AI BENCHY

KI-Benchmark-Bestenliste

Name: AI BENCHY Modell-Benchmark-Ergebnisse
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-03-30 Bewertete Modelle: 78

Suchen

78/80

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#1🥇 #1	Gemini 3 Flash Previewmedium	10.0	Google	$0.166	11.39s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 0 Erfolgsquote pro Versuch: 100.0% Instabile Tests: 0 Ausgabe-Token: 1,640 Denk-Token: 48,270 Antwortzeit: Durchschn. 11.39s · Gesamt 113.86s · Max. 50.16s Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 10.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#2🥈 #2	Gemini 3.1 Pro Previewmedium	9.6	Google	$0.522	15.56s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 1 Erfolgsquote pro Versuch: 94.1% Instabile Tests: 0 Ausgabe-Token: 1,527 Denk-Token: 36,341 Antwortzeit: Durchschn. 15.56s · Gesamt 155.64s · Max. 40.61s Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Kombiniert : 9.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#3🥉 #3	Gemini 3 Flash Previewlow	8.7	Google	$0.081	5.95s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 3 Erfolgsquote pro Versuch: 84.3% Instabile Tests: 1 Ausgabe-Token: 1,592 Denk-Token: 20,556 Antwortzeit: Durchschn. 5.95s · Gesamt 101.19s · Max. 14.72s Falsche Antwort: 3 Anti-KI-Tricks : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#4#4	Gemini 3 PRO Previewmedium	8.7	Google	$0.197	9.06s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 3 Erfolgsquote pro Versuch: 82.4% Instabile Tests: 0 Ausgabe-Token: 1,508 Denk-Token: 10,084 Antwortzeit: Durchschn. 9.06s · Gesamt 90.58s · Max. 26.24s Falsche Antwort: 3 Anti-KI-Tricks : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#5#5	Seed-2.0-Litemedium	8.5	Bytedance Seed	$0.105	27.78s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 5 Erfolgsquote pro Versuch: 82.4% Instabile Tests: 3 Ausgabe-Token: 2,821 Denk-Token: 44,723 Antwortzeit: Durchschn. 27.78s · Gesamt 472.24s · Max. 168.71s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 6.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.0 Werkzeugaufrufe : 10.0
#6#6	Qwen3.6 Plus Previewmedium	8.5	Qwen	$0.000	13.94s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 4 Erfolgsquote pro Versuch: 76.5% Instabile Tests: 0 Ausgabe-Token: 1,756 Denk-Token: 77,213 Antwortzeit: Durchschn. 13.94s · Gesamt 237.01s · Max. 43.55s Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#7#7	GPT-5.3-Codexmedium	8.5	OpenAI	$0.544	15.76s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 5 Erfolgsquote pro Versuch: 82.4% Instabile Tests: 3 Ausgabe-Token: 1,788 Denk-Token: 33,649 Antwortzeit: Durchschn. 15.76s · Gesamt 267.97s · Max. 100.93s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.0 Werkzeugaufrufe : 10.0
#8#8	Gemini 3.1 Flash Lite Previewhigh	8.4	Google	$2.310	68.83s
Modellkarte anzeigen Gesamttests: 16 Falsche Tests: 4 Erfolgsquote pro Versuch: 77.1% Instabile Tests: 1 Ausgabe-Token: 1,283 Denk-Token: 1,533,310 Antwortzeit: Durchschn. 68.83s · Gesamt 1101.32s · Max. 280.52s Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#9#9	Qwen3.5 Plus 2026-02-15medium	8.4	Qwen	$0.189	39.13s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 4 Erfolgsquote pro Versuch: 82.4% Instabile Tests: 2 Ausgabe-Token: 1,754 Denk-Token: 92,522 Antwortzeit: Durchschn. 39.13s · Gesamt 391.29s · Max. 81.20s Zeitüberschreitung: 2 Falsche Antwort: 2 Anti-KI-Tricks : 8.2 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#10#10	Qwen3.5-122B-A10Bmedium	8.4	Qwen	$0.505	29.05s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 4 Erfolgsquote pro Versuch: 80.4% Instabile Tests: 2 Ausgabe-Token: 17,313 Denk-Token: 151,974 Antwortzeit: Durchschn. 29.05s · Gesamt 493.86s · Max. 119.29s Falsche Antwort: 3 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#11#11	Qwen3.5-27Bmedium	8.3	Qwen	$0.467	52.01s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 5 Erfolgsquote pro Versuch: 80.4% Instabile Tests: 3 Ausgabe-Token: 2,125 Denk-Token: 223,335 Antwortzeit: Durchschn. 52.01s · Gesamt 884.10s · Max. 163.96s Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Zeitüberschreitung: 1 Falsche Antwort: 1 Anti-KI-Tricks : 8.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0
#12#12	GLM 5medium	8.3	Z.ai	$0.108	17.15s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 5 Erfolgsquote pro Versuch: 84.3% Instabile Tests: 4 Ausgabe-Token: 19,833 Denk-Token: 38,523 Antwortzeit: Durchschn. 17.15s · Gesamt 154.32s · Max. 28.96s Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#13#13	DeepSeek V3.2medium	8.2	DeepSeek	$0.026	38.49s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 5 Erfolgsquote pro Versuch: 80.4% Instabile Tests: 3 Ausgabe-Token: 9,994 Denk-Token: 41,719 Antwortzeit: Durchschn. 38.49s · Gesamt 654.41s · Max. 93.11s Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.4 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0
#14#14	Gemini 2.5 Flashmedium	8.1	Google	$0.292	11.88s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 5 Erfolgsquote pro Versuch: 74.5% Instabile Tests: 1 Ausgabe-Token: 1,376 Denk-Token: 111,923 Antwortzeit: Durchschn. 11.88s · Gesamt 201.89s · Max. 95.48s Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.4 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#15#15	Gemini 3.1 Flash Lite Previewmedium	8.1	Google	$0.050	3.70s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 5 Erfolgsquote pro Versuch: 70.6% Instabile Tests: 0 Ausgabe-Token: 1,737 Denk-Token: 26,346 Antwortzeit: Durchschn. 3.70s · Gesamt 62.97s · Max. 14.93s Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 9.1 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#16#16	GPT-5.4medium	8.1	OpenAI	$0.794	18.95s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 5 Erfolgsquote pro Versuch: 78.4% Instabile Tests: 3 Ausgabe-Token: 1,780 Denk-Token: 46,687 Antwortzeit: Durchschn. 18.95s · Gesamt 322.23s · Max. 100.41s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0
#17#17	GLM 5 Turbomedium	8.0	Z.ai	$0.166	17.98s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 6 Erfolgsquote pro Versuch: 76.5% Instabile Tests: 5 Ausgabe-Token: 11,865 Denk-Token: 35,632 Antwortzeit: Durchschn. 17.98s · Gesamt 305.72s · Max. 194.23s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.3 Werkzeugaufrufe : 10.0
#18#18	Gemini 3.1 Flash Lite Previewlow	8.0	Google	$0.021	3.28s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 5 Erfolgsquote pro Versuch: 70.6% Instabile Tests: 0 Ausgabe-Token: 1,617 Denk-Token: 7,686 Antwortzeit: Durchschn. 3.28s · Gesamt 55.80s · Max. 11.91s Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#19#19	Gemini 3 Flash Previewnone	8.0	Google	$0.019	1.66s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 5 Erfolgsquote pro Versuch: 76.5% Instabile Tests: 2 Ausgabe-Token: 1,417 Denk-Token: 0 Antwortzeit: Durchschn. 1.66s · Gesamt 16.61s · Max. 3.56s Falsche Antwort: 5 Anti-KI-Tricks : 8.3 Kombiniert : 4.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#20#20	Qwen3.5-Flashmedium	8.0	Qwen	$0.076	67.96s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 6 Erfolgsquote pro Versuch: 82.4% Instabile Tests: 5 Ausgabe-Token: 1,827 Denk-Token: 179,299 Antwortzeit: Durchschn. 67.96s · Gesamt 1155.28s · Max. 234.29s Zeitüberschreitung: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0
#21#21	MiMo-V2-Promedium	8.0	Xiaomi	$0.123	9.78s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 6 Erfolgsquote pro Versuch: 76.5% Instabile Tests: 3 Ausgabe-Token: 1,875 Denk-Token: 26,959 Antwortzeit: Durchschn. 9.78s · Gesamt 156.45s · Max. 64.71s Falsche Antwort: 3 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Kombiniert : 4.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.0 Werkzeugaufrufe : 10.0
#22#22	Claude Sonnet 4.6medium	7.9	Anthropic	$1.024	10.09s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 5 Erfolgsquote pro Versuch: 72.6% Instabile Tests: 1 Ausgabe-Token: 35,174 Denk-Token: 24,687 Antwortzeit: Durchschn. 10.09s · Gesamt 90.85s · Max. 46.35s Zusätzliche Formatierung: 2 Falsche Antwort: 2 Zeitüberschreitung: 1 Anti-KI-Tricks : 6.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#23#23	MiMo-V2-Omnimedium	7.9	Xiaomi	$0.084	13.71s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 6 Erfolgsquote pro Versuch: 64.7% Instabile Tests: 0 Ausgabe-Token: 663 Denk-Token: 39,001 Antwortzeit: Durchschn. 13.71s · Gesamt 233.06s · Max. 158.78s Anweisungen nicht befolgt: 2 Falsche Antwort: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 8.3 Rätsellösen : 6.5 Werkzeugaufrufe : 10.0
#24#24	Grok 4.20 Betamedium	7.9	X AI	$0.608	8.54s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 6 Erfolgsquote pro Versuch: 72.6% Instabile Tests: 2 Ausgabe-Token: 1,487 Denk-Token: 87,922 Antwortzeit: Durchschn. 8.54s · Gesamt 145.26s · Max. 24.21s Anweisungen nicht befolgt: 3 Falsche Antwort: 3 Anti-KI-Tricks : 8.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 8.3 Rätsellösen : 8.2 Werkzeugaufrufe : 3.0
#25#25	Step 3.5 Flashmedium	7.9	Stepfun	$0.000	26.78s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 6 Erfolgsquote pro Versuch: 70.6% Instabile Tests: 2 Ausgabe-Token: 71,904 Denk-Token: 155,607 Antwortzeit: Durchschn. 26.78s · Gesamt 294.58s · Max. 170.45s Anweisungen nicht befolgt: 3 Falsche Antwort: 3 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0
#26#26	Gemini 3.1 Flash Lite Previewnone	7.8	Google	$0.015	1.29s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 6 Erfolgsquote pro Versuch: 68.6% Instabile Tests: 1 Ausgabe-Token: 4,721 Denk-Token: 0 Antwortzeit: Durchschn. 1.29s · Gesamt 21.95s · Max. 3.39s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 7.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#27#27	GPT-5.2 Chatnone	7.8	OpenAI	$0.271	6.72s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 6 Erfolgsquote pro Versuch: 74.5% Instabile Tests: 3 Ausgabe-Token: 16,001 Denk-Token: 0 Antwortzeit: Durchschn. 6.72s · Gesamt 114.20s · Max. 38.52s Falsche Antwort: 5 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 7.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#28#28	MiMo-V2-Flashmedium	7.6	Xiaomi	$0.037	24.30s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 6 Erfolgsquote pro Versuch: 70.6% Instabile Tests: 2 Ausgabe-Token: 11,959 Denk-Token: 111,534 Antwortzeit: Durchschn. 24.30s · Gesamt 267.31s · Max. 96.01s Falsche Antwort: 3 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.1 Kombiniert : 9.8 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#29#29	GPT-5.3 Chatnone	7.6	OpenAI	$0.318	5.68s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 7 Erfolgsquote pro Versuch: 66.7% Instabile Tests: 3 Ausgabe-Token: 19,348 Denk-Token: 0 Antwortzeit: Durchschn. 5.68s · Gesamt 96.58s · Max. 18.33s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 6.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 8.3 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#30#30	Claude Opus 4.6medium	7.5	Anthropic	$1.317	20.87s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 6 Erfolgsquote pro Versuch: 68.6% Instabile Tests: 2 Ausgabe-Token: 26,343 Denk-Token: 17,434 Antwortzeit: Durchschn. 20.87s · Gesamt 208.73s · Max. 83.40s Zusätzliche Formatierung: 4 Falsche Antwort: 2 Anti-KI-Tricks : 6.4 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#31#31	GPT-5.4 Nanomedium	7.4	OpenAI	$0.077	11.08s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 7 Erfolgsquote pro Versuch: 66.7% Instabile Tests: 2 Ausgabe-Token: 2,474 Denk-Token: 54,516 Antwortzeit: Durchschn. 11.08s · Gesamt 188.39s · Max. 94.06s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 8.3 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 4.0 Werkzeugaufrufe : 10.0
#32#32	Seed-2.0-Minimedium	7.3	Bytedance Seed	$0.029	60.58s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 7 Erfolgsquote pro Versuch: 64.7% Instabile Tests: 2 Ausgabe-Token: 1,971 Denk-Token: 58,624 Antwortzeit: Durchschn. 60.58s · Gesamt 848.16s · Max. 262.83s Zeitüberschreitung: 4 Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0
#33#33	GPT-5.2medium	7.3	OpenAI	$0.314	13.93s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 7 Erfolgsquote pro Versuch: 70.6% Instabile Tests: 4 Ausgabe-Token: 2,238 Denk-Token: 16,811 Antwortzeit: Durchschn. 13.93s · Gesamt 139.29s · Max. 77.80s Anweisungen nicht befolgt: 3 Falsche Antwort: 2 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 6.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 3.7 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 4.7
#34#34	Qwen3.5-35B-A3Bmedium	7.3	Qwen	$0.349	42.48s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 8 Erfolgsquote pro Versuch: 78.4% Instabile Tests: 7 Ausgabe-Token: 5,864 Denk-Token: 175,683 Antwortzeit: Durchschn. 42.48s · Gesamt 722.12s · Max. 106.00s Zeitüberschreitung: 4 Falsche Antwort: 2 API-Fehler: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Kombiniert : 4.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 2.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0
#35#35	Claude Sonnet 4.6none	7.3	Anthropic	$0.252	5.12s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 7 Erfolgsquote pro Versuch: 62.8% Instabile Tests: 1 Ausgabe-Token: 6,910 Denk-Token: 0 Antwortzeit: Durchschn. 5.12s · Gesamt 51.16s · Max. 23.84s Zusätzliche Formatierung: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.8 Kombiniert : 9.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 6.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#36#36	Kimi K2.5medium	7.2	Moonshot AI	$0.201	64.59s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 8 Erfolgsquote pro Versuch: 72.6% Instabile Tests: 6 Ausgabe-Token: 40,907 Denk-Token: 75,121 Antwortzeit: Durchschn. 64.59s · Gesamt 645.93s · Max. 137.29s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 7.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0
#37#37	GPT-5.4 Minimedium	7.1	OpenAI	$0.289	15.66s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 9 Erfolgsquote pro Versuch: 68.6% Instabile Tests: 6 Ausgabe-Token: 1,708 Denk-Token: 58,019 Antwortzeit: Durchschn. 15.66s · Gesamt 266.14s · Max. 102.91s Anweisungen nicht befolgt: 5 Falsche Antwort: 4 Anti-KI-Tricks : 8.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 7.4 Rätsellösen : 6.8 Werkzeugaufrufe : 4.7
#38#38	Hunter Alphamedium	7.0	Openrouter	$0.000	10.33s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 9 Erfolgsquote pro Versuch: 68.6% Instabile Tests: 6 Ausgabe-Token: 4,724 Denk-Token: 17,921 Antwortzeit: Durchschn. 10.33s · Gesamt 175.60s · Max. 30.53s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 2 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 7.3 Kombiniert : 4.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 7.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.1 Werkzeugaufrufe : 10.0
#39#39	Grok 4.1 Fastmedium	6.9	X AI	$0.052	23.91s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 8 Erfolgsquote pro Versuch: 66.7% Instabile Tests: 5 Ausgabe-Token: 1,189 Denk-Token: 84,595 Antwortzeit: Durchschn. 23.91s · Gesamt 239.09s · Max. 121.79s Anweisungen nicht befolgt: 3 Falsche Antwort: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.8 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.6 Rätsellösen : 5.3 Werkzeugaufrufe : 2.8
#40#40	Nemotron 3 Supermedium	6.9	NVIDIA	$0.000	19.06s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 8 Erfolgsquote pro Versuch: 58.8% Instabile Tests: 3 Ausgabe-Token: 11,947 Denk-Token: 29,768 Antwortzeit: Durchschn. 19.06s · Gesamt 305.04s · Max. 87.80s Anweisungen nicht befolgt: 4 Falsche Antwort: 3 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 7.2 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0
#41#41	GPT-5 Minimedium	6.8	OpenAI	$0.118	24.02s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 9 Erfolgsquote pro Versuch: 58.8% Instabile Tests: 3 Ausgabe-Token: 5,896 Denk-Token: 49,322 Antwortzeit: Durchschn. 24.02s · Gesamt 408.39s · Max. 88.15s Anweisungen nicht befolgt: 4 Falsche Antwort: 4 Zeitüberschreitung: 1 Anti-KI-Tricks : 7.1 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 8.0 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0
