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)
#3 Claude Opus 4.7 medium Anthropic 1 9.2 16/18 3.53s
#8 Qwen3.5 Plus 2026-02-15 medium Qwen 2 8.5 14/18 46.6s
#10 Qwen3.5-27B medium Qwen 1 8.4 13/18 53.0s
#13 GLM 5 medium Z.ai 1 8.4 13/18 23.3s
#14 Gemma 4 31B medium Google 1 8.3 13/18 24.9s
#19 Qwen3.5-122B-A10B medium Qwen 2 8.1 13/18 31.4s
#24 Gemma 4 26B A4B medium Google 2 8.0 13/18 25.0s
#26 Claude Sonnet 4.6 medium Anthropic 1 8.0 13/18 12.7s
#18 GLM 5 Turbo medium Z.ai 1 8.1 12/18 17.7s
#23 MiMo-V2-Pro medium Xiaomi 1 8.1 12/18 12.3s
#27 DeepSeek V3.2 medium DeepSeek 2 8.0 12/18 46.4s
#33 GLM 5.1 medium Z.ai 2 7.8 12/18 24.1s
#32 Qwen3.5-Flash medium Qwen 4 7.8 11/18 66.7s
#34 Kimi K2.6 medium Moonshot AI 2 7.7 11/18 45.2s
#39 Seed-2.0-Mini medium Bytedance Seed 4 7.5 11/18 69.7s

Top modele după Număr de Timp expirat

Număr de Timp expirat vs Scor

Top modele după Timp de răspuns (mediu)