Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

aiqbench · Benchmark-uri LLM

Benchmark-uri

Benchmarkuri LLM per axă. Un clasament, un număr, o sursă — fără scoruri compuse fabricate.

Surse: 8
Intrări urmărite: 22.308
Ultima sincronizare: 25 minacum 25 de minute

Toate sursele se sincronizează normal

Arena · Text· acum 7 ore
Arena · WebDev· acum 7 ore
Arena · Vision· acum 7 ore
Arena · Agent· acum 7 ore
GPQA Diamond· acum 25 de minute
SWE-bench· acum 25 de minute
Terminal-Bench· acum 25 de minute
ARC-AGI-2· acum 25 de minute

Arena · Text· acum 7 ore
Arena · WebDev· acum 7 ore
Arena · Vision· acum 7 ore
Arena · Agent· acum 7 ore
GPQA Diamond· acum 25 de minute
SWE-bench· acum 25 de minute
Terminal-Bench· acum 25 de minute
ARC-AGI-2· acum 25 de minute

Filtrează acest tabel

Sari la profilul unui model

Filtrează după organizație:

Lansat:DupăÎnainte de

gpt-6.1-sol-max

86±3

81interval88

openaioct. 2026oscilație #1–#15

Claude Fable 5.1 (Max)

86±3

81interval88

anthropicsept. 2026oscilație #2–#21

Claude Opus 5.5 (High)

84±2

81interval86

anthropicoct. 2026oscilație #2–#11

O singură grilă, toate coloanele. Alege axe din panoul Axe — o axă clasifică precum un singur clasament, mai multe se combină într-un scor compus ponderat, toate la un loc se citesc ca indexul. Locul este atribuit înaintea oricărui filtru și nu se renumerotează niciodată.

Axe22 active

Clasare pe 22 axe — mix ponderat, contractat după acoperire.

same = clasifică modelele aproape identic cu o axă deja selectată · close = aproape la fel · ? = prea puține modele comune ca să se poată spune.

