AI Benchy Bestenliste

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

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-10-01 Bewertete Modelle: 382

Empfohlene Modelle

GPT-6.1 Sol xhigh Intelligent Erfolgsquote pro Versuch 97.1% Korrekte Tests 22 / 23 Punktzahl 9.9/10 Gemini 3.7 Flash low Schnell Antwortzeit (Durchschnitt) 6.24s Gesamte Ausgabe-Token 38,453 Punktzahl 9.4/10 GPT-6 Luna high Preiswert Eingabepreis $0.100 / 1M Ausgabepreis $0.500 / 1M Preis für Cache-Lesen $0.010 / 1M Preis für Cache-Schreiben $0.125 / 1M Punktzahl 7.7/10

382/382

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#157#157	Ember-1low	7.0	Fireworks	$1.488	34.90s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 8.8 Erfolgsquote pro Versuch 65.2% Instabile Tests 5 Eingabe-Token 211,908 Ausgabe-Token 14,158 Denk-Token 42,608 Antwortzeit (Durchschnitt) 34.90s Antwortzeit (Gesamt) 802.79s Antwortzeit (Maximum) 121.29s API-Fehler: 6 Falsche Antwort: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 8.2 Programmierung : 10.0 Kombiniert : 6.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.2 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#156#156	Kimi K2.7 Codemedium	7.0	Moonshot AI	$1.136 ↑	81.18s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 5 Eingabe-Token 245,179 Ausgabe-Token 62,697 Denk-Token 196,621 Antwortzeit (Durchschnitt) 81.18s Antwortzeit (Gesamt) 1785.87s Antwortzeit (Maximum) 365.80s Falsche Antwort: 8 Zeitüberschreitung: 2 API-Fehler: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 7.3 Programmierung : 7.8 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#155#155	Gemini 3.1 Flash Lite Previewmedium	7.0	Google	$0.158	6.78s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 0 Eingabe-Token 272,221 Ausgabe-Token 12,345 Denk-Token 47,189 Antwortzeit (Durchschnitt) 6.78s Antwortzeit (Gesamt) 155.96s Antwortzeit (Maximum) 54.91s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 9.1 Programmierung : 5.5 Kombiniert : 7.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#154#154	Qwen3.6 Max Previewmedium	7.0	Qwen	$1.132 ↓	66.52s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 79.7% Instabile Tests 2 Eingabe-Token 79,249 Ausgabe-Token 5,097 Denk-Token 165,276 Antwortzeit (Durchschnitt) 66.52s Antwortzeit (Gesamt) 1463.50s Antwortzeit (Maximum) 238.07s Falsche Antwort: 4 Zeitüberschreitung: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 10.0 Programmierung : 8.8 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#153#153	GPT-5.2 Chatnone	7.0	OpenAI	$0.594	7.43s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 4 Eingabe-Token 101,104 Ausgabe-Token 29,742 Denk-Token 0 Antwortzeit (Durchschnitt) 7.43s Antwortzeit (Gesamt) 163.35s Antwortzeit (Maximum) 38.52s Falsche Antwort: 6 API-Fehler: 2 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.7 Programmierung : 8.8 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#152#152	MiMo-V2.5medium	7.1	Xiaomi	$0.130 ↓	49.20s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 7 Eingabe-Token 259,664 Ausgabe-Token 8,414 Denk-Token 333,097 Antwortzeit (Durchschnitt) 49.20s Antwortzeit (Gesamt) 1131.69s Antwortzeit (Maximum) 316.27s Falsche Antwort: 5 Zusätzliche Formatierung: 2 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 8.7 Datenanalyse und -extraktion : 2.7 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#151#151	MiMo-V2.6-Flashlow	7.1	Xiaomi	$0.200	54.57s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 6 Eingabe-Token 256,428 Ausgabe-Token 9,786 Denk-Token 575,630 Antwortzeit (Durchschnitt) 54.57s Antwortzeit (Gesamt) 1255.15s Antwortzeit (Maximum) 345.18s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 8.2 Programmierung : 8.4 Kombiniert : 6.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 8.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#150#150	GLM 5.3 FlashXmedium	7.1	Z.ai	$0.114	7.37s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 8 Eingabe-Token 205,100 Ausgabe-Token 8,639 Denk-Token 21,409 Antwortzeit (Durchschnitt) 7.37s Antwortzeit (Gesamt) 169.54s Antwortzeit (Maximum) 74.39s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 7.3 Programmierung : 6.0 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#149#149	Claude Opus 5none	7.1	Anthropic	$2.766	10.78s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.1% Instabile Tests 1 Eingabe-Token 396,120 Ausgabe-Token 31,386 Denk-Token 0 Antwortzeit (Durchschnitt) 10.78s Antwortzeit (Gesamt) 247.96s Antwortzeit (Maximum) 79.61s Falsche Antwort: 7 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.4 Anti-KI-Tricks : 5.5 Programmierung : 5.9 Kombiniert : 8.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#148#148	Qwen3.6 27Bmedium	7.2	Qwen	$1.006 ↑	107.79s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.3% Instabile Tests 7 Eingabe-Token 264,147 Ausgabe-Token 34,419 Denk-Token 253,480 Antwortzeit (Durchschnitt) 107.79s Antwortzeit (Gesamt) 2479.26s Antwortzeit (Maximum) 1085.11s Falsche Antwort: 5 Keine Antwort: 3 Ungültiger Werkzeugaufruf: 2 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 7.7 Kombiniert : 6.7 Datenanalyse und -extraktion : 3.5 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#147#147	Step 3.7 Flashlow	7.2	Stepfun	$0.449	20.72s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 6 Eingabe-Token 292,685 Ausgabe-Token 339,108 Denk-Token 0 Antwortzeit (Durchschnitt) 20.72s Antwortzeit (Gesamt) 476.67s Antwortzeit (Maximum) 124.75s Falsche Antwort: 9 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 1 Agentenaufgaben : 7.4 Anti-KI-Tricks : 8.7 Programmierung : 8.2 Kombiniert : 7.3 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#146#146	GLM 5medium	7.2	Z.ai	$0.479 ↑	39.05s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.8% Instabile Tests 5 Eingabe-Token 212,440 Ausgabe-Token 22,922 Denk-Token 115,335 Antwortzeit (Durchschnitt) 39.05s Antwortzeit (Gesamt) 546.68s Antwortzeit (Maximum) 110.70s Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 5.0 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#145#145	LongCat 2.0medium	7.2	Meituan	$0.767 ↑	144.88s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.4% Instabile Tests 3 Eingabe-Token 287,669 Ausgabe-Token 47,204 Denk-Token 375,030 Antwortzeit (Durchschnitt) 144.88s Antwortzeit (Gesamt) 3332.19s Antwortzeit (Maximum) 939.52s Falsche Antwort: 8 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#144#144	Qwen3.7 Flashhigh	7.2	Qwen	$0.063	45.48s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 7 Eingabe-Token 293,775 Ausgabe-Token 13,527 Denk-Token 396,291 Antwortzeit (Durchschnitt) 45.48s Antwortzeit (Gesamt) 1045.97s Antwortzeit (Maximum) 431.47s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#143#143	Claude Opus 4.8low	7.2	Anthropic	$3.787	17.13s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 78.3% Instabile Tests 4 Eingabe-Token 409,947 Ausgabe-Token 46,060 Denk-Token 23,429 Antwortzeit (Durchschnitt) 17.13s Antwortzeit (Gesamt) 394.01s Antwortzeit (Maximum) 127.97s Falsche Antwort: 5 Zusätzliche Formatierung: 1 Keine Antwort: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 10.0 Programmierung : 6.6 Kombiniert : 9.9 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#142#142	Gemini 3.8 Flashlow	7.2	Google	$0.323	7.54s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 81.2% Instabile Tests 5 Eingabe-Token 215,836 Ausgabe-Token 9,452 Denk-Token 33,289 Antwortzeit (Durchschnitt) 7.54s Antwortzeit (Gesamt) 173.36s Antwortzeit (Maximum) 67.18s Falsche Antwort: 6 Keine Antwort: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 5.4 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.8 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#141#141	Qwen3.8 27Bmedium	7.2	Qwen	~$0.073	40.09s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 66.7% Instabile Tests 2 Eingabe-Token 277,164 Ausgabe-Token 1,913 Denk-Token 168,783 Antwortzeit (Durchschnitt) 40.09s Antwortzeit (Gesamt) 881.89s Antwortzeit (Maximum) 214.63s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 8.7 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.3 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#140#140	Qwen3.5 Plus 2026-02-15medium	7.2	Qwen	$0.567	97.68s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 72.5% Instabile Tests 6 Eingabe-Token 249,486 Ausgabe-Token 14,481 Denk-Token 288,249 Antwortzeit (Durchschnitt) 97.68s Antwortzeit (Gesamt) 1562.81s Antwortzeit (Maximum) 304.85s Falsche Antwort: 6 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 8.2 Programmierung : 6.6 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#139#139	Qwen3.5-27Bnone	7.2	Qwen	$0.116	9.98s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.8% Instabile Tests 2 Eingabe-Token 283,977 Ausgabe-Token 36,422 Denk-Token 0 Antwortzeit (Durchschnitt) 9.98s Antwortzeit (Gesamt) 229.52s Antwortzeit (Maximum) 124.53s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 4.8 Programmierung : 5.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#138#138	Gemini 3.5 Flash Litemedium	7.3	Google	$0.440	8.68s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.8% Instabile Tests 7 Eingabe-Token 388,307 Ausgabe-Token 10,412 Denk-Token 118,802 Antwortzeit (Durchschnitt) 8.68s Antwortzeit (Gesamt) 199.65s Antwortzeit (Maximum) 86.92s Falsche Antwort: 6 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 10.0 Programmierung : 7.9 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 2.8
#137#137	Qwen3.6 Plusmedium	7.3	Qwen	$0.554 ↑	57.41s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 3 Eingabe-Token 222,601 Ausgabe-Token 8,185 Denk-Token 238,605 Antwortzeit (Durchschnitt) 57.41s Antwortzeit (Gesamt) 1263.02s Antwortzeit (Maximum) 307.08s Falsche Antwort: 6 API-Fehler: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 10.0 Programmierung : 6.1 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#135#135	Gemini 2.5 Flashmedium	7.3	Google	$0.680 ↑	20.51s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 1 Eingabe-Token 132,507 Ausgabe-Token 12,739 Denk-Token 228,626 Antwortzeit (Durchschnitt) 20.51s Antwortzeit (Gesamt) 471.64s Antwortzeit (Maximum) 140.50s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.4 Programmierung : 7.8 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 Allgemeinwissen : 3.0
#136#136	LongCat 2.0high	7.3	Meituan	$0.778 ↑	151.67s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.6% Instabile Tests 4 Eingabe-Token 275,080 Ausgabe-Token 32,447 Denk-Token 372,188 Antwortzeit (Durchschnitt) 151.67s Antwortzeit (Gesamt) 3488.43s Antwortzeit (Maximum) 941.66s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Zeitüberschreitung: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.9 Programmierung : 7.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 3.6 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#134#134	Grok 4.7medium	7.3	X AI	$2.938	117.65s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 78.3% Instabile Tests 5 Eingabe-Token 326,066 Ausgabe-Token 5,726 Denk-Token 469,019 Antwortzeit (Durchschnitt) 117.65s Antwortzeit (Gesamt) 2706.03s Antwortzeit (Maximum) 660.89s Falsche Antwort: 5 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 10.0 Programmierung : 6.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 8.4 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#133#133	Claude Fable 5.1medium	7.3	Anthropic	$3.197	11.87s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 78.3% Instabile Tests 6 Eingabe-Token 157,142 Ausgabe-Token 8,149 Denk-Token 24,357 Antwortzeit (Durchschnitt) 11.87s Antwortzeit (Gesamt) 272.91s Antwortzeit (Maximum) 36.59s Falsche Antwort: 3 Keine Antwort: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.2 Programmierung : 7.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.3 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 2.8

←

1 9 10 11 16

→

Globale Benchmark-Trends

Sieh, wie aktuelle Modelle Score, Kosten, Geschwindigkeit, Ausgabelänge und Kategoriestärke ausbalancieren.

Diagramme →

Pareto-Frontier: Intelligenz vs. Kosten

Score-Frontier führender Unternehmen im Zeitverlauf

Pareto-Frontier: Intelligenz vs. Antwortgeschwindigkeit

Pareto-Frontier: Score vs. Ausgabe-Tokens

Kategorieschwierigkeit über alle Modelle

Schnellvergleich

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow