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: 2026-10-17 Bewertete Modelle: 442

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

442/442

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#192#192	Gemma 4 31Bmedium	6.9	Google	$0.144 ↓	78.76s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 3 Eingabe-Token 251,164 Ausgabe-Token 36,112 Denk-Token 241,203 Antwortzeit (Durchschnitt) 78.76s Antwortzeit (Gesamt) 1653.96s Antwortzeit (Maximum) 437.40s Falsche Antwort: 4 API-Fehler: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 10.0 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
#203#203	Grok 4.7xhigh	6.7	X AI	$3.398	123.96s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 73.9% Instabile Tests 6 Eingabe-Token 310,049 Ausgabe-Token 6,094 Denk-Token 566,221 Antwortzeit (Durchschnitt) 123.96s Antwortzeit (Gesamt) 2851.07s Antwortzeit (Maximum) 775.64s Keine Antwort: 4 Falsche Antwort: 3 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.7 Programmierung : 5.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#220#220	Beam 1.0 501B A23Bmedium	6.6	Reflection	$0.499	6.27s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 2 Eingabe-Token 202,937 Ausgabe-Token 4,328 Denk-Token 94,193 Antwortzeit (Durchschnitt) 6.27s Antwortzeit (Gesamt) 144.28s Antwortzeit (Maximum) 31.55s Falsche Antwort: 6 API-Fehler: 3 Agentenaufgaben : 3.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#248#248	Gemini 3.1 Flash Lite Previewlow	6.3	Google	$0.736	19.04s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 0 Eingabe-Token 309,715 Ausgabe-Token 16,170 Denk-Token 422,721 Antwortzeit (Durchschnitt) 19.04s Antwortzeit (Gesamt) 437.98s Antwortzeit (Maximum) 309.35s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#265#265	Gemini 3.5 Flashnone	6.1	Google	$1.752	14.13s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 4 Eingabe-Token 246,061 Ausgabe-Token 3,828 Denk-Token 149,767 Antwortzeit (Durchschnitt) 14.13s Antwortzeit (Gesamt) 268.55s Antwortzeit (Maximum) 85.26s API-Fehler: 4 Falsche Antwort: 4 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 2.8 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
#236#236	Claude Sonnet 4.6medium	6.4	Anthropic	$2.126	28.08s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.3% Instabile Tests 1 Eingabe-Token 106,316 Ausgabe-Token 79,338 Denk-Token 41,089 Antwortzeit (Durchschnitt) 28.08s Antwortzeit (Gesamt) 421.15s Antwortzeit (Maximum) 140.96s Falsche Antwort: 4 Zusätzliche Formatierung: 3 Zeitüberschreitung: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 6.5 Programmierung : 5.7 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
#54#54	Muse Spark 1.2high	8.9	Meta	$2.018	28.15s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 75.4% Instabile Tests 5 Eingabe-Token 277,967 Ausgabe-Token 9,240 Denk-Token 383,606 Antwortzeit (Durchschnitt) 28.15s Antwortzeit (Gesamt) 647.40s Antwortzeit (Maximum) 192.00s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 7.1 Programmierung : 10.0 Kombiniert : 8.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#55#55	Muse Spark 1.2medium	8.9	Meta	$1.590	21.28s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.4% Instabile Tests 4 Eingabe-Token 292,604 Ausgabe-Token 9,569 Denk-Token 278,408 Antwortzeit (Durchschnitt) 21.28s Antwortzeit (Gesamt) 489.46s Antwortzeit (Maximum) 142.49s Anweisungen nicht befolgt: 3 Falsche Antwort: 3 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 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
#58#58	Pareto 26.9default	8.9	Unbiased	$1.864	28.26s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 79.7% Instabile Tests 6 Eingabe-Token 218,199 Ausgabe-Token 175,696 Denk-Token 0 Antwortzeit (Durchschnitt) 28.26s Antwortzeit (Gesamt) 649.90s Antwortzeit (Maximum) 151.76s Falsche Antwort: 6 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 7.5 Programmierung : 10.0 Kombiniert : 8.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 2.8
#61#61	Muse Spark Openmedium	8.8	Meta	$1.260	77.44s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 78.3% Instabile Tests 5 Eingabe-Token 256,646 Ausgabe-Token 10,490 Denk-Token 210,325 Antwortzeit (Durchschnitt) 77.44s Antwortzeit (Gesamt) 1781.16s Antwortzeit (Maximum) 643.19s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.9 Programmierung : 8.2 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.3 Rätsellösen : 8.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#65#65	GPT-5.2medium	8.7	OpenAI	$1.558 ↑	31.29s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.9% Instabile Tests 4 Eingabe-Token 235,207 Ausgabe-Token 11,065 Denk-Token 69,473 Antwortzeit (Durchschnitt) 31.29s Antwortzeit (Gesamt) 531.98s Antwortzeit (Maximum) 116.86s Anweisungen nicht befolgt: 3 Falsche Antwort: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 10.0 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