General

Abilitate

Industrie

Clasamente arenă

Benchmarkuri măsurate

Agentic

Siguranță și factualitate

Limbă

	Model	Organizație				Interval			Oscilație	i	i	i	i	i	i	i	i	i	i	i	i	i	i	i	i	i	i	i	i	i	i
1	gpt-6.1-sol-max	openai	oct. 2026	$2 / $10	85.9 95.7Clasat 85.9 = (11 × 95.7 + 3 × 50) ÷ 14. 95.7 este percentila medie pe cele 11 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	81–88	19	11/22	#1–15	95	98	97	81	98	—	98	99	100	—	98	99	—	—	—	—	—	91	—	—	—	—
2	Claude Fable 5.1 (Max)	anthropic	sept. 2026	$10 / $50	85.8 95.5Clasat 85.8 = (11 × 95.5 + 3 × 50) ÷ 14. 95.5 este percentila medie pe cele 11 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	81–88	9	11/22	#2–21	99	97	91	99	93	92	95	—	100	—	94	94	98	—	—	—	—	—	—	—	—	—
3	Claude Opus 5.5 (High)	anthropic	oct. 2026	$4 / $20	84.3 94.6Clasat 84.3 = (10 × 94.6 + 3 × 50) ÷ 13. 94.6 este percentila medie pe cele 10 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	81–86	24	10/22	#2–11	99	100	95	99	76	—	100	84	100	—	95	98	—	—	—	—	—	—	—	—	—	—
4	gpt-6-astra-max	openai	sept. 2026	$10 / $50	83.5 90.6Clasat 83.5 = (14 × 90.6 + 3 × 50) ÷ 17. 90.6 este percentila medie pe cele 14 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	79–86	42	14/22	#1–18	93	99	90	83	95	68	96	100	100	—	99	100	100	—	—	—	—	87	—	—	—	58
5	Claude Fable 5 (High)	anthropic	sept. 2026	$10 / $50	83.3 90.9Clasat 83.3 = (13 × 90.9 + 3 × 50) ÷ 16. 90.9 este percentila medie pe cele 13 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	80–85	30	13/22	#4–20	99	87	100	95	88	100	85	70	100	—	93	92	—	100	—	—	—	—	—	—	73	—
6	Claude Opus 5 (Max)	anthropic	sept. 2026	$5 / $25	83.2 91.5Clasat 83.2 = (12 × 91.5 + 3 × 50) ÷ 15. 91.5 este percentila medie pe cele 12 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	79–86	20	12/22	#5–11	97	96	92	97	79	89	87	94	92	—	80	96	—	99	—	—	—	—	—	—	—	—
7	claude-sonnet-5.5-xhigh	anthropic	oct. 2026	$2 / $10	79.2 89.0Clasat 79.2 = (9 × 89.0 + 3 × 50) ÷ 12. 89.0 este percentila medie pe cele 9 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	76–82	43	9/22	#4–26	92	99	79	90	—	—	91	99	100	—	57	—	93	—	—	—	—	—	—	—	—	—
8	gpt-5.6-sol-xhigh	openai	sept. 2026	$4 / $20	78.4 84.1Clasat 78.4 = (15 × 84.1 + 3 × 50) ÷ 18. 84.1 este percentila medie pe cele 15 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	76–81	79	15/22	#6–25	96	84	91	91	100	87	84	94	100	—	91	97	—	83	—	—	—	57	—	—	87	21
9	Gemini 4 Argon (High)	google	oct. 2026	$2 / $10	78.4 89.1Clasat 78.4 = (8 × 89.1 + 3 × 50) ÷ 11. 89.1 este percentila medie pe cele 8 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	77–79	75	8/22	#1–10	100	95	—	100	—	—	93	100	100	—	100	—	—	—	—	—	—	—	—	—	—	25
10	gemini-3.5-flash-high	google	sept. 2026	$1.50 / $9	77.9 83.9Clasat 77.9 = (14 × 83.9 + 3 × 50) ÷ 17. 83.9 este percentila medie pe cele 14 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	75–81	48	14/22	#10–26	94	62	88	91	—	47	—	91	82	87	87	79	—	95	92	—	86	—	—	—	94	—
11	gpt-6-sol-max	openai	oct. 2026	$2 / $10	77.1 83.9Clasat 77.1 = (12 × 83.9 + 3 × 50) ÷ 15. 83.9 este percentila medie pe cele 12 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	74–80	51	12/22	#7–53	87	96	81	49	86	—	89	96	100	—	83	93	—	—	—	—	—	74	—	—	—	73
