AI BENCHY

AI বেঞ্চমার্ক লিডারবোর্ড

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

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-06-04 মূল্যায়িত মডেল: 163

163/163

র‍্যাঙ্ক	মডেল	স্কোর	কোম্পানি	মোট খরচ	প্রতিক্রিয়া সময় (গড়)
#12#12	Gemini 3.1 Flash Lite Previewhigh	8.6	Google	$2.310	68.14s
মডেল কার্ড দেখুন মোট টেস্ট 16 ভুল টেস্ট 3 নির্ভরযোগ্যতা প্রযোজ্য নয় প্রতি চেষ্টায় পাস রেট 81.3% অস্থির টেস্ট 0 ইনপুট টোকেন 28,980 আউটপুট টোকেন 1,283 রিজনিং টোকেন 1,533,310 প্রতিক্রিয়া সময় (গড়) 68.14s প্রতিক্রিয়া সময় (মোট) 1090.28s প্রতিক্রিয়া সময় (সর্বোচ্চ) 280.52s ভুল উত্তর: 2 নির্দেশনা অনুসরণ করা হয়নি: 1 অ্যান্টি-এআই কৌশল : 10.0 সমন্বিত : 10.0 ডেটা পার্সিং ও নিষ্কাশন : 10.0 ডোমেইন-নির্দিষ্ট : 5.3 Sadharon Buddhimotta : 10.0 নির্দেশনা অনুসরণ : 9.8 ধাঁধা সমাধান : 7.7 টুল কলিং : 10.0
#13#13	Grok 4.20 Betamedium	8.5	X AI	$0.750 ↑	9.75s
মডেল কার্ড দেখুন মোট টেস্ট 18 ভুল টেস্ট 4 নির্ভরযোগ্যতা প্রযোজ্য নয় প্রতি চেষ্টায় পাস রেট 81.5% অস্থির টেস্ট 1 ইনপুট টোকেন 35,955 আউটপুট টোকেন 1,647 রিজনিং টোকেন 91,565 প্রতিক্রিয়া সময় (গড়) 9.75s প্রতিক্রিয়া সময় (মোট) 175.48s প্রতিক্রিয়া সময় (সর্বোচ্চ) 31.36s ভুল উত্তর: 3 নির্দেশনা অনুসরণ করা হয়নি: 1 অ্যান্টি-এআই কৌশল : 8.7 কোডিং : 10.0 সমন্বিত : 10.0 ডেটা পার্সিং ও নিষ্কাশন : 10.0 ডোমেইন-নির্দিষ্ট : 5.3 Sadharon Buddhimotta : 10.0 নির্দেশনা অনুসরণ : 9.8 ধাঁধা সমাধান : 10.0 টুল কলিং : 3.0
#35#35	Gemini 3 PRO Previewmedium	7.6	Google	$0.385 ↑	9.05s
মডেল কার্ড দেখুন মোট টেস্ট 21 ভুল টেস্ট 7 নির্ভরযোগ্যতা প্রযোজ্য নয় প্রতি চেষ্টায় পাস রেট 66.7% অস্থির টেস্ট 0 ইনপুট টোকেন 28,848 আউটপুট টোকেন 1,490 রিজনিং টোকেন 10,102 প্রতিক্রিয়া সময় (গড়) 9.05s প্রতিক্রিয়া সময় (মোট) 90.53s প্রতিক্রিয়া সময় (সর্বোচ্চ) 26.24s API ত্রুটি: 4 ভুল উত্তর: 3 অ্যান্টি-এআই কৌশল : 10.0 কোডিং : 3.0 সমন্বিত : 3.0 ডেটা পার্সিং ও নিষ্কাশন : 10.0 ডোমেইন-নির্দিষ্ট : 5.3 Sadharon Buddhimotta : 10.0 নির্দেশনা অনুসরণ : 9.8 ধাঁধা সমাধান : 10.0 টুল কলিং : 10.0 সাধারণ জ্ঞান : 3.0
#79#79	Hunter Alphamedium	6.7	OpenRouter	$0.000	10.33s
মডেল কার্ড দেখুন মোট টেস্ট 18 ভুল টেস্ট 10 নির্ভরযোগ্যতা প্রযোজ্য নয় প্রতি চেষ্টায় পাস রেট 64.8% অস্থির টেস্ট 6 ইনপুট টোকেন 28,927 আউটপুট টোকেন 4,682 রিজনিং টোকেন 17,969 প্রতিক্রিয়া সময় (গড়) 10.33s প্রতিক্রিয়া সময় (মোট) 175.58s প্রতিক্রিয়া সময় (সর্বোচ্চ) 30.53s ভুল উত্তর: 4 নির্দেশনা অনুসরণ করা হয়নি: 2 টাইমআউট: 2 API ত্রুটি: 1 অতিরিক্ত ফরম্যাটিং: 1 অ্যান্টি-এআই কৌশল : 7.3 কোডিং : 3.0 সমন্বিত : 4.7 ডেটা পার্সিং ও নিষ্কাশন : 10.0 ডোমেইন-নির্দিষ্ট : 3.0 Sadharon Buddhimotta : 7.0 নির্দেশনা অনুসরণ : 9.9 ধাঁধা সমাধান : 6.1 টুল কলিং : 10.0
#84#84	Grok 4.20 Multi Agent Betamedium	6.6	X AI	$5.599 ↑	9.69s
মডেল কার্ড দেখুন মোট টেস্ট 18 ভুল টেস্ট 10 নির্ভরযোগ্যতা প্রযোজ্য নয় প্রতি চেষ্টায় পাস রেট 59.3% অস্থির টেস্ট 5 ইনপুট টোকেন 721,952 আউটপুট টোকেন 294,668 রিজনিং টোকেন 305,374 প্রতিক্রিয়া সময় (গড়) 9.69s প্রতিক্রিয়া সময় (মোট) 155.07s প্রতিক্রিয়া সময় (সর্বোচ্চ) 35.28s ভুল উত্তর: 4 API ত্রুটি: 2 অতিরিক্ত ফরম্যাটিং: 2 নির্দেশনা অনুসরণ করা হয়নি: 2 অ্যান্টি-এআই কৌশল : 6.9 কোডিং : 10.0 সমন্বিত : 3.0 ডেটা পার্সিং ও নিষ্কাশন : 10.0 ডোমেইন-নির্দিষ্ট : 2.9 Sadharon Buddhimotta : 5.8 নির্দেশনা অনুসরণ : 9.8 ধাঁধা সমাধান : 6.7 টুল কলিং : 3.0
#93#93	Qwen3.6 Plus Previewmedium	6.3	Qwen	$0.000	15.25s
মডেল কার্ড দেখুন মোট টেস্ট 19 ভুল টেস্ট 10 নির্ভরযোগ্যতা প্রযোজ্য নয় প্রতি চেষ্টায় পাস রেট 47.4% অস্থির টেস্ট 0 ইনপুট টোকেন 32,639 আউটপুট টোকেন 1,153 রিজনিং টোকেন 62,197 প্রতিক্রিয়া সময় (গড়) 15.25s প্রতিক্রিয়া সময় (মোট) 182.96s প্রতিক্রিয়া সময় (সর্বোচ্চ) 43.55s API ত্রুটি: 8 ভুল উত্তর: 2 অ্যান্টি-এআই কৌশল : 8.3 কোডিং : 3.0 সমন্বিত : 10.0 ডেটা পার্সিং ও নিষ্কাশন : 10.0 ডোমেইন-নির্দিষ্ট : 3.0 Sadharon Buddhimotta : 3.0 নির্দেশনা অনুসরণ : 6.5 ধাঁধা সমাধান : 5.3 টুল কলিং : 10.0 সাধারণ জ্ঞান : 3.0
#106#106	Grok 4.20 Betanone	5.8	X AI	$0.087 ↓	1.19s
