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: 2026-09-03 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)
#231#231	Qwen3.8 27Bnone	5.5	Qwen	~$0.006	3.12s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.9% Instabile Tests 0 Eingabe-Token 122,463 Ausgabe-Token 11,445 Denk-Token 0 Antwortzeit (Durchschnitt) 3.12s Antwortzeit (Gesamt) 68.69s Antwortzeit (Maximum) 44.76s Falsche Antwort: 11 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.3 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#298#298	Granite 4.1 8Bnone	4.0	IBM Granite	$0.007	1.44s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 20 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 9.1% Instabile Tests 0 Eingabe-Token 113,836 Ausgabe-Token 5,996 Denk-Token 0 Antwortzeit (Durchschnitt) 1.44s Antwortzeit (Gesamt) 31.75s Antwortzeit (Maximum) 16.67s Falsche Antwort: 13 Anweisungen nicht befolgt: 4 Ungültiger Werkzeugaufruf: 2 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 4.9 Programmierung : 4.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 3.6 Rätsellösen : 3.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#299#299	Nemotron 3.5 Lightningnone	4.0	NVIDIA	$0.007 ↕	1.21s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 16.7% Instabile Tests 2 Eingabe-Token 74,074 Ausgabe-Token 2,731 Denk-Token 0 Antwortzeit (Durchschnitt) 1.21s Antwortzeit (Gesamt) 26.62s Antwortzeit (Maximum) 6.30s Falsche Antwort: 16 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.8 Programmierung : 3.1 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#295#295	Hy3 previewnone	4.0	Tencent	$0.007 ↕	12.92s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 22.7% Instabile Tests 2 Eingabe-Token 27,172 Ausgabe-Token 2,661 Denk-Token 0 Antwortzeit (Durchschnitt) 12.92s Antwortzeit (Gesamt) 232.64s Antwortzeit (Maximum) 35.84s Falsche Antwort: 8 API-Fehler: 4 Anweisungen nicht befolgt: 4 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 4.8 Programmierung : 2.7 Kombiniert : 1.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#242#242	Laguna XS 2.1none	5.3	Poolside	$0.008	1.55s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.3% Instabile Tests 3 Eingabe-Token 91,607 Ausgabe-Token 13,377 Denk-Token 0 Antwortzeit (Durchschnitt) 1.55s Antwortzeit (Gesamt) 34.01s Antwortzeit (Maximum) 19.02s Falsche Antwort: 14 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 5.3 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 3.8 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#303#303	Grok 4.1 Fastnone	3.8	X AI	$0.008 ↓	1.62s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 19.7% Instabile Tests 3 Eingabe-Token 36,608 Ausgabe-Token 1,723 Denk-Token 0 Antwortzeit (Durchschnitt) 1.62s Antwortzeit (Gesamt) 19.48s Antwortzeit (Maximum) 5.51s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 3.2 Programmierung : 1.8 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 3.0 Rätsellösen : 3.0 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#276#276	Trinity Large Previewnone	4.8	Arcee AI	$0.008 ↑	2.98s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 21.2% Instabile Tests 2 Eingabe-Token 29,828 Ausgabe-Token 2,169 Denk-Token 0 Antwortzeit (Durchschnitt) 2.98s Antwortzeit (Gesamt) 56.57s Antwortzeit (Maximum) 14.34s Falsche Antwort: 12 Anweisungen nicht befolgt: 3 API-Fehler: 2 Anti-KI-Tricks : 3.1 Programmierung : 3.7 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 3.5 Rätsellösen : 3.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#267#267	Nemotron 3 Supernone	4.8	NVIDIA	$0.008 