12	Gemini 3.8 Flash (High)	google	oct. 2026	$0.83 / $4.13	77.0 84.4Clasat 77.0 = (11 × 84.4 + 3 × 50) ÷ 14. 84.4 este percentila medie pe cele 11 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	72–80	68	11/22	#2–29	98	81	93	88	—	—	73	99	92	—	91	92	91	—	—	—	—	30	—	—	—	—
13	gpt-5.5-high	openai	sept. 2026	$5 / $30	76.6 82.3Clasat 76.6 = (14 × 82.3 + 3 × 50) ÷ 17. 82.3 este percentila medie pe cele 14 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	73–79	43	14/22	#9–34	94	65	89	97	—	82	71	84	63	—	84	90	—	85	100	—	—	—	—	—	93	56
14	qwen3.8-max	alibaba	oct. 2026	$2 / $6	75.9 84.5Clasat 75.9 = (9 × 84.5 + 3 × 50) ÷ 12. 84.5 este percentila medie pe cele 9 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	72–79	45	9/22	#12–40	95	94	99	88	90	—	55	90	94	—	55	—	—	—	—	—	—	—	—	—	—	—
15	claude-opus-4-8-high	anthropic	sept. 2026	$5 / $25	75.7 81.3Clasat 75.7 = (14 × 81.3 + 3 × 50) ÷ 17. 81.3 este percentila medie pe cele 14 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	72–79	45	14/22	#15–33	95	76	89	85	50	84	82	87	89	94	74	79	—	83	—	—	—	—	—	—	71	—
16	Muse Spark	meta	sept. 2026	—	75.6 84.1Clasat 75.6 = (9 × 84.1 + 3 × 50) ÷ 12. 84.1 este percentila medie pe cele 9 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	69–80	36	9/22	#16–40	97	—	96	84	—	61	—	80	71	88	—	—	87	—	—	—	—	—	—	—	94	—
17	gpt-5-codex	OpenAI	—	—	75.5 94.6Clasat 75.5 = (4 × 94.6 + 3 × 50) ÷ 7. 94.6 este percentila medie pe cele 4 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	—	8	4/22	#17–142	—	—	—	—	—	—	—	—	—	—	—	—	—	—	98	—	—	—	96	95	90	—
18	Claude Opus 4.7 (High)	anthropic	sept. 2026	$5 / $25	75.0 80.0Clasat 75.0 = (15 × 80.0 + 3 × 50) ÷ 18. 80.0 este percentila medie pe cele 15 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	72–78	71	15/22	#1–18	98	76	98	92	74	95	—	82	86	93	71	82	80	77	—	—	—	—	—	—	68	28
19	gemini-3-pro-preview	Google DeepMind	—	—	74.9 81.2Clasat 74.9 = (12 × 81.2 + 3 × 50) ÷ 15. 81.2 este percentila medie pe cele 12 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	73–76	83	12/22	#19–120	—	—	—	—	—	—	—	90	74	84	—	54	85	94	—	98	95	—	100	100	83	17
20	gpt-5.4-high	openai	sept. 2026	$2.50 / $15	74.8 79.8Clasat 74.8 = (15 × 79.8 + 3 × 50) ÷ 18. 79.8 este percentila medie pe cele 15 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	71–79	45	15/22	#12–29	93	55	87	96	—	66	53	92	86	96	52	81	83	—	97	—	—	—	—	—	90	70
21	Gemini 3.1 Pro Preview	google	sept. 2026	$2 / $12	74.2 78.8Clasat 74.2 = (16 × 78.8 + 3 × 50) ÷ 19. 78.8 este percentila medie pe cele 16 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	72–77	70	16/22	#9–36	96	54	85	87	—	42	27	97	82	83	96	83	96	98	96	—	—	—	—	—	95	43
22	Muse Wonder (Max)	meta	oct. 2026	—	74.2 92.3Clasat 74.2 = (4 × 92.3 + 3 × 50) ÷ 7. 92.3 este percentila medie pe cele 4 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	71–75	20	4/22	#14–56	100	91	—	98	—	—	80	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—
23	gpt-5.5-pro-pre-release	OpenAI	—	—	74.1 98.2Clasat 74.1 = (3 × 98.2 + 3 × 50) ÷ 6. 98.2 este percentila medie pe cele 3 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	72–75	5	3/22	#23–60	—	—	—	—	—	—	—	95	100	100	—	—	—	—	—	—	—	—	—	—	—	—
24	gpt-5.5-pre-release	OpenAI	—	—	74.0 98.0Clasat 74.0 = (3 × 98.0 + 3 × 50) ÷ 6. 98.0 este percentila medie pe cele 3 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	72–75	5	3/22	#22–36	—	—	—	—	—	—	—	95	100	99	—	—	—	—	—	—	—	—	—	—	—	—
