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: 2026-08-15 Bewertete Modelle: 287

Empfohlene Modelle

GPT-5.6 Sol high Intelligent Erfolgsquote pro Versuch 89.4% Korrekte Tests 18 / 22 Punktzahl 9.4/10 GPT-5.6 Luna medium Schnell Antwortzeit (Durchschnitt) 7.43s Gesamte Ausgabe-Token 44,525 Punktzahl 7.4/10 DeepSeek V4 Flash 0731 high Preiswert Eingabepreis $0.140 / 1M Ausgabepreis $0.280 / 1M Punktzahl 8.0/10

287/287

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#17#17	Qwen3.7 Maxmedium	9.1	Qwen	$1.157 ↓	44.32s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 86.4% Instabile Tests 3 Eingabe-Token 106,029 Ausgabe-Token 5,748 Denk-Token 220,354 Antwortzeit (Durchschnitt) 44.32s Antwortzeit (Gesamt) 975.11s Antwortzeit (Maximum) 556.06s Falsche Antwort: 4 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#16#16	Seed 2.1 Turbolow	9.1	Bytedance Seed	$1.546	163.90s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 80.3% Instabile Tests 2 Eingabe-Token 104,464 Ausgabe-Token 6,844 Denk-Token 590,392 Antwortzeit (Durchschnitt) 163.90s Antwortzeit (Gesamt) 3605.87s Antwortzeit (Maximum) 739.98s Falsche Antwort: 3 Keine Antwort: 2 Anti-KI-Tricks : 8.2 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#15#15	Claude Opus 5medium	9.2	Anthropic	$1.586	10.26s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 83.3% Instabile Tests 1 Eingabe-Token 135,604 Ausgabe-Token 23,814 Denk-Token 12,804 Antwortzeit (Durchschnitt) 10.26s Antwortzeit (Gesamt) 225.66s Antwortzeit (Maximum) 35.43s Falsche Antwort: 3 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 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 Allgemeinwissen : 3.0
#14#14	Claude Opus 5high	9.2	Anthropic	$3.070	22.51s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 81.8% Instabile Tests 0 Eingabe-Token 135,956 Ausgabe-Token 64,624 Denk-Token 30,959 Antwortzeit (Durchschnitt) 22.51s Antwortzeit (Gesamt) 495.12s Antwortzeit (Maximum) 159.01s Falsche Antwort: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#13#13	Gemini 3.7 Flashlow	9.2	Google	$0.104	3.85s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 95.5% Instabile Tests 2 Eingabe-Token 90,322 Ausgabe-Token 6,294 Denk-Token 30,759 Antwortzeit (Durchschnitt) 3.85s Antwortzeit (Gesamt) 84.80s Antwortzeit (Maximum) 19.44s Falsche Antwort: 2 Anti-KI-Tricks : 10.0 Programmierung : 7.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 8.2 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#12#12	Gemini 3.1 Pro Previewmedium	9.2	Google	$1.352	20.62s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 90.9% Instabile Tests 0 Eingabe-Token 92,296 Ausgabe-Token 5,232 Denk-Token 92,006 Antwortzeit (Durchschnitt) 20.62s Antwortzeit (Gesamt) 329.94s Antwortzeit (Maximum) 88.68s Falsche Antwort: 2 Anti-KI-Tricks : 10.0 Programmierung : 7.9 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#11#11	Grok 4.6high	9.3	X AI	$1.908	84.15s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 86.4% Instabile Tests 0 Eingabe-Token 107,275 Ausgabe-Token 5,094 Denk-Token 277,123 Antwortzeit (Durchschnitt) 84.15s Antwortzeit (Gesamt) 1851.26s Antwortzeit (Maximum) 618.49s Falsche Antwort: 2 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#10#10	GPT-5.5low	9.3	OpenAI	$1.257	10.15s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 86.4% Instabile Tests 0 Eingabe-Token 80,067 Ausgabe-Token 5,378 Denk-Token 23,162 Antwortzeit (Durchschnitt) 10.15s Antwortzeit (Gesamt) 223.24s Antwortzeit (Maximum) 56.19s Falsche Antwort: 3 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#9#9	GPT-5.6 Solhigh	9.4	OpenAI	$1.258	11.48s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 89.4% Instabile Tests 3 Eingabe-Token 79,258 Ausgabe-Token 4,855 Denk-Token 23,853 Antwortzeit (Durchschnitt) 11.48s Antwortzeit (Gesamt) 252.62s Antwortzeit (Maximum) 54.79s Falsche Antwort: 4 Anti-KI-Tricks : 8.7 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 4.7