#42#42	Qwen3.5 Plus 2026-02-15none	6.8	Qwen	$0.016	2.51s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 8 Erfolgsquote pro Versuch: 54.9% Instabile Tests: 1 Ausgabe-Token: 2,018 Denk-Token: 0 Antwortzeit: Durchschn. 2.51s · Gesamt 27.60s · Max. 6.65s Falsche Antwort: 8 Anti-KI-Tricks : 4.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#43#43	GLM 5none	6.7	Z.ai	$0.019	3.77s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 8 Erfolgsquote pro Versuch: 52.9% Instabile Tests: 0 Ausgabe-Token: 1,551 Denk-Token: 0 Antwortzeit: Durchschn. 3.77s · Gesamt 37.66s · Max. 11.07s Falsche Antwort: 8 Anti-KI-Tricks : 4.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#44#44	MiMo-V2-Omninone	6.4	Xiaomi	$0.006	2.01s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 9 Erfolgsquote pro Versuch: 47.1% Instabile Tests: 0 Ausgabe-Token: 469 Denk-Token: 0 Antwortzeit: Durchschn. 2.01s · Gesamt 34.09s · Max. 6.81s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 6.5 Rätsellösen : 8.0 Werkzeugaufrufe : 10.0
#45#45	DeepSeek V3.2none	6.4	DeepSeek	$0.016	12.35s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 10 Erfolgsquote pro Versuch: 51.0% Instabile Tests: 3 Ausgabe-Token: 7,831 Denk-Token: 0 Antwortzeit: Durchschn. 12.35s · Gesamt 209.94s · Max. 115.89s Falsche Antwort: 7 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.2 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.5 Werkzeugaufrufe : 10.0
#46#46	Mercury 2medium	6.3	Inception	$0.045	2.25s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 10 Erfolgsquote pro Versuch: 51.0% Instabile Tests: 3 Ausgabe-Token: 3,723 Denk-Token: 46,120 Antwortzeit: Durchschn. 2.25s · Gesamt 35.99s · Max. 14.63s Falsche Antwort: 6 Anweisungen nicht befolgt: 4 Anti-KI-Tricks : 6.9 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 3.9 Werkzeugaufrufe : 10.0
#47#47	GPT-5 Nanomedium	6.2	OpenAI	$0.061	44.47s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 10 Erfolgsquote pro Versuch: 58.8% Instabile Tests: 7 Ausgabe-Token: 4,500 Denk-Token: 143,296 Antwortzeit: Durchschn. 44.47s · Gesamt 444.74s · Max. 204.02s Falsche Antwort: 6 Anweisungen nicht befolgt: 3 Zeitüberschreitung: 1 Anti-KI-Tricks : 6.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 3.7 Domänenspezifisch : 5.2 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 8.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0
#48#48	Grok 4.20 Multi-Agent Betamedium	6.2	X AI	$4.978	8.64s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 11 Erfolgsquote pro Versuch: 54.9% Instabile Tests: 6 Ausgabe-Token: 298,948 Denk-Token: 296,529 Antwortzeit: Durchschn. 8.64s · Gesamt 129.64s · Max. 35.28s Anweisungen nicht befolgt: 4 Falsche Antwort: 3 API-Fehler: 2 Zusätzliche Formatierung: 2 Anti-KI-Tricks : 6.9 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.8 Befolgung von Anweisungen : 8.3 Rätsellösen : 7.2 Werkzeugaufrufe : 3.0
#49#49	Qwen3.5-Flashnone	6.0	Qwen	$0.006	3.36s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 10 Erfolgsquote pro Versuch: 43.1% Instabile Tests: 1 Ausgabe-Token: 3,777 Denk-Token: 0 Antwortzeit: Durchschn. 3.36s · Gesamt 57.15s · Max. 13.73s Falsche Antwort: 9 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.3 Werkzeugaufrufe : 10.0
#50#50	gpt-oss-120bmedium	6.0	OpenAI	$0.010	15.05s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 10 Erfolgsquote pro Versuch: 51.0% Instabile Tests: 5 Ausgabe-Token: 13,265 Denk-Token: 34,330 Antwortzeit: Durchschn. 15.05s · Gesamt 150.55s · Max. 50.92s Falsche Antwort: 6 Anweisungen nicht befolgt: 4 Anti-KI-Tricks : 6.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.4 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.9 Rätsellösen : 3.2 Werkzeugaufrufe : 9.8
