???? ?????
$0.000 / 1M
???? ??????
$0.000 / 1M
Нестабильные тесты
3
Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).
История запусков
| Проверено | Оценка | Надежность | Тестов верно | Общая стоимость | Сравнить |
|---|---|---|---|---|---|
| 2026-05-08 15:31 Набор изменён | 5.2 | 10.0 | $0.011 | Текущий запуск | |
| 2026-04-21 12:42 Первый зафиксированный запуск | 5.2 | Н/Д | $0.009 | Сравнить |
Этот запуск использовал другой набор бенчмарков. Учитывайте изменения набора при чтении исторической динамики.
Графики
Выберите первую модель, затем нажмите вторую, чтобы открыть страницу сравнения бок о бок.
Оценка vs Общая стоимость
Время ответа (среднее)
Оценка vs Время ответа (среднее)
Общее число выходных токенов
Оценка vs Общее число выходных токенов
Быстрое сравнение
gpt-oss-120bnoneБесплатно доступноvsGLM 4.7 Flashnonegpt-oss-120bnoneБесплатно доступноvsgpt-oss-120bmediumБесплатно доступноgpt-oss-120bnoneБесплатно доступноvsGPT-5.4nonegpt-oss-120bnoneБесплатно доступноvsMiMo-V2-Prononegpt-oss-120bnoneБесплатно доступноvsGLM 5.1nonegpt-oss-120bnoneБесплатно доступноvsGemini 3 Flash Previewmediumgpt-oss-120bnoneБесплатно доступноvsGemini 3.5 Flashhighgpt-oss-120bnoneБесплатно доступноvsRing-2.6-1Tmediumgpt-oss-120bnoneБесплатно доступноvsGemini 3.5 Flashlow
Разбивка по категориям
| Категория | Оценка | Стабильность | Тестов верно |
|---|---|---|---|
| Анти-ИИ уловки | 6.5 | 10.0 | |
| Программирование | 4.3 | 1.1 | |
| Комбинированный | 3.0 | 10.0 | |
| Парсинг и извлечение данных | 6.5 | 10.0 | |
| Предметно-ориентированное | 3.0 | 10.0 | |
| Общий интеллект | 4.8 | 10.0 | |
| Следование инструкциям | 9.8 | 10.0 | |
| Решение головоломок | 4.4 | 4.5 | |
| Вызов инструментов | 3.0 | 10.0 | |
| Эрудиция | 3.0 | 10.0 |