#8#8	GPT-5.6 Solmedium	9.4	OpenAI	$1.445	12.63s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 90.9% Instabile Tests 3 Eingabe-Token 79,006 Ausgabe-Token 4,696 Denk-Token 30,281 Antwortzeit (Durchschnitt) 12.63s Antwortzeit (Gesamt) 277.88s Antwortzeit (Maximum) 79.40s Falsche Antwort: 4 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 4.7
#7#7	Gemini 3.7 Flashmedium	9.4	Google	$0.155	5.87s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 93.9% Instabile Tests 1 Eingabe-Token 89,055 Ausgabe-Token 5,697 Denk-Token 58,880 Antwortzeit (Durchschnitt) 5.87s Antwortzeit (Gesamt) 129.20s Antwortzeit (Maximum) 30.23s Falsche Antwort: 2 Anti-KI-Tricks : 10.0 Programmierung : 8.4 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#6#6	Gemini 3.5 Flashhigh	9.4	Google	$2.011	15.46s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 89.4% Instabile Tests 2 Eingabe-Token 107,146 Ausgabe-Token 8,777 Denk-Token 196,705 Antwortzeit (Durchschnitt) 15.46s Antwortzeit (Gesamt) 340.20s Antwortzeit (Maximum) 145.92s Falsche Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 8.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 9.8 Allgemeinwissen : 10.0
#5#5	Gemini 3 Flash Previewmedium	9.5	Google	$0.763	19.86s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 93.9% Instabile Tests 1 Eingabe-Token 87,870 Ausgabe-Token 5,486 Denk-Token 234,122 Antwortzeit (Durchschnitt) 19.86s Antwortzeit (Gesamt) 436.88s Antwortzeit (Maximum) 117.26s Falsche Antwort: 2 Anti-KI-Tricks : 10.0 Programmierung : 8.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#4#4	GPT-5.6 Sollow	9.5	OpenAI	$0.992	9.04s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 86.4% Instabile Tests 2 Eingabe-Token 78,580 Ausgabe-Token 4,476 Denk-Token 15,470 Antwortzeit (Durchschnitt) 9.04s Antwortzeit (Gesamt) 198.97s Antwortzeit (Maximum) 53.91s Falsche Antwort: 4 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#2🥈 #2	Gemini 3.7 Flashhigh	9.8	Google	$0.323	12.22s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 95.5% Instabile Tests 2 Eingabe-Token 86,712 Ausgabe-Token 6,017 Denk-Token 148,829 Antwortzeit (Durchschnitt) 12.22s Antwortzeit (Gesamt) 268.78s Antwortzeit (Maximum) 91.63s Falsche Antwort: 2 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 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
#3🥉 #3	Gemini 3.6 Flashmedium	9.8	Google	$0.427 ↓	11.86s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 95.5% Instabile Tests 2 Eingabe-Token 64,446 Ausgabe-Token 1,974 Denk-Token 98,902 Antwortzeit (Durchschnitt) 11.86s Antwortzeit (Gesamt) 260.96s Antwortzeit (Maximum) 77.15s Falsche Antwort: 2 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 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
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.699 ↓	16.81s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 1 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 98.5% Instabile Tests 1 Eingabe-Token 71,470 Ausgabe-Token 3,276 Denk-Token 168,709 Antwortzeit (Durchschnitt) 16.81s Antwortzeit (Gesamt) 369.88s Antwortzeit (Maximum) 104.15s Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 8.2 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0

←

1 9 10

Schnellvergleich

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

AI Benchy Bestenliste

Empfohlene Modelle

Modelle filtern

Schnellvergleich