#51#51	Seed-2.0-Litenone	6.0	Bytedance Seed	$0.016	2.40s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 10 Erfolgsquote pro Versuch: 52.9% Instabile Tests: 5 Ausgabe-Token: 2,749 Denk-Token: 0 Antwortzeit: Durchschn. 2.40s · Gesamt 40.85s · Max. 6.70s Falsche Antwort: 10 Anti-KI-Tricks : 3.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.2 Werkzeugaufrufe : 10.0
#52#52	Gemini 2.5 Flashnone	5.9	Google	$0.012	888ms
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 11 Erfolgsquote pro Versuch: 41.2% Instabile Tests: 2 Ausgabe-Token: 1,273 Denk-Token: 0 Antwortzeit: Durchschn. 888ms · Gesamt 15.10s · Max. 4.39s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 8.0 Rätsellösen : 5.7 Werkzeugaufrufe : 10.0
#53#53	Qwen3.5-35B-A3Bnone	5.9	Qwen	$0.015	3.89s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 11 Erfolgsquote pro Versuch: 47.1% Instabile Tests: 3 Ausgabe-Token: 3,761 Denk-Token: 0 Antwortzeit: Durchschn. 3.89s · Gesamt 66.07s · Max. 47.43s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.9 Werkzeugaufrufe : 10.0
#54#54	MiniMax M2.5medium	5.9	Minimax	$0.250	39.65s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 12 Erfolgsquote pro Versuch: 60.8% Instabile Tests: 10 Ausgabe-Token: 107,044 Denk-Token: 206,422 Antwortzeit: Durchschn. 39.65s · Gesamt 396.47s · Max. 237.27s Falsche Antwort: 5 Anweisungen nicht befolgt: 3 Zeitüberschreitung: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.9 Kombiniert : 4.5 Datenanalyse und -extraktion : 4.6 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 8.1 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0
#55#55	Hunter Alphanone	5.9	Openrouter	$0.000	4.58s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 11 Erfolgsquote pro Versuch: 49.0% Instabile Tests: 4 Ausgabe-Token: 2,278 Denk-Token: 0 Antwortzeit: Durchschn. 4.58s · Gesamt 77.92s · Max. 15.17s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 6.4 Rätsellösen : 5.8 Werkzeugaufrufe : 10.0
#56#56	Qwen3.5-122B-A10Bnone	5.8	Qwen	$0.020	3.71s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 11 Erfolgsquote pro Versuch: 37.3% Instabile Tests: 1 Ausgabe-Token: 2,682 Denk-Token: 0 Antwortzeit: Durchschn. 3.71s · Gesamt 63.06s · Max. 46.00s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 4.5 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0
#57#57	MiMo-V2-Pronone	5.8	Xiaomi	$0.040	2.31s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 11 Erfolgsquote pro Versuch: 45.1% Instabile Tests: 3 Ausgabe-Token: 1,721 Denk-Token: 0 Antwortzeit: Durchschn. 2.31s · Gesamt 39.25s · Max. 6.58s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 6.5 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0
#58#58	GPT-5.4none	5.6	OpenAI	$0.095	1.43s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 11 Erfolgsquote pro Versuch: 39.2% Instabile Tests: 2 Ausgabe-Token: 1,837 Denk-Token: 0 Antwortzeit: Durchschn. 1.43s · Gesamt 24.27s · Max. 2.89s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.2 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0
#59#59	Qwen3.5-27Bnone	5.6	Qwen	$0.016	1.70s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 12 Erfolgsquote pro Versuch: 35.3% Instabile Tests: 2 Ausgabe-Token: 3,164 Denk-Token: 0 Antwortzeit: Durchschn. 1.70s · Gesamt 28.82s · Max. 9.39s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 4.8 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0
#60#60	Mistral Small 4medium	5.6	Mistral	$0.026	4.18s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 12 Erfolgsquote pro Versuch: 49.0% Instabile Tests: 6 Ausgabe-Token: 12,288 Denk-Token: 28,112 Antwortzeit: Durchschn. 4.18s · Gesamt 71.03s · Max. 25.25s Falsche Antwort: 7 Anweisungen nicht befolgt: 3 API-Fehler: 2 Anti-KI-Tricks : 5.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 7.3 Rätsellösen : 3.4 Werkzeugaufrufe : 10.0
#61#61	GLM 5 Turbonone	5.6	Z.ai	$0.029	2.89s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 11 Erfolgsquote pro Versuch: 37.3% Instabile Tests: 1 Ausgabe-Token: 1,270 Denk-Token: 0 Antwortzeit: Durchschn. 2.89s · Gesamt 49.05s · Max. 8.21s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0
