📡 Rapports en ligne
Lecture live du moniteur BenchVibe. Le signal de suivi du prompt permet de distinguer une vraie tentative d’un résultat hors sujet ou vide.
Dernière actualisation : 2026-05-19 18:29:07
| Benchmark | État | Santé | Progression | Suivi du prompt | Score prompt | En cours | Prochain |
|---|---|---|---|---|---|---|---|
|
dinosaure_v2
dinosaure_tests_v2_3pages
|
En cours | OK |
46 / 48
95,8% · réussite 21,7%
|
Suivi du prompt
10 suivis · 2 partiels · 0 hors sujet · 36 sans sortie
|
21,1/100 | OpenCode Qwen3.6 Plus | OpenCode Qwen3.6 Plus |
|
fsacb
fsacb
|
En pause | OK |
46 / 48
95,8% · réussite 32,6%
|
Suivi du prompt
15 suivis · 1 partiels · 0 hors sujet · 32 sans sortie
|
31,5/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
|
traduction
traduction
|
En pause | OK |
46 / 48
95,8% · réussite 0,0%
|
Aucune sortie
0 suivis · 0 partiels · 0 hors sujet · 48 sans sortie
|
0,0/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
|
todo_list
to-do-list_v1
|
En pause | OK |
46 / 48
95,8% · réussite 2,2%
|
Suivi du prompt
1 suivis · 10 partiels · 0 hors sujet · 37 sans sortie
|
14,3/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
|
page_libre
page_libre
|
En pause | OK |
46 / 48
95,8% · réussite 37,0%
|
Suivi du prompt
15 suivis · 2 partiels · 0 hors sujet · 31 sans sortie
|
31,6/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
Résumé global: 230 traités sur 240 modèles · 41 suivis · 15 tentatives réelles · 184 sans sortie
🦖 Dinosaur Tests v1 & v2
Omfattande benchmarking: 58 AI-modeller testade med djupgående kapacitetsanalys
🎯 Advanced Benchmarks
Avancerade och specialiserade tester för att utvärdera AI-modellers kapacitet
🎯 FSACB - Ultimat showcase
Avancerat🌍 Translation Benchmark
Flerspråkig📱 Practical Applications
AI-genererade applikationer för praktiska tester och funktionell utvärdering
🔬 Vetenskaplig Metodologi
Vår rigorösa approach för att utvärdera AI-modeller
Standardiserat Testprotokoll
Varje modell utvärderas enligt en rigorös och reproducerbar metodologi
📝 Kodgenerering
Statisk analys av genererad kod, enhetstester och utvärdering av algoritmisk komplexitet
🎯 Semantisk Precision
Utvärdering av svarens relevans för frågor och sammanhang
⚡ Temporär Prestanda
Mätning av svarstider, latens och belastningshanteringskapacitet
🔄 Kontextuell Koherens
Förmåga att upprätthålla sammanhang över långa konversationer och komplexa interaktioner