25	Claude Opus 4.6 (High)	anthropic	sept. 2026	$5 / $25	73.7 78.7Clasat 73.7 = (14 × 78.7 + 3 × 50) ÷ 17. 78.7 este percentila medie pe cele 14 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	71–76	76	14/22	#2–25	99	74	99	98	—	97	—	83	79	91	60	76	78	84	—	—	—	—	—	—	61	23
26	gpt-5.4-pro-2026-03-05	OpenAI	mar. 2026	$30 / $180	72.6 82.2Clasat 72.6 = (7 × 82.2 + 3 × 50) ÷ 10. 82.2 este percentila medie pe cele 7 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	70–75	41	7/22	#20–171	—	—	—	—	—	—	—	97	—	97	56	84	89	91	—	—	—	—	—	—	—	61
27	gemini-3-flash-preview	Google DeepMind	—	$0.50 / $3	72.3 78.4Clasat 72.3 = (11 × 78.4 + 3 × 50) ÷ 14. 78.4 este percentila medie pe cele 11 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	70–74	82	11/22	#27–99	—	—	—	—	—	—	—	79	82	81	88	55	—	75	89	—	—	—	99	100	97	18
28	Kimi K3 (Max)	moonshot	iun. 2026	$0.30 / $11.94	72.2 79.6Clasat 72.2 = (9 × 79.6 + 3 × 50) ÷ 12. 79.6 este percentila medie pe cele 9 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	70–75	40	9/22	#10–39	96	92	—	86	—	—	56	92	85	—	70	67	—	72	—	—	—	—	—	—	—	—
29	mimo-v2.6-pro	xiaomi	sept. 2026	$0.43 / $0.87	71.3 84.1Clasat 71.3 = (5 × 84.1 + 3 × 50) ÷ 8. 84.1 este percentila medie pe cele 5 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	66–74	29	5/22	#18–64	94	88	67	95	—	—	76	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—
30	Gemini 3.7 Flash (High)	google	oct. 2026	$0.75 / $3.75	70.9 77.2Clasat 70.9 = (10 × 77.2 + 3 × 50) ÷ 13. 77.2 este percentila medie pe cele 10 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	68–74	93	10/22	#9–57	97	81	97	90	—	—	42	98	85	—	89	89	—	—	—	—	—	4	—	—	—	—
31	deepseek-v4.1-flash-max	deepseek	oct. 2026	$0.15 / $0.60	70.9 77.8Clasat 70.9 = (9 × 77.8 + 3 × 50) ÷ 12. 77.8 este percentila medie pe cele 9 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	68–74	43	9/22	#23–31	92	86	75	85	—	—	65	81	89	—	49	80	—	—	—	—	—	—	—	—	—	—
32	Muse Spark 1.3 (Max)	meta	sept. 2026	$1.25 / $4.25	70.4 78.1Clasat 70.4 = (8 × 78.1 + 3 × 50) ÷ 11. 78.1 este percentila medie pe cele 8 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	63–75	81	8/22	#13–33	98	93	94	92	—	63	75	—	93	—	—	—	—	—	—	—	—	17	—	—	—	—
33	claude-4-opus-20250514-thinking-32k	Anthropic	mai 2025	$15 / $75	70.4 82.7Clasat 70.4 = (5 × 82.7 + 3 × 50) ÷ 8. 82.7 este percentila medie pe cele 5 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	—	38	5/22	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	99	—	88	—	97	67	62	—
34	MiniMax-M2.1	minimax	dec. 2025	$0.30 / $1.20	70.3 90.5Clasat 70.3 = (3 × 90.5 + 3 × 50) ÷ 6. 90.5 este percentila medie pe cele 3 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	—	17	3/22	#34–201	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	99	92	81	—
35	kimi-k2-thinking	Moonshot AI	nov. 2025	$0.60 / $2.50	69.9 84.8Clasat 69.9 = (4 × 84.8 + 3 × 50) ÷ 7. 84.8 este percentila medie pe cele 4 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.	—	21	4/22	#35–209	—	—	—	—	—	—	—	—	—	—	—	—	—	—	75	—	—	—	90	96	79	—

Mixul este contractat după acoperire; scorul compus brut apare gri lângă el · O insignă „redusă” înseamnă că mai puțin de 3 clasamente au evaluat acest model

gpt-6.1-sol-max

Claude Fable 5.1 (Max)

Claude Opus 5.5 (High)

Puținele lucruri din AI și cuantic care au contat cu adevărat săptămâna asta — rezumate cinstit.