#62#62	GLM 4.7 Flashnone	5.6	Z.ai	$0.003	3.13s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 12 Erfolgsquote pro Versuch: 39.2% Instabile Tests: 3 Ausgabe-Token: 1,863 Denk-Token: 0 Antwortzeit: Durchschn. 3.13s · Gesamt 31.33s · Max. 7.05s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 5.2 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 4.4 Werkzeugaufrufe : 2.8
#63#63	Grok 4.20 Betanone	5.3	X AI	$0.090	1.19s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 13 Erfolgsquote pro Versuch: 31.4% Instabile Tests: 2 Ausgabe-Token: 1,517 Denk-Token: 0 Antwortzeit: Durchschn. 1.19s · Gesamt 20.22s · Max. 6.48s Falsche Antwort: 9 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 4.8 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0
#64#64	Kimi K2.5none	5.3	Moonshot AI	$0.015	10.83s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 12 Erfolgsquote pro Versuch: 37.3% Instabile Tests: 3 Ausgabe-Token: 2,010 Denk-Token: 0 Antwortzeit: Durchschn. 10.83s · Gesamt 108.27s · Max. 42.13s Falsche Antwort: 12 Anti-KI-Tricks : 3.6 Kombiniert : 2.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0
#65#65	Trinity Large Previewnone	5.3	Arcee AI	$0.000	3.04s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 12 Erfolgsquote pro Versuch: 31.4% Instabile Tests: 1 Ausgabe-Token: 1,843 Denk-Token: 0 Antwortzeit: Durchschn. 3.04s · Gesamt 51.75s · Max. 8.91s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 4.1 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0
#66#66	Mistral Small 4none	5.3	Mistral	$0.006	629ms
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 12 Erfolgsquote pro Versuch: 33.3% Instabile Tests: 1 Ausgabe-Token: 1,624 Denk-Token: 0 Antwortzeit: Durchschn. 629ms · Gesamt 10.70s · Max. 1.72s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0
#67#67	Nemotron 3 Supernone	5.2	NVIDIA	$0.000	8.86s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 13 Erfolgsquote pro Versuch: 35.3% Instabile Tests: 3 Ausgabe-Token: 4,225 Denk-Token: 0 Antwortzeit: Durchschn. 8.86s · Gesamt 150.70s · Max. 24.97s Falsche Antwort: 9 Anweisungen nicht befolgt: 4 Anti-KI-Tricks : 4.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 4.9 Rätsellösen : 5.7 Werkzeugaufrufe : 4.7
#68#68	GPT-4o-mininone	5.0	OpenAI	$0.005	1.94s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 13 Erfolgsquote pro Versuch: 23.5% Instabile Tests: 0 Ausgabe-Token: 1,600 Denk-Token: 0 Antwortzeit: Durchschn. 1.94s · Gesamt 19.44s · Max. 7.58s Falsche Antwort: 12 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 4.8 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0
#69#69	MiniMax M2.7medium	5.0	Minimax	$0.072	27.32s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 14 Erfolgsquote pro Versuch: 49.0% Instabile Tests: 10 Ausgabe-Token: 4,517 Denk-Token: 47,612 Antwortzeit: Durchschn. 27.32s · Gesamt 437.10s · Max. 117.04s Anweisungen nicht befolgt: 6 Falsche Antwort: 5 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.9 Kombiniert : 4.7 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 3.7 Rätsellösen : 3.8 Werkzeugaufrufe : 4.7
#70#70	Qwen3 Coder Nextnone	5.0	Qwen	$0.007	10.82s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 13 Erfolgsquote pro Versuch: 23.5% Instabile Tests: 0 Ausgabe-Token: 3,032 Denk-Token: 0 Antwortzeit: Durchschn. 10.82s · Gesamt 118.99s · Max. 45.14s Falsche Antwort: 11 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 4.8 Rätsellösen : 3.2 Werkzeugaufrufe : 10.0
#71#71	Mercury 2none	4.8	Inception	$0.007	592ms
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 13 Erfolgsquote pro Versuch: 29.4% Instabile Tests: 2 Ausgabe-Token: 1,315 Denk-Token: 0 Antwortzeit: Durchschn. 592ms · Gesamt 10.07s · Max. 1.27s Falsche Antwort: 12 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0
#72#72	GPT-5.4 Mininone	4.8	OpenAI	$0.030	1.17s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 13 Erfolgsquote pro Versuch: 31.4% Instabile Tests: 3 Ausgabe-Token: 2,085 Denk-Token: 0 Antwortzeit: Durchschn. 1.17s · Gesamt 19.82s · Max. 2.52s Falsche Antwort: 10 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 3.1 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.4 Werkzeugaufrufe : 3.0
#73#73	Qwen3.5-9Bnone	4.8	Qwen	$0.005	1.22s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 13 Erfolgsquote pro Versuch: 23.5% Instabile Tests: 0 Ausgabe-Token: 2,945 Denk-Token: 0 Antwortzeit: Durchschn. 1.22s · Gesamt 20.74s · Max. 5.91s Falsche Antwort: 9 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.1 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.2 Werkzeugaufrufe : 10.0
#74#74	Qwen3 Coder Nextmedium	4.8	Qwen	$0.007	11.57s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 14 Erfolgsquote pro Versuch: 25.5% Instabile Tests: 2 Ausgabe-Token: 2,941 Denk-Token: 0 Antwortzeit: Durchschn. 11.57s · Gesamt 127.32s · Max. 81.80s Falsche Antwort: 9 Anweisungen nicht befolgt: 5 Anti-KI-Tricks : 3.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.3 Befolgung von Anweisungen : 4.8 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0
#75#75	GLM 4.7 Flashmedium	4.7	Z.ai	$0.042	33.44s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 13 Erfolgsquote pro Versuch: 39.2% Instabile Tests: 7 Ausgabe-Token: 38,719 Denk-Token: 65,465 Antwortzeit: Durchschn. 33.44s · Gesamt 334.39s · Max. 174.55s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.7 Kombiniert : 2.8 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 3.6 Befolgung von Anweisungen : 6.2 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0
#76#76	Qwen3.5-9Bmedium	4.5	Qwen	$0.024	69.21s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 14 Erfolgsquote pro Versuch: 35.3% Instabile Tests: 6 Ausgabe-Token: 18,141 Denk-Token: 141,204 Antwortzeit: Durchschn. 69.21s · Gesamt 968.99s · Max. 226.38s Zeitüberschreitung: 11 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Falsche Antwort: 1 Anti-KI-Tricks : 5.1 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.6 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 2.8 Befolgung von Anweisungen : 6.4 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0
#77#77	Grok 4.1 Fastnone	4.4	X AI	$0.008	1.76s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 14 Erfolgsquote pro Versuch: 23.5% Instabile Tests: 2 Ausgabe-Token: 1,154 Denk-Token: 0 Antwortzeit: Durchschn. 1.76s · Gesamt 17.56s · Max. 5.51s Falsche Antwort: 12 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.2 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 3.0 Rätsellösen : 3.2 Werkzeugaufrufe : 2.8
#78#78	MiMo-V2-Flashnone	4.4	Xiaomi	$0.023	2.79s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 14 Erfolgsquote pro Versuch: 27.5% Instabile Tests: 4 Ausgabe-Token: 67,796 Denk-Token: 0 Antwortzeit: Durchschn. 2.79s · Gesamt 36.29s · Max. 19.68s Falsche Antwort: 11 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.2 Kombiniert : 3.0 Datenanalyse und -extraktion : 2.9 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.6 Werkzeugaufrufe : 10.0
#79#79	GPT-5.4 Nanonone	4.3	OpenAI	$0.009	1.39s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 15 Erfolgsquote pro Versuch: 29.4% Instabile Tests: 6 Ausgabe-Token: 2,185 Denk-Token: 0 Antwortzeit: Durchschn. 1.39s · Gesamt 23.70s · Max. 3.84s Falsche Antwort: 12 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 3.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 5.0 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0
#80#80	LFM2-24B-A2Bnone	4.1	Liquid	$0.001	811ms
Modellkarte anzeigen Gesamttests: 16 Falsche Tests: 15 Erfolgsquote pro Versuch: 14.6% Instabile Tests: 2 Ausgabe-Token: 1,185 Denk-Token: 0 Antwortzeit: Durchschn. 811ms · Gesamt 11.35s · Max. 2.88s Falsche Antwort: 9 API-Fehler: 4 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 4.8 Rätsellösen : 4.4 Werkzeugaufrufe : 3.0

Schnellvergleich

KI-Benchmark-Bestenliste

Modelle filtern

Schnellvergleich