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: 2026-09-02 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)
#305#305	Ling 3.0 Tinymedium	3.8	Inclusionai	$0.000	68.08s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 24.2% Instabile Tests 3 Eingabe-Token 103,898 Ausgabe-Token 148,304 Denk-Token 774,972 Antwortzeit (Durchschnitt) 68.08s Antwortzeit (Gesamt) 1429.66s Antwortzeit (Maximum) 262.20s Keine Antwort: 7 Falsche Antwort: 5 Anweisungen nicht befolgt: 4 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.5 Programmierung : 2.9 Kombiniert : 3.0 Datenanalyse und -extraktion : 2.7 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 6.8 Rätsellösen : 3.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#245#245	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Modellkarte anzeigen Gesamttests 16 Falsche Tests 3 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 59.1% Instabile Tests 0 Eingabe-Token 28,980 Ausgabe-Token 1,283 Denk-Token 1,533,310 Antwortzeit (Durchschnitt) 68.14s Antwortzeit (Gesamt) 1090.28s Antwortzeit (Maximum) 280.52s Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 7.5 Programmierung : 0.0 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#128#128	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 7 Eingabe-Token 101,056 Ausgabe-Token 11,832 Denk-Token 116,955 Antwortzeit (Durchschnitt) 68.43s Antwortzeit (Gesamt) 1505.53s Antwortzeit (Maximum) 376.10s Falsche Antwort: 5 API-Fehler: 2 Zeitüberschreitung: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#44#44	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 83.3% Instabile Tests 3 Eingabe-Token 122,155 Ausgabe-Token 5,514 Denk-Token 293,946 Antwortzeit (Durchschnitt) 68.59s Antwortzeit (Gesamt) 1508.91s Antwortzeit (Maximum) 436.38s Falsche Antwort: 5 Anti-KI-Tricks : 10.0 Programmierung : 7.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#175#175	Ring-2.6-1Tmedium	6.4	Inclusionai	$0.102 ↑	68.80s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 3 Eingabe-Token 113,613 Ausgabe-Token 122,706 Denk-Token 42,325 Antwortzeit (Durchschnitt) 68.80s Antwortzeit (Gesamt) 1375.99s Antwortzeit (Maximum) 304.19s Falsche Antwort: 6 API-Fehler: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.3 Kombiniert : 7.3 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#284#284	MiniMax M2.5medium	4.6	Minimax	$0.327 ↑	69.08s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 9 Eingabe-Token 142,621 Ausgabe-Token 20,409 Denk-Token 251,820 Antwortzeit (Durchschnitt) 69.08s Antwortzeit (Gesamt) 1036.24s Antwortzeit (Maximum) 251.36s Falsche Antwort: 7 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 3 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.9 Programmierung : 3.4 Kombiniert : 3.7 Datenanalyse und -extraktion : 4.6 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 7.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 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
#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
#250#250	Nemotron 3.5 Lightningmedium	5.1	NVIDIA	$0.156 ↕	70.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 48.5% Instabile Tests 11 Eingabe-Token 126,330 Ausgabe-Token 165,702 Denk-Token 594,739 Antwortzeit (Durchschnitt) 70.11s Antwortzeit (Gesamt) 1542.52s Antwortzeit (Maximum) 437.11s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.9 Programmierung : 4.4 Kombiniert : 6.2 Datenanalyse und -extraktion : 3.7 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.5 Rätsellösen : 4.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#81#81	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 8.5 Erfolgsquote pro Versuch 77.3% Instabile Tests 6 Eingabe-Token 85,657 Ausgabe-Token 8,142 Denk-Token 233,167 Antwortzeit (Durchschnitt) 72.24s Antwortzeit (Gesamt) 1589.31s Antwortzeit (Maximum) 485.92s Falsche Antwort: 6 API-Fehler: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.7 Programmierung : 7.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 9.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#26#26	Grok 4.5high	9.0	X AI	$2.252 ↑	72.30s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 86.4% Instabile Tests 3 Eingabe-Token 152,175 Ausgabe-Token 5,655 Denk-Token 318,807 Antwortzeit (Durchschnitt) 72.30s Antwortzeit (Gesamt) 1590.56s Antwortzeit (Maximum) 676.83s Keine Antwort: 2 Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#46#46	Grok 4.6medium	8.4	X AI	$1.713	73.46s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 81.8% Instabile Tests 4 Eingabe-Token 106,787 Ausgabe-Token 4,811 Denk-Token 244,997 Antwortzeit (Durchschnitt) 73.46s Antwortzeit (Gesamt) 1616.12s Antwortzeit (Maximum) 514.35s Falsche Antwort: 5 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#92#92	MiniMax M3medium	7.5	Minimax	$0.300	75.15s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 62.1% Instabile Tests 5 Eingabe-Token 121,996 Ausgabe-Token 90,051 Denk-Token 185,731 Antwortzeit (Durchschnitt) 75.15s Antwortzeit (Gesamt) 1578.24s Antwortzeit (Maximum) 431.03s Falsche Antwort: 4 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 5.5 Programmierung : 6.1 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.2 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#301#301	Ling 3.0 Tinyhigh	3.8	Inclusionai	$0.000	75.68s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 24.2% Instabile Tests 3 Eingabe-Token 115,314 