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: 2026-10-19 Bewertete Modelle: 451

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

451/451

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#66#66	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
#86#86	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
#56#56	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
#201#201	Kimi K2.6medium	6.8	Moonshot AI	$1.594 ↑	121.25s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 4 Eingabe-Token 226,880 Ausgabe-Token 65,346 Denk-Token 331,325 Antwortzeit (Durchschnitt) 121.25s Antwortzeit (Gesamt) 2667.55s Antwortzeit (Maximum) 876.20s Falsche Antwort: 4 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 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
#22#22	GPT-5.6 Solhigh	9.5	OpenAI	$1.595 ↑	13.59s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 89.9% Instabile Tests 3 Eingabe-Token 195,567 Ausgabe-Token 5,841 Denk-Token 26,230 Antwortzeit (Durchschnitt) 13.59s Antwortzeit (Gesamt) 312.61s Antwortzeit (Maximum) 59.99s Falsche Antwort: 4 Agentenaufgaben : 10.0 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
#44#44	Muse Wonderminimal	9.1	Meta	$1.639	7.72s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 76.8% Instabile Tests 2 Eingabe-Token 238,532 Ausgabe-Token 9,812 Denk-Token 24,412 Antwortzeit (Durchschnitt) 7.72s Antwortzeit (Gesamt) 177.57s Antwortzeit (Maximum) 42.89s API-Fehler: 3 Falsche Antwort: 3 Agentenaufgaben : 10.0 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 : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#29#29	Seed 2.1 Turbolow	9.3	Bytedance Seed	$1.645	161.25s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 81.2% Instabile Tests 2 Eingabe-Token 241,855 Ausgabe-Token 8,387 Denk-Token 600,946 Antwortzeit (Durchschnitt) 161.25s Antwortzeit (Gesamt) 3708.70s Antwortzeit (Maximum) 739.98s Falsche Antwort: 3 Keine Antwort: 2 Agentenaufgaben : 10.0 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
#57#57	Muse Spark 1.1medium	8.9	Meta	$1.665	27.02s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.9% Instabile Tests 2 Eingabe-Token 305,707 Ausgabe-Token 10,240 Denk-Token 291,479 Antwortzeit (Durchschnitt) 27.02s Antwortzeit (Gesamt) 621.38s Antwortzeit (Maximum) 165.38s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 8.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 7.9 Werkzeugaufrufe : 9.8 Allgemeinwissen : 3.0
#80#80	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
#20#20	GPT-5.6 Solmedium	9.5	OpenAI	$1.700	14.57s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 91.3% Instabile Tests 3 Eingabe-Token 191,341 Ausgabe-Token 5,665 Denk-Token 32,340 Antwortzeit (Durchschnitt) 14.57s Antwortzeit (Gesamt) 335.16s Antwortzeit (Maximum) 79.40s Falsche Antwort: 4 Agentenaufgaben : 10.0 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
#48#48	Muse Spark 1.3medium	9.0	Meta	$1.712	39.83s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 85.5% Instabile Tests 3 Eingabe-Token 250,676 Ausgabe-Token 13,511 Denk-Token 315,400 Antwortzeit (Durchschnitt) 39.83s Antwortzeit (Gesamt) 916.20s Antwortzeit (Maximum) 219.77s Falsche Antwort: 4 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 9.6 Allgemeinwissen : 3.0
#24#24	Claude Opus 5.5low	9.4	Anthropic	$1.733	25.68s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 88.4% Instabile Tests 2 Eingabe-Token 308,056 Ausgabe-Token 9,434 Denk-Token 15,572 Antwortzeit (Durchschnitt) 25.68s Antwortzeit (Gesamt) 590.71s Antwortzeit (Maximum) 89.16s Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 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 : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#273#273	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
#30#30	Muse Spark Openhigh	9.2	Meta	$1.782	151.96s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 76.8% Instabile Tests 1 Eingabe-Token 270,889 Ausgabe-Token 10,688 Denk-Token 328,857 Antwortzeit (Durchschnitt) 151.96s Antwortzeit (Gesamt) 3495.01s Antwortzeit (Maximum) 960.01s Zeitüberschreitung: 2 Falsche Antwort: 2 API-Fehler: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#17#17	Gemini 4 Argonhigh	9.5	Google	$1.802	19.03s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 2 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 97.1% Instabile Tests 2 Eingabe-Token 240,264 Ausgabe-Token 5,707 Denk-Token 126,366 Antwortzeit (Durchschnitt) 19.03s Antwortzeit (Gesamt) 437.77s Antwortzeit (Maximum) 82.53s API-Fehler: 1 Falsche Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 7.3 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