#70#70	DeepSeek V4.1 Flashmax	8.6	DeepSeek	$1.204 ↑	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
#81#81	Nemotron 3.5 Super VLhigh	8.4	NVIDIA	$0.349	49.88s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 82.6% Instabile Tests 6 Eingabe-Token 296,001 Ausgabe-Token 8,105 Denk-Token 600,178 Antwortzeit (Durchschnitt) 49.88s Antwortzeit (Gesamt) 1147.24s Antwortzeit (Maximum) 310.51s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Keine Antwort: 2 API-Fehler: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 8.4 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 8.5 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#88#88	DeepSeek V4 Flash 0731high	8.4	DeepSeek	$0.576 ↑	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
#89#89	GLM 5.2high	8.4	Z.ai	$4.632 ↑	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
#90#90	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
#91#91	Claude Haiku 5.5high	8.3	Anthropic	$0.088	10.41s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.8% Instabile Tests 4 Eingabe-Token 346,451 Ausgabe-Token 10,136 Denk-Token 95,504 Antwortzeit (Durchschnitt) 10.41s Antwortzeit (Gesamt) 239.38s Antwortzeit (Maximum) 52.61s Falsche Antwort: 4 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 6.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#94#94	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
#96#96	Ling 3.1 Flashmedium	8.3	Inclusionai	$0.000	88.74s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 71.0% Instabile Tests 3 Eingabe-Token 369,495 Ausgabe-Token 172,852 Denk-Token 476,002 Antwortzeit (Durchschnitt) 88.74s Antwortzeit (Gesamt) 2041.10s Antwortzeit (Maximum) 567.88s Keine Antwort: 4 Falsche Antwort: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 6.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#98#98	Gemini 4 Argonlow	8.2	Google	$0.438	5.72s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 79.7% Instabile Tests 6 Eingabe-Token 188,162 Ausgabe-Token 6,097 Denk-Token 0 Antwortzeit (Durchschnitt) 5.72s Antwortzeit (Gesamt) 131.67s Antwortzeit (Maximum) 60.87s Falsche Antwort: 5 API-Fehler: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.7 Programmierung : 10.0 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.7 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#101#101	GPT-5.6 Terramedium	8.2	OpenAI	$0.483 ↓	8.93s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 2 Eingabe-Token 172,507 Ausgabe-Token 5,824 Denk-Token 27,365 Antwortzeit (Durchschnitt) 8.93s Antwortzeit (Gesamt) 205.39s Antwortzeit (Maximum) 54.74s Falsche Antwort: 8 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 6.1 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#107#107	DeepSeek V4.1 Flashlow	8.0	DeepSeek	$0.494 ↑	28.04s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 73.9% Instabile Tests 4 Eingabe-Token 266,849 Ausgabe-Token 8,284 Denk-Token 363,263 Antwortzeit (Durchschnitt) 28.04s Antwortzeit (Gesamt) 645.03s Antwortzeit (Maximum) 149.84s Falsche Antwort: 7 API-Fehler: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#108#108	GPT-5.6 Lunahigh	8.0	OpenAI	$0.118 ↓	18.39s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 4 Eingabe-Token 197,896 Ausgabe-Token 6,211 Denk-Token 133,184 Antwortzeit (Durchschnitt) 18.39s Antwortzeit (Gesamt) 422.93s Antwortzeit (Maximum) 111.09s Falsche Antwort: 8 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#112#112	Qwen3.8 Flash Nextlow	8.0	Qwen	~$0.045	23.66s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 79.7% Instabile Tests 6 Eingabe-Token 342,163 Ausgabe-Token 1,518 Denk-Token 133,777 Antwortzeit (Durchschnitt) 23.66s Antwortzeit (Gesamt) 544.16s Antwortzeit (Maximum) 166.72s Falsche Antwort: 6 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#115#115	GLM 5.3 FlashXmax	7.9	Z.ai	$0.623	43.97s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 78.3% Instabile Tests 6 Eingabe-Token 322,894 Ausgabe-Token 8,010 Denk-Token 394,755 Antwortzeit (Durchschnitt) 43.97s Antwortzeit (Gesamt) 1011.29s Antwortzeit (Maximum) 390.70s Ungültiger Werkzeugaufruf: 2 Keine Antwort: 2 Falsche Antwort: 2 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 8.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 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 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