মডেল কার্ড দেখুন মোট টেস্ট 18 ভুল টেস্ট 12 নির্ভরযোগ্যতা প্রযোজ্য নয় প্রতি চেষ্টায় পাস রেট 37.0% অস্থির টেস্ট 1 ইনপুট টোকেন 40,597 আউটপুট টোকেন 1,657 রিজনিং টোকেন 0 প্রতিক্রিয়া সময় (গড়) 1.19s প্রতিক্রিয়া সময় (মোট) 21.43s প্রতিক্রিয়া সময় (সর্বোচ্চ) 6.48s ভুল উত্তর: 10 নির্দেশনা অনুসরণ করা হয়নি: 1 অবৈধ টুল কল: 1 অ্যান্টি-এআই কৌশল : 4.0 কোডিং : 5.5 সমন্বিত : 3.0 ডেটা পার্সিং ও নিষ্কাশন : 10.0 ডোমেইন-নির্দিষ্ট : 3.0 Sadharon Buddhimotta : 5.0 নির্দেশনা অনুসরণ : 6.3 ধাঁধা সমাধান : 7.7 টুল কলিং : 10.0
#116#116	Hunter Alphanone	5.7	OpenRouter	$0.000	4.70s
মডেল কার্ড দেখুন মোট টেস্ট 18 ভুল টেস্ট 12 নির্ভরযোগ্যতা প্রযোজ্য নয় প্রতি চেষ্টায় পাস রেট 46.3% অস্থির টেস্ট 4 ইনপুট টোকেন 34,329 আউটপুট টোকেন 2,264 রিজনিং টোকেন 0 প্রতিক্রিয়া সময় (গড়) 4.70s প্রতিক্রিয়া সময় (মোট) 79.86s প্রতিক্রিয়া সময় (সর্বোচ্চ) 15.17s ভুল উত্তর: 9 নির্দেশনা অনুসরণ করা হয়নি: 2 API ত্রুটি: 1 অ্যান্টি-এআই কৌশল : 3.5 কোডিং : 3.0 সমন্বিত : 3.0 ডেটা পার্সিং ও নিষ্কাশন : 10.0 ডোমেইন-নির্দিষ্ট : 5.3 Sadharon Buddhimotta : 6.1 নির্দেশনা অনুসরণ : 6.4 ধাঁধা সমাধান : 5.8 টুল কলিং : 10.0
#127#127	Grok 4.20none	5.4	X AI	$0.057 ↓	1.11s
মডেল কার্ড দেখুন মোট টেস্ট 18 ভুল টেস্ট 12 নির্ভরযোগ্যতা প্রযোজ্য নয় প্রতি চেষ্টায় পাস রেট 33.3% অস্থির টেস্ট 0 ইনপুট টোকেন 41,313 আউটপুট টোকেন 1,923 রিজনিং টোকেন 0 প্রতিক্রিয়া সময় (গড়) 1.11s প্রতিক্রিয়া সময় (মোট) 19.96s প্রতিক্রিয়া সময় (সর্বোচ্চ) 6.04s ভুল উত্তর: 10 অতিরিক্ত ফরম্যাটিং: 1 অবৈধ টুল কল: 1 অ্যান্টি-এআই কৌশল : 4.8 কোডিং : 3.4 সমন্বিত : 3.0 ডেটা পার্সিং ও নিষ্কাশন : 10.0 ডোমেইন-নির্দিষ্ট : 3.0 Sadharon Buddhimotta : 4.8 নির্দেশনা অনুসরণ : 6.3 ধাঁধা সমাধান : 5.3 টুল কলিং : 10.0
#136#136	Elephant Alphamedium	5.1	Openrouter	$0.000	1.27s
মডেল কার্ড দেখুন মোট টেস্ট 21 ভুল টেস্ট 15 নির্ভরযোগ্যতা প্রযোজ্য নয় প্রতি চেষ্টায় পাস রেট 30.2% অস্থির টেস্ট 1 ইনপুট টোকেন 33,744 আউটপুট টোকেন 2,596 রিজনিং টোকেন 0 প্রতিক্রিয়া সময় (গড়) 1.27s প্রতিক্রিয়া সময় (মোট) 22.82s প্রতিক্রিয়া সময় (সর্বোচ্চ) 3.70s ভুল উত্তর: 9 API ত্রুটি: 3 নির্দেশনা অনুসরণ করা হয়নি: 2 অবৈধ টুল কল: 1 অ্যান্টি-এআই কৌশল : 6.6 কোডিং : 3.7 সমন্বিত : 3.0 ডেটা পার্সিং ও নিষ্কাশন : 6.5 ডোমেইন-নির্দিষ্ট : 3.0 Sadharon Buddhimotta : 4.3 নির্দেশনা অনুসরণ : 9.8 ধাঁধা সমাধান : 5.3 টুল কলিং : 3.0 সাধারণ জ্ঞান : 3.0
#137#137	Elephant Alphanone	5.1	Openrouter	$0.000	1.22s
মডেল কার্ড দেখুন মোট টেস্ট 21 ভুল টেস্ট 16 নির্ভরযোগ্যতা প্রযোজ্য নয় প্রতি চেষ্টায় পাস রেট 27.0% অস্থির টেস্ট 1 ইনপুট টোকেন 33,743 আউটপুট টোকেন 2,573 রিজনিং টোকেন 0 প্রতিক্রিয়া সময় (গড়) 1.22s প্রতিক্রিয়া সময় (মোট) 22.03s প্রতিক্রিয়া সময় (সর্বোচ্চ) 3.81s ভুল উত্তর: 9 API ত্রুটি: 3 নির্দেশনা অনুসরণ করা হয়নি: 3 অবৈধ টুল কল: 1 অ্যান্টি-এআই কৌশল : 6.6 কোডিং : 4.2 সমন্বিত : 3.0 ডেটা পার্সিং ও নিষ্কাশন : 6.5 ডোমেইন-নির্দিষ্ট : 3.0 Sadharon Buddhimotta : 4.0 নির্দেশনা অনুসরণ : 9.8 ধাঁধা সমাধান : 4.2 টুল কলিং : 3.0 সাধারণ জ্ঞান : 3.0
#159#159	Ling-2.6-1Tnone	4.3	Inclusionai	$0.005 ↕	7.72s
মডেল কার্ড দেখুন মোট টেস্ট 21 ভুল টেস্ট 18 নির্ভরযোগ্যতা প্রযোজ্য নয় প্রতি চেষ্টায় পাস রেট 14.3% অস্থির টেস্ট 0 ইনপুট টোকেন 34,905 আউটপুট টোকেন 2,434 রিজনিং টোকেন 0 প্রতিক্রিয়া সময় (গড়) 7.72s প্রতিক্রিয়া সময় (মোট) 139.00s প্রতিক্রিয়া সময় (সর্বোচ্চ) 25.72s ভুল উত্তর: 12 API ত্রুটি: 3 নির্দেশনা অনুসরণ করা হয়নি: 2 অবৈধ টুল কল: 1 অ্যান্টি-এআই কৌশল : 3.4 কোডিং : 3.8 সমন্বিত : 3.0 ডেটা পার্সিং ও নিষ্কাশন : 10.0 ডোমেইন-নির্দিষ্ট : 3.0 Sadharon Buddhimotta : 5.0 নির্দেশনা অনুসরণ : 6.4 ধাঁধা সমাধান : 3.1 টুল কলিং : 3.0 সাধারণ জ্ঞান : 3.0
#160#160	LFM2-24B-A2Bnone	4.2	Liquid	$0.001	782ms
মডেল কার্ড দেখুন মোট টেস্ট 16 ভুল টেস্ট 14 নির্ভরযোগ্যতা প্রযোজ্য নয় প্রতি চেষ্টায় পাস রেট 16.7% অস্থির টেস্ট 1 ইনপুট টোকেন 10,771 আউটপুট টোকেন 1,173 রিজনিং টোকেন 0 প্রতিক্রিয়া সময় (গড়) 782ms প্রতিক্রিয়া সময় (মোট) 10.94s প্রতিক্রিয়া সময় (সর্বোচ্চ) 3.15s ভুল উত্তর: 9 API ত্রুটি: 4 নির্দেশনা অনুসরণ করা হয়নি: 1 অ্যান্টি-এআই কৌশল : 3.3 সমন্বিত : 3.0 ডেটা পার্সিং ও নিষ্কাশন : 3.0 ডোমেইন-নির্দিষ্ট : 5.9 Sadharon Buddhimotta : 4.0 নির্দেশনা অনুসরণ : 6.3 ধাঁধা সমাধান : 3.8 টুল কলিং : 3.0

←

1 2 3 4 5 6

দ্রুত তুলনা

AI বেঞ্চমার্ক লিডারবোর্ড

মডেল ফিল্টার করুন

দ্রুত তুলনা