s
#30 Qwen3.5-27B medium Qwen 1 7.8 13/21 68.4s
#67 MiniMax M3 medium Minimax 3 7.1 11/21 68.2s
#129 MiniMax M2.5 medium Minimax 4 5.3 5/21 65.4s
#103 DeepSeek V4 Pro high DeepSeek 3 6.0 8/21 65.2s
#37 Gemma 4 26B A4B medium Google 2 7.6 14/21 63.4s
#49 Qwen3.5-Flash medium Qwen 3 7.4 12/21 63.3s
#27 Gemma 4 31B medium Google 2 7.8 14/21 56.5s

Top modele după Număr de Timp expirat

Număr de Timp expirat vs Scor

Top modele după Timp de răspuns (mediu)