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)
#14#14	GPT-6 Astralow	9.6	OpenAI	$2.160	7.01s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 2 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 91.3% Instabile Tests 0 Eingabe-Token 159,023 Ausgabe-Token 4,935 Denk-Token 6,454 Antwortzeit (Durchschnitt) 7.01s Antwortzeit (Gesamt) 161.20s Antwortzeit (Maximum) 49.16s Falsche Antwort: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 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
#15#15	Gemini 3 Flash Previewmedium	9.6	Google	$0.876	21.57s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 94.2% Instabile Tests 1 Eingabe-Token 235,726 Ausgabe-Token 6,669 Denk-Token 245,867 Antwortzeit (Durchschnitt) 21.57s Antwortzeit (Gesamt) 496.12s Antwortzeit (Maximum) 117.26s Falsche Antwort: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 8.6 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 : 10.0
#16#16	GPT-6.1 Sollow	9.6	OpenAI	$0.460	7.15s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 92.8% Instabile Tests 1 Eingabe-Token 163,900 Ausgabe-Token 4,958 Denk-Token 8,180 Antwortzeit (Durchschnitt) 7.15s Antwortzeit (Gesamt) 164.47s Antwortzeit (Maximum) 46.57s Falsche Antwort: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 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 : 2.8
#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
#18#18	Gemini 3.7 Flashmedium	9.5	Google	$0.278	8.16s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 94.2% Instabile Tests 1 Eingabe-Token 202,347 Ausgabe-Token 6,660 Denk-Token 68,002 Antwortzeit (Durchschnitt) 8.16s Antwortzeit (Gesamt) 187.58s Antwortzeit (Maximum) 58.39s Falsche Antwort: 2 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 : 10.0
#19#19	GPT-6 Solmedium	9.5	OpenAI	$0.703	12.12s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 94.2% Instabile Tests 1 Eingabe-Token 194,520 Ausgabe-Token 5,396 Denk-Token 25,991 Antwortzeit (Durchschnitt) 12.12s Antwortzeit (Gesamt) 278.70s Antwortzeit (Maximum) 82.74s Falsche Antwort: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 8.2 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 : 10.0
#26#26	Gemini 3.7 Flashlow	9.4	Google	$0.183	6.24s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 95.7% Instabile Tests 2 Eingabe-Token 188,519 Ausgabe-Token 7,694 Denk-Token 30,759 Antwortzeit (Durchschnitt) 6.24s Antwortzeit (Gesamt) 143.56s Antwortzeit (Maximum) 58.75s Falsche Antwort: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 7.6 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
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.900 ↓	18.93s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 1 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 98.6% Instabile Tests 1 Eingabe-Token 238,080 Ausgabe-Token 4,211 Denk-Token 188,109 Antwortzeit (Durchschnitt) 18.93s Antwortzeit (Gesamt) 435.48s Antwortzeit (Maximum) 104.15s Falsche 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
#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
#3🥉 #3	GPT-6 Solhigh	9.9	OpenAI	$0.921	23.56s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 1 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 95.7% Instabile Tests 0 Eingabe-Token 182,698 Ausgabe-Token 5,647 Denk-Token 49,872 Antwortzeit (Durchschnitt) 23.56s Antwortzeit (Gesamt) 541.85s Antwortzeit (Maximum) 136.22s Falsche Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 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 : 10.0
#4#4	GPT-6.1 Solmax	9.9	OpenAI	$1.006	61.98s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 1 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 95.7% Instabile Tests 0 Eingabe-Token 183,607 Ausgabe-Token 5,741 Denk-Token 58,082 Antwortzeit (Durchschnitt) 61.98s Antwortzeit (Gesamt) 1425.65s Antwortzeit (Maximum) 960.01s Zeitüberschreitung: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 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 : 10.0
#5#5	GPT-6 Astramax	9.9	OpenAI	$5.044	61.63s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 1 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 95.7% Instabile Tests 0 Eingabe-Token 181,223 Ausgabe-Token 5,707 Denk-Token 58,909 Antwortzeit (Durchschnitt) 61.63s Antwortzeit (Gesamt) 1417.51s Antwortzeit (Maximum) 960.01s Zeitüberschreitung: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 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 : 10.0
#6#6	GPT-6.1 Solxhigh	9.9	OpenAI	$1.377	33.11s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 1 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 97.1% Instabile Tests 1 Eingabe-Token 175,712 Ausgabe-Token 5,640 Denk-Token 96,842 Antwortzeit (Durchschnitt) 33.11s Antwortzeit (Gesamt) 761.52s Antwortzeit (Maximum) 491.85s Falsche Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#7#7	GPT-6 Astrahigh	9.9	OpenAI	$4.458	20.16s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 1 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 97.1% Instabile Tests 1 Eingabe-Token 167,805 Ausgabe-Token 5,651 Denk-Token 49,944 Antwortzeit (Durchschnitt) 20.16s Antwortzeit (Gesamt) 463.68s Antwortzeit (Maximum) 254.93s Falsche Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#8#8	GPT-6 Astraxhigh	9.9	OpenAI	$6.213	29.67s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 1 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 97.1% Instabile Tests 1 Eingabe-Token 170,731 Ausgabe-Token 5,865 Denk-Token 84,230 Antwortzeit (Durchschnitt) 29.67s Antwortzeit (Gesamt) 682.42s Antwortzeit (Maximum) 381.11s Falsche Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#435#435	Gemini 3 Flash Previewhigh	1.8	Google	$0.105	52.45s
Modellkarte anzeigen Gesamttests 1 Falsche Tests 0 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 4.4% Instabile Tests 0 Eingabe-Token 134,050 Ausgabe-Token 1,029 Denk-Token 11,528 Antwortzeit (Durchschnitt) 52.45s Antwortzeit (Gesamt) 52.45s Antwortzeit (Maximum) 52.45s Agentenaufgaben : 10.0 Anti-KI-Tricks : 0.0 Programmierung : 0.0 Kombiniert : 0.0 Datenanalyse und -extraktion : 0.0 Domänenspezifisch : 0.0 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 0.0 Rätsellösen : 0.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#442#442	Claude Opus 5.5none	0.2	Anthropic	$0.015	13.58s
Modellkarte anzeigen Gesamttests 1 Falsche Tests 0 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 4.4% Instabile Tests 0 Eingabe-Token 73 Ausgabe-Token 6 Denk-Token 729 Antwortzeit (Durchschnitt) 13.58s Antwortzeit (Gesamt) 13.58s Antwortzeit (Maximum) 13.58s Agentenaufgaben : 0.0 Anti-KI-Tricks : 0.0 Programmierung : 0.0 Kombiniert : 0.0 Datenanalyse und -extraktion : 0.0 Domänenspezifisch : 3.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 0.0 Rätsellösen : 0.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0

←

1 17 18

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