#31#31	Claude Opus 5.5medium	9.2	Anthropic	$1.804	25.85s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 89.9% Instabile Tests 1 Eingabe-Token 290,117 Ausgabe-Token 9,805 Denk-Token 22,322 Antwortzeit (Durchschnitt) 25.85s Antwortzeit (Gesamt) 594.63s Antwortzeit (Maximum) 90.20s Falsche Antwort: 2 Keine Antwort: 1 Agentenaufgaben : 10.0 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 : 3.0
#23#23	GPT-5.5low	9.5	OpenAI	$1.822	11.91s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 87.0% Instabile Tests 0 Eingabe-Token 177,939 Ausgabe-Token 6,283 Denk-Token 24,782 Antwortzeit (Durchschnitt) 11.91s Antwortzeit (Gesamt) 273.82s Antwortzeit (Maximum) 56.19s Falsche Antwort: 3 Agentenaufgaben : 10.0 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 : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#326#326	Hy4 previewlow	5.4	Tencent	$1.844	207.21s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 20 Zuverlässigkeit 6.5 Erfolgsquote pro Versuch 21.7% Instabile Tests 4 Eingabe-Token 162,180 Ausgabe-Token 5,030 Denk-Token 682,447 Antwortzeit (Durchschnitt) 207.21s Antwortzeit (Gesamt) 4765.91s Antwortzeit (Maximum) 597.45s Falsche Antwort: 13 API-Fehler: 5 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 6.0 Programmierung : 5.2 Kombiniert : 2.9 Datenanalyse und -extraktion : 8.7 Domänenspezifisch : 4.5 Allgemeine Intelligenz : 7.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.3 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#59#59	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
#40#40	Muse Spark 1.3high	9.1	Meta	$1.891	52.87s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 78.3% Instabile Tests 2 Eingabe-Token 257,320 Ausgabe-Token 14,459 Denk-Token 354,683 Antwortzeit (Durchschnitt) 52.87s Antwortzeit (Gesamt) 1216.04s Antwortzeit (Maximum) 251.53s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Agentenaufgaben : 10.0 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 : 6.5 Rätsellösen : 8.7 Werkzeugaufrufe : 9.6 Allgemeinwissen : 3.0
#43#43	Seed 2.1 Turbohigh	9.1	Bytedance Seed	$1.892	170.52s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 79.7% Instabile Tests 3 Eingabe-Token 246,954 Ausgabe-Token 8,378 Denk-Token 698,942 Antwortzeit (Durchschnitt) 170.52s Antwortzeit (Gesamt) 3922.04s Antwortzeit (Maximum) 584.71s Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.2 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.927	40.60s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 1 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 98.6% Instabile Tests 1 Eingabe-Token 334,568 Ausgabe-Token 11,394 Denk-Token 435,334 Antwortzeit (Durchschnitt) 40.60s Antwortzeit (Gesamt) 933.73s Antwortzeit (Maximum) 177.08s Keine Antwort: 1 Agentenaufgaben : 10.0 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
#156#156	Grok 4.7low	7.4	X AI	$1.933	63.19s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.9% Instabile Tests 5 Eingabe-Token 365,119 Ausgabe-Token 8,118 Denk-Token 247,211 Antwortzeit (Durchschnitt) 63.19s Antwortzeit (Gesamt) 1453.28s Antwortzeit (Maximum) 389.63s Falsche Antwort: 6 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 10.0 Programmierung : 8.4 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 8.4 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#55#55	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
#69#69	Seed 2.1 Turbomedium	8.7	Bytedance Seed	$2.042	189.13s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 79.7% Instabile Tests 5 Eingabe-Token 234,572 Ausgabe-Token 8,019 Denk-Token 761,563 Antwortzeit (Durchschnitt) 189.13s Antwortzeit (Gesamt) 4349.92s Antwortzeit (Maximum) 885.33s Falsche Antwort: 5 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.2 Programmierung : 8.2 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 9.9 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