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: 2026-09-03 Bewertete Modelle: 311

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 $0.065 / 1M Ausgabepreis $0.180 / 1M Punktzahl 8.0/10

311/311

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#97#97	GPT-5.4 Minimedium	7.5	OpenAI	$0.786	26.72s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 5 Eingabe-Token 97,164 Ausgabe-Token 6,211 Denk-Token 152,133 Antwortzeit (Durchschnitt) 26.72s Antwortzeit (Gesamt) 587.90s Antwortzeit (Maximum) 138.75s Falsche Antwort: 6 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.6 Programmierung : 8.4 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.8 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#132#132	Grok 4.20medium	7.0	X AI	$0.805 ↓	32.56s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.6% Instabile Tests 5 Eingabe-Token 102,986 Ausgabe-Token 5,860 Denk-Token 264,399 Antwortzeit (Durchschnitt) 32.56s Antwortzeit (Gesamt) 716.36s Antwortzeit (Maximum) 199.66s Falsche Antwort: 6 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.3 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#65#65	GPT-5.6 Terrahigh	8.0	OpenAI	$0.836 ↓	11.22s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 2 Eingabe-Token 81,056 Ausgabe-Token 5,055 Denk-Token 51,033 Antwortzeit (Durchschnitt) 11.22s Antwortzeit (Gesamt) 246.77s Antwortzeit (Maximum) 91.49s Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.3 Programmierung : 7.6 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#55#55	Claude Sonnet 5medium	8.2	Anthropic	$0.922	12.54s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.8% Instabile Tests 3 Eingabe-Token 145,953 Ausgabe-Token 52,330 Denk-Token 10,874 Antwortzeit (Durchschnitt) 12.54s Antwortzeit (Gesamt) 275.90s Antwortzeit (Maximum) 66.71s Falsche Antwort: 5 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 9.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#46#46	Grok 4.5low	8.4	X AI	$0.945	16.17s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 77.3% Instabile Tests 2 Eingabe-Token 125,605 Ausgabe-Token 7,505 Denk-Token 107,984 Antwortzeit (Durchschnitt) 16.17s Antwortzeit (Gesamt) 355.67s Antwortzeit (Maximum) 205.28s Falsche Antwort: 6 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#95#95	Qwen3.5-27Bmedium	7.5	Qwen	$0.982 ↓	113.28s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.8% Instabile Tests 6 Eingabe-Token 111,644 Ausgabe-Token 16,113 Denk-Token 598,796 Antwortzeit (Durchschnitt) 113.28s Antwortzeit (Gesamt) 2492.26s Antwortzeit (Maximum) 1026.43s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.7 Programmierung : 6.2 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#25#25	GPT-5.3-Codexmedium	8.9	OpenAI	$0.988	16.91s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 83.3% Instabile Tests 4 Eingabe-Token 81,187 Ausgabe-Token 6,258 Denk-Token 54,116 Antwortzeit (Durchschnitt) 16.91s Antwortzeit (Gesamt) 372.03s Antwortzeit (Maximum) 100.93s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.7 Programmierung : 10.0 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 Allgemeinwissen : 2.8
#165#165	Qwen3.6 27Bmedium	6.5	Qwen	$1.045 ↑	106.06s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.6% Instabile Tests 7 Eingabe-Token 106,176 Ausgabe-Token 33,013 Denk-Token 239,560 Antwortzeit (Durchschnitt) 106.06s Antwortzeit (Gesamt) 2333.36s Antwortzeit (Maximum) 1085.11s Falsche Antwort: 5 Keine Antwort: 3 Ungültiger Werkzeugaufruf: 2 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 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
#59#59	Inklinghigh	8.0	Thinkingmachines	$1.046	62.57s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 77.3% Instabile Tests 3 Eingabe-Token 86,755 Ausgabe-Token 6,057 Denk-Token 230,570 Antwortzeit (Durchschnitt) 62.57s Antwortzeit (Gesamt) 1376.46s Antwortzeit (Maximum) 327.51s Falsche Antwort: 4 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.5 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#139#139	Gemini 3.5 Flashnone	6.9	Google	$1.093	10.18s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 3 Eingabe-Token 13,852 Ausgabe-Token 119,100 Denk-Token 0 Antwortzeit (Durchschnitt) 10.18s Antwortzeit (Gesamt) 183.29s Antwortzeit (Maximum) 64.36s API-Fehler: 4 Falsche Antwort: 4 Anti-KI-Tricks : 10.0 Programmierung : 8.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 2.8
#32#32	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 83.3% Instabile Tests 1 Eingabe-Token 134,770 Ausgabe-Token 13,604 Denk-Token 4,388 Antwortzeit (Durchschnitt) 6.99s Antwortzeit (Gesamt) 153.80s Antwortzeit (Maximum) 30.67s Falsche Antwort: 4 Anti-KI-Tricks : 10.0 Programmierung : 7.8 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 : 3.0
#98#98	Grok Build 0.1medium	7.5	X AI	$1.130	54.50s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.6% Instabile Tests 1 Eingabe-Token 106,946 Ausgabe-Token 7,993 Denk-Token 503,413 Antwortzeit (Durchschnitt) 54.50s Antwortzeit (Gesamt) 1199.07s Antwortzeit (Maximum) 252.69s Falsche Antwort: 6 Zusätzliche Formatierung: 3 Anti-KI-Tricks : 8.3 Programmierung : 5.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#40#40	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 83.3% 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 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
#183#183	Qwen3.5-35B-A3Bmedium	6.1	Qwen	$1.140 ↑	110.84s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 6 Eingabe-Token 130,450 Ausgabe-Token 54,857 Denk-Token 838,606 Antwortzeit (Durchschnitt) 110.84s Antwortzeit (Gesamt) 2438.58s Antwortzeit (Maximum) 950.25s Zeitüberschreitung: 4 Keine Antwort: 3 Falsche Antwort: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 3.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 2.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#142#142	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 7.3 Erfolgsquote pro Versuch 63.6% Instabile Tests 7 Eingabe-Token 76,036 Ausgabe-Token 7,267 Denk-Token 364,176 Antwortzeit (Durchschnitt) 101.05s Antwortzeit (Gesamt) 2223.19s Antwortzeit (Maximum) 626.58s API-Fehler: 6 Falsche Antwort: 4 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.9 Programmierung : 8.9 Kombiniert : 4.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#19#19	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
#115#115	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 2 Eingabe-Token 149,203 Ausgabe-Token 16,797 Denk-Token 0 Antwortzeit (Durchschnitt) 4.92s Antwortzeit (Gesamt) 108.24s Antwortzeit (Maximum) 35.03s Falsche Antwort: 4 Zusätzliche Formatierung: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 9.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#47#47	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 72.7% Instabile Tests 4 Eingabe-Token 105,013 Ausgabe-Token 9,914 Denk-Token 61,338 Antwortzeit (Durchschnitt) 28.51s Antwortzeit (Gesamt) 456.13s Antwortzeit (Maximum) 116.86s Anweisungen nicht befolgt: 3 Falsche Antwort: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 6.5 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 3.7 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.5 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#63#63	GLM 5.2high	8.0	Z.ai	$1.188 ↑	69.86s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 3 Eingabe-Token 83,822 Ausgabe-Token 72,040 Denk-Token 292,615 Antwortzeit (Durchschnitt) 69.86s Antwortzeit (Gesamt) 1536.98s Antwortzeit (Maximum) 599.43s Zeitüberschreitung: 3 Keine Antwort: 2 Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.4 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#122#122	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.207 ↑	65.67s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.2% Instabile Tests 4 Eingabe-Token 124,780 Ausgabe-Token 47,694 Denk-Token 439,825 Antwortzeit (Durchschnitt) 65.67s Antwortzeit (Gesamt) 1444.68s Antwortzeit (Maximum) 519.30s Falsche Antwort: 5 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.0 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#141#141	Step 3.7 Flashhigh	6.8	Stepfun	$1.229	70.10s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.6% Instabile Tests 4 Eingabe-Token 98,700 Ausgabe-Token 1,050,900 Denk-Token 0 Antwortzeit (Durchschnitt) 70.10s Antwortzeit (Gesamt) 1542.14s Antwortzeit (Maximum) 364.99s Falsche Antwort: 7 Keine Antwort: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.0 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#116#116	Kimi K2.6medium	7.2	Moonshot AI	$1.247 ↑	115.89s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 4 Eingabe-Token 68,913 Ausgabe-Token 64,654 Denk-Token 282,865 Antwortzeit (Durchschnitt) 115.89s Antwortzeit (Gesamt) 2433.66s Antwortzeit (Maximum) 876.20s Zeitüberschreitung: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 7.0 Programmierung : 5.7 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#11#11	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
#138#138	Seed-2.0-Codehigh	6.9	Bytedance Seed	$1.273	124.18s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 8.6 Erfolgsquote pro Versuch 63.6% Instabile Tests 5 Eingabe-Token 81,970 Ausgabe-Token 7,186 Denk-Token 403,389 Antwortzeit (Durchschnitt) 124.18s Antwortzeit (Gesamt) 2732.03s Antwortzeit (Maximum) 675.30s API-Fehler: 5 Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 6.2 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.8 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#37#37	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 74.2% Instabile Tests 4 Eingabe-Token 123,680 Ausgabe-Token 7,222 Denk-Token 271,442 Antwortzeit (Durchschnitt) 19.67s Antwortzeit (Gesamt) 432.72s Antwortzeit (Maximum) 142.49s Anweisungen nicht befolgt: 3 Falsche Antwort: 3 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.3 Programmierung : 10.0 Kombiniert : 8.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0

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 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