Ausgabe-Token 133,965 Denk-Token 816,718 Antwortzeit (Durchschnitt) 75.68s Antwortzeit (Gesamt) 1589.20s Antwortzeit (Maximum) 345.15s Keine Antwort: 7 Falsche Antwort: 6 Anweisungen nicht befolgt: 3 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.4 Programmierung : 2.9 Kombiniert : 3.0 Datenanalyse und -extraktion : 2.8 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 6.8 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#272#272	Trinity Large Thinkinghigh	4.8	Arcee AI	$0.592 ↓	75.86s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.4% Instabile Tests 8 Eingabe-Token 101,776 Ausgabe-Token 276,367 Denk-Token 656,252 Antwortzeit (Durchschnitt) 75.86s Antwortzeit (Gesamt) 1668.93s Antwortzeit (Maximum) 510.21s Falsche Antwort: 10 Anweisungen nicht befolgt: 4 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 1 Anti-KI-Tricks : 6.7 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 6.3 Rätsellösen : 4.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#61#61	DeepSeek V4 Flash 0731low	8.0	DeepSeek	$0.044 ↓	77.55s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.2% Instabile Tests 5 Eingabe-Token 93,345 Ausgabe-Token 35,723 Denk-Token 350,266 Antwortzeit (Durchschnitt) 77.55s Antwortzeit (Gesamt) 1706.18s Antwortzeit (Maximum) 438.65s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.2 Programmierung : 7.3 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#179#179	Gemma 4 31Bmedium	6.2	Google	$0.100 ↓	78.59s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 3 Eingabe-Token 94,969 Ausgabe-Token 34,399 Denk-Token 233,022 Antwortzeit (Durchschnitt) 78.59s Antwortzeit (Gesamt) 1571.84s Antwortzeit (Maximum) 437.40s Falsche Antwort: 3 API-Fehler: 2 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.3 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#102#102	Kimi K2.7 Codemedium	7.4	Moonshot AI	$0.687 ↓	80.09s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 5 Eingabe-Token 72,085 Ausgabe-Token 57,453 Denk-Token 182,093 Antwortzeit (Durchschnitt) 80.09s Antwortzeit (Gesamt) 1681.85s Antwortzeit (Maximum) 365.80s Falsche Antwort: 6 Zeitüberschreitung: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 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
#12#12	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
#187#187	Qwen3.5-Flashmedium	6.1	Qwen	$0.142 ↓	84.44s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 6 Eingabe-Token 118,508 Ausgabe-Token 35,457 Denk-Token 477,389 Antwortzeit (Durchschnitt) 84.44s Antwortzeit (Gesamt) 1773.20s Antwortzeit (Maximum) 515.38s Falsche Antwort: 5 Zeitüberschreitung: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.7 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#114#114	DeepSeek V4 Flash 0731medium	7.3	DeepSeek	$0.066 ↓	84.66s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.2% Instabile Tests 8 Eingabe-Token 89,819 Ausgabe-Token 58,398 Denk-Token 492,457 Antwortzeit (Durchschnitt) 84.66s Antwortzeit (Gesamt) 1862.46s Antwortzeit (Maximum) 288.78s Falsche Antwort: 5 Keine Antwort: 3 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.4 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 8.5 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#261#261	Laguna S 2.1low	5.0	Poolside	$0.082 ↓	85.34s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 22.7% Instabile Tests 5 Eingabe-Token 118,752 Ausgabe-Token 67,823 Denk-Token 383,885 Antwortzeit (Durchschnitt) 85.34s Antwortzeit (Gesamt) 1877.49s Antwortzeit (Maximum) 814.73s Falsche Antwort: 15 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.4 Programmierung : 3.8 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 4.3 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#189#189	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.756 ↓	85.44s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 48.5% Instabile Tests 6 Eingabe-Token 118,486 Ausgabe-Token 156,166 Denk-Token 860,619 Antwortzeit (Durchschnitt) 85.44s Antwortzeit (Gesamt) 1879.75s Antwortzeit (Maximum) 525.14s Falsche Antwort: 8 Anweisungen nicht befolgt: 4 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 6.8 Programmierung : 7.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 4.4 Rätsellösen : 5.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#291#291	Granite 4.2 8Bnone	4.3	IBM Granite	$0.026	86.27s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 8.6 Erfolgsquote pro Versuch 16.7% Instabile Tests 2 Eingabe-Token 57,786 Ausgabe-Token 130,805 Denk-Token 0 Antwortzeit (Durchschnitt) 86.27s Antwortzeit (Gesamt) 1897.96s Antwortzeit (Maximum) 747.17s Falsche Antwort: 11 Zusätzliche Formatierung: 4 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.9 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 2.9 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 3.0 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#27#27	Muse Spark 1.3medium	9.0	Meta	$1.075	89.78s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 9.3 Erfolgsquote pro Versuch 81.8% Instabile Tests 4 Eingabe-Token 98,062 Ausgabe-Token 13,168 Denk-Token 210,826 Antwortzeit (Durchschnitt) 89.78s Antwortzeit (Gesamt) 1975.17s Antwortzeit (Maximum) 356.29s Falsche Antwort: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 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 : 7.3 Rätsellösen : 8.4 Werkzeugaufrufe : 9.8 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