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)
#82#82	Grok 4.5high	8.2	X AI	$2.687 ↑	72.50s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 82.6% Instabile Tests 3 Eingabe-Token 342,124 Ausgabe-Token 7,135 Denk-Token 326,497 Antwortzeit (Durchschnitt) 72.50s Antwortzeit (Gesamt) 1667.51s Antwortzeit (Maximum) 676.83s Falsche Antwort: 3 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 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
#81#81	Qwen3.7 Plusmedium	8.3	Qwen	$0.415 ↓	59.73s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.8% Instabile Tests 3 Eingabe-Token 350,546 Ausgabe-Token 8,576 Denk-Token 206,984 Antwortzeit (Durchschnitt) 59.73s Antwortzeit (Gesamt) 1373.73s Antwortzeit (Maximum) 315.30s Falsche Antwort: 6 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 6.1 Kombiniert : 8.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#79#79	GPT-6 Lunamedium	8.3	OpenAI	$0.047	18.07s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.9% Instabile Tests 3 Eingabe-Token 203,193 Ausgabe-Token 5,751 Denk-Token 47,410 Antwortzeit (Durchschnitt) 18.07s Antwortzeit (Gesamt) 415.53s Antwortzeit (Maximum) 66.44s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 6.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#80#80	Claude Opus 4.8medium	8.3	Anthropic	$3.490	16.72s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 82.6% Instabile Tests 3 Eingabe-Token 360,294 Ausgabe-Token 43,441 Denk-Token 24,401 Antwortzeit (Durchschnitt) 16.72s Antwortzeit (Gesamt) 384.66s Antwortzeit (Maximum) 99.37s Falsche Antwort: 5 Keine Antwort: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 9.9 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#78#78	Kimi K3max	8.3	Moonshot AI	$2.447 ↓	139.41s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 9.3 Erfolgsquote pro Versuch 78.3% Instabile Tests 2 Eingabe-Token 170,700 Ausgabe-Token 7,719 Denk-Token 225,608 Antwortzeit (Durchschnitt) 139.41s Antwortzeit (Gesamt) 2788.26s Antwortzeit (Maximum) 766.58s API-Fehler: 2 Keine Antwort: 2 Zusätzliche Formatierung: 1 Zeitüberschreitung: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 6.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#77#77	Gemini 3.5 Flashhigh	8.3	Google	$2.737	18.59s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 85.5% Instabile Tests 2 Eingabe-Token 348,103 Ausgabe-Token 11,045 Denk-Token 234,967 Antwortzeit (Durchschnitt) 18.59s Antwortzeit (Gesamt) 427.52s Antwortzeit (Maximum) 145.92s Ungültiger Werkzeugaufruf: 2 Falsche Antwort: 2 Agentenaufgaben : 3.4 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
#76#76	GPT-5.6 Terrahigh	8.3	OpenAI	$0.698 ↓	13.62s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 2 Eingabe-Token 197,239 Ausgabe-Token 6,083 Denk-Token 53,982 Antwortzeit (Durchschnitt) 13.62s Antwortzeit (Gesamt) 313.21s Antwortzeit (Maximum) 91.49s Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 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
#75#75	GLM 5.2high	8.4	Z.ai	$1.644 ↑	69.11s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 3 Eingabe-Token 288,913 Ausgabe-Token 79,462 Denk-Token 303,120 Antwortzeit (Durchschnitt) 69.11s Antwortzeit (Gesamt) 1589.43s Antwortzeit (Maximum) 599.43s Falsche Antwort: 5 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 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
#74#74	DeepSeek V4 Flash 0731high	8.4	DeepSeek	$0.578 ↑	118.83s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.8% Instabile Tests 5 Eingabe-Token 281,863 Ausgabe-Token 24,535 Denk-Token 507,976 Antwortzeit (Durchschnitt) 118.83s Antwortzeit (Gesamt) 2733.01s Antwortzeit (Maximum) 600.61s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.7 Programmierung : 6.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#73#73	Muse Spark 1.1high	8.4	Meta	$2.570	37.41s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 6 Eingabe-Token 336,310 Ausgabe-Token 10,838 Denk-Token 494,728 Antwortzeit (Durchschnitt) 37.41s Antwortzeit (Gesamt) 860.39s Antwortzeit (Maximum) 196.03s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 7.5 Programmierung : 10.0 Kombiniert : 5.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 7.8 Werkzeugaufrufe : 9.6 Allgemeinwissen : 3.0
#72#72	Inklinghigh	8.4	Thinkingmachines	$1.394 ↑	62.72s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 78.3% Instabile Tests 3 Eingabe-Token 240,395 Ausgabe-Token 7,169 Denk-Token 242,073 Antwortzeit (Durchschnitt) 62.72s Antwortzeit (Gesamt) 1442.48s Antwortzeit (Maximum) 327.51s Falsche Antwort: 4 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 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
#71#71	Gemini 3.1 Pro Previewmedium	8.4	Google	$1.585	22.71s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 3 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 89.9% Instabile Tests 1 Eingabe-Token 176,208 Ausgabe-Token 6,093 Denk-Token 96,598 Antwortzeit (Durchschnitt) 22.71s Antwortzeit (Gesamt) 386.11s Antwortzeit (Maximum) 88.68s Falsche Antwort: 2 Zeitüberschreitung: 1 Agentenaufgaben : 4.7 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
#70#70	Muse Glimmer 30Bxhigh	8.4	Meta	$0.823 ↑	97.70s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 71.0% Instabile Tests 4 Eingabe-Token 287,538 Ausgabe-Token 118,266 Denk-Token 346,758 Antwortzeit (Durchschnitt) 97.70s Antwortzeit (Gesamt) 2247.18s Antwortzeit (Maximum) 576.79s Falsche Antwort: 4 Keine Antwort: 3 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 6.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.4 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#69#69	GPT-5 Minimedium	8.4	OpenAI	$0.315 ↑	29.42s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 4 Eingabe-Token 214,645 Ausgabe-Token 15,532 Denk-Token 103,679 Antwortzeit (Durchschnitt) 29.42s Antwortzeit (Gesamt) 676.56s Antwortzeit (Maximum) 111.48s Falsche Antwort: 5 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 7.1 Programmierung : 10.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#68#68	Qwen3.8 2.4T A95Blow	8.4	Qwen	$4.016 ↑	120.40s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 73.9% Instabile Tests 2 Eingabe-Token 313,881 Ausgabe-Token 123,706 Denk-Token 388,328 Antwortzeit (Durchschnitt) 120.40s Antwortzeit (Gesamt) 2769.16s Antwortzeit (Maximum) 534.21s Falsche Antwort: 5 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 7.8 Kombiniert : 8.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.2 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#67#67	Qwen3.7 Maxmedium	8.5	Qwen	$1.689 ↓	48.35s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 85.5% Instabile Tests 4 Eingabe-Token 367,848 Ausgabe-Token 8,753 Denk-Token 250,279 Antwortzeit (Durchschnitt) 48.35s Antwortzeit (Gesamt) 1112.11s Antwortzeit (Maximum) 556.06s Falsche Antwort: 5 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 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
#66#66	Claude Sonnet 5medium	8.5	Anthropic	$1.438	15.01s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.8% Instabile Tests 3 Eingabe-Token 353,658 Ausgabe-Token 54,891 Denk-Token 18,370 Antwortzeit (Durchschnitt) 15.01s Antwortzeit (Gesamt) 345.16s Antwortzeit (Maximum) 69.26s Falsche Antwort: 5 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 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
#65#65	Muse Spark 1.3low	8.5	Meta	$0.911	17.73s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 82.6% Instabile Tests 5 Eingabe-Token 270,231 Ausgabe-Token 13,363 Denk-Token 121,332 Antwortzeit (Durchschnitt) 17.73s Antwortzeit (Gesamt) 407.75s Antwortzeit (Maximum) 78.72s Falsche Antwort: 4 API-Fehler: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#64#64	Grok 4.6high	8.5	X AI	$2.629	87.48s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 82.6% Instabile Tests 0 Eingabe-Token 376,233 Ausgabe-Token 6,687 Denk-Token 305,927 Antwortzeit (Durchschnitt) 87.48s Antwortzeit (Gesamt) 2012.15s Antwortzeit (Maximum) 618.49s Falsche Antwort: 3 Keine Antwort: 1 Agentenaufgaben : 5.0 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
#63#63	Qwen3.8 Max (0902)low	8.6	Qwen	$1.131	29.07s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 85.5% Instabile Tests 3 Eingabe-Token 298,682 Ausgabe-Token 8,374 Denk-Token 80,549 Antwortzeit (Durchschnitt) 29.07s Antwortzeit (Gesamt) 668.66s Antwortzeit (Maximum) 207.79s Falsche Antwort: 4 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#62#62	Claude Sonnet 5.5high	8.6	Anthropic	$1.175	10.79s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 81.2% Instabile Tests 5 Eingabe-Token 345,687 Ausgabe-Token 13,550 Denk-Token 34,743 Antwortzeit (Durchschnitt) 10.79s Antwortzeit (Gesamt) 248.22s Antwortzeit (Maximum) 51.53s Falsche Antwort: 5 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 8.2 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#60#60	Muse Spark 1.1low	8.6	Meta	$0.885	13.21s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 72.5% Instabile Tests 4 Eingabe-Token 291,368 Ausgabe-Token 13,469 Denk-Token 108,952 Antwortzeit (Durchschnitt) 13.21s Antwortzeit (Gesamt) 303.92s Antwortzeit (Maximum) 54.15s Falsche Antwort: 5 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 7.9 Programmierung : 10.0 Kombiniert : 6.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.3 Rätsellösen : 8.3 Werkzeugaufrufe : 9.8 Allgemeinwissen : 3.0
#61#61	Claude Sonnet 5.5xhigh	8.6	Anthropic	$1.516	14.98s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 79.7% Instabile Tests 4 Eingabe-Token 342,579 Ausgabe-Token 12,848 Denk-Token 70,193 Antwortzeit (Durchschnitt) 14.98s Antwortzeit (Gesamt) 344.60s Antwortzeit (Maximum) 54.92s Falsche Antwort: 3 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#59#59	DeepSeek V4.1 Flashmax	8.6	DeepSeek	$0.467 ↓	61.58s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 69.6% Instabile Tests 2 Eingabe-Token 414,054 Ausgabe-Token 7,635 Denk-Token 900,536 Antwortzeit (Durchschnitt) 61.58s Antwortzeit (Gesamt) 1416.24s Antwortzeit (Maximum) 335.08s Falsche Antwort: 6 API-Fehler: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#58#58	GPT-6 Sollow	8.7	OpenAI	$0.477	8.72s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 87.0% Instabile Tests 4 Eingabe-Token 172,359 Ausgabe-Token 5,026 Denk-Token 8,185 Antwortzeit (Durchschnitt) 8.72s Antwortzeit (Gesamt) 200.61s Antwortzeit (Maximum) 48.43s Falsche Antwort: 5 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 6.2 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

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