AI Benchy লিডারবোর্ড

Name: AI BENCHY মডেল বেঞ্চমার্ক ফলাফল
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-09-02 মূল্যায়িত মডেল: 305

সুপারিশকৃত মডেল

GPT-5.6 Sol high বুদ্ধিমান প্রতি চেষ্টায় পাস রেট 89.4% সঠিক টেস্ট 18 / 22 স্কোর 9.4/10 GPT-5.6 Luna medium দ্রুত প্রতিক্রিয়া সময় (গড়) 7.43s মোট আউটপুট টোকেন 44,525 স্কোর 7.4/10 DeepSeek V4 Flash 0731 high সাশ্রয়ী ইনপুট মূল্য $0.065 / 1M আউটপুট মূল্য $0.180 / 1M স্কোর 8.0/10

305/305

র‍্যাঙ্ক	মডেল	স্কোর	কোম্পানি	মোট খরচ	প্রতিক্রিয়া সময় (গড়)
#24#24	Seed 2.1 Turbohigh	8.9	Bytedance Seed	$1.797	173.96s
মডেল কার্ড দেখুন মোট টেস্ট 22 ভুল টেস্ট 6 নির্ভরযোগ্যতা 10.0 প্রতি চেষ্টায় পাস রেট 78.8% অস্থির টেস্ট 3 ইনপুট টোকেন 104,695 আউটপুট টোকেন 6,645 রিজনিং টোকেন 691,086 প্রতিক্রিয়া সময় (গড়) 173.96s প্রতিক্রিয়া সময় (মোট) 3827.19s প্রতিক্রিয়া সময় (সর্বোচ্চ) 584.71s ভুল উত্তর: 4 নির্দেশনা অনুসরণ করা হয়নি: 1 কোন উত্তর নেই: 1 অ্যান্টি-এআই কৌশল : 8.2 কোডিং : 10.0 সমন্বিত : 10.0 ডেটা পার্সিং ও নিষ্কাশন : 10.0 ডোমেইন-নির্দিষ্ট : 2.9 Sadharon Buddhimotta : 6.5 নির্দেশনা অনুসরণ : 9.8 ধাঁধা সমাধান : 10.0 টুল কলিং : 10.0 সাধারণ জ্ঞান : 3.0
#196#196	Step 3.5 Flashmedium	5.9	Stepfun	$0.132 ↑	191.63s
মডেল কার্ড দেখুন মোট টেস্ট 21 ভুল টেস্ট 11 নির্ভরযোগ্যতা 10.0 প্রতি চেষ্টায় পাস রেট 50.0% অস্থির টেস্ট 2 ইনপুট টোকেন 65,716 আউটপুট টোকেন 189,424 রিজনিং টোকেন 379,112 প্রতিক্রিয়া সময় (গড়) 191.63s প্রতিক্রিয়া সময় (মোট) 3066.07s প্রতিক্রিয়া সময় (সর্বোচ্চ) 1597.85s ভুল উত্তর: 5 নির্দেশনা অনুসরণ করা হয়নি: 3 API ত্রুটি: 1 কোন উত্তর নেই: 1 টাইমআউট: 1 অ্যান্টি-এআই কৌশল : 10.0 কোডিং : 2.4 সমন্বিত : 6.5 ডেটা পার্সিং ও নিষ্কাশন : 10.0 ডোমেইন-নির্দিষ্ট : 3.5 Sadharon Buddhimotta : 5.5 নির্দেশনা অনুসরণ : 8.3 ধাঁধা সমাধান : 5.3 টুল কলিং : 10.0 সাধারণ জ্ঞান : 3.0
#45#45	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
মডেল কার্ড দেখুন মোট টেস্ট 22 ভুল টেস্ট 7 নির্ভরযোগ্যতা 10.0 প্রতি চেষ্টায় পাস রেট 78.8% অস্থির টেস্ট 5 ইনপুট টোকেন 104,433 আউটপুট টোকেন 6,511 রিজনিং টোকেন 752,680 প্রতিক্রিয়া সময় (গড়) 193.59s প্রতিক্রিয়া সময় (মোট) 4258.98s প্রতিক্রিয়া সময় (সর্বোচ্চ) 885.33s ভুল উত্তর: 5 নির্দেশনা অনুসরণ করা হয়নি: 1 কোন উত্তর নেই: 1 অ্যান্টি-এআই কৌশল : 8.2 কোডিং : 8.2 সমন্বিত : 10.0 ডেটা পার্সিং ও নিষ্কাশন : 10.0 ডোমেইন-নির্দিষ্ট : 2.9 Sadharon Buddhimotta : 6.1 নির্দেশনা অনুসরণ : 9.8 ধাঁধা সমাধান : 9.9 টুল কলিং : 10.0 সাধারণ জ্ঞান : 3.0
#222#222	Hy4 previewlow	5.6	Tencent	$1.745	214.25s
মডেল কার্ড দেখুন মোট টেস্ট 22 ভুল টেস্ট 19 নির্ভরযোগ্যতা 5.4 প্রতি চেষ্টায় পাস রেট 19.7% অস্থির টেস্ট 3 ইনপুট টোকেন 45,154 আউটপুট টোকেন 4,022 রিজনিং টোকেন 678,516 প্রতিক্রিয়া সময় (গড়) 214.25s প্রতিক্রিয়া সময় (মোট) 4713.56s প্রতিক্রিয়া সময় (সর্বোচ্চ) 597.45s API ত্রুটি: 14 ভুল উত্তর: 3 নির্দেশনা অনুসরণ করা হয়নি: 1 কোন উত্তর নেই: 1 অ্যান্টি-এআই কৌশল : 6.0 কোডিং : 5.2 সমন্বিত : 2.9 ডেটা পার্সিং ও নিষ্কাশন : 8.7 ডোমেইন-নির্দিষ্ট : 4.5 Sadharon Buddhimotta : 7.5 নির্দেশনা অনুসরণ : 9.8 ধাঁধা সমাধান : 5.3 টুল কলিং : 3.0 সাধারণ জ্ঞান : 3.0
#276#276	Granite 4.2 8Bhigh	4.6	IBM Granite	$0.084	235.89s
মডেল কার্ড দেখুন মোট টেস্ট 22 ভুল টেস্ট 18 নির্ভরযোগ্যতা 7.6 প্রতি চেষ্টায় পাস রেট 39.4% অস্থির টেস্ট 10 ইনপুট টোকেন 43,278 আউটপুট টোকেন 181,083 রিজনিং টোকেন 431,132 প্রতিক্রিয়া সময় (গড়) 235.89s প্রতিক্রিয়া সময় (মোট) 5189.64s প্রতিক্রিয়া সময় (সর্বোচ্চ) 685.87s টাইমআউট: 10 ভুল উত্তর: 6 অবৈধ টুল কল: 1 কোন উত্তর নেই: 1 অ্যান্টি-এআই কৌশল : 6.9 কোডিং : 3.8 সমন্বিত : 5.0 ডেটা পার্সিং ও নিষ্কাশন : 3.8 ডোমেইন-নির্দিষ্ট : 2.9 Sadharon Buddhimotta : 5.5 নির্দেশনা অনুসরণ : 6.4 ধাঁধা সমাধান : 2.9 টুল কলিং : 10.0 সাধারণ জ্ঞান : 3.0

←

1 12 13

বিশ্বব্যাপী বেঞ্চমার্ক প্রবণতা

বর্তমান মডেলগুলো স্কোরের সঙ্গে খরচ, গতি, আউটপুটের দৈর্ঘ্য এবং বিভাগভিত্তিক সক্ষমতার কী ভারসাম্য করে তা দেখুন।

চার্ট →

বুদ্ধিমত্তা বনাম খরচের প্যারেটো সীমান্ত

সময়ের সঙ্গে শীর্ষ কোম্পানিগুলোর সেরা স্কোর

বুদ্ধিমত্তা বনাম সাড়া দেওয়ার গতির প্যারেটো সীমান্ত

স্কোর বনাম আউটপুট টোকেন প্যারেটো ফ্রন্টিয়ার

মডেলজুড়ে বিভাগের কঠিনতা

দ্রুত তুলনা

Gemini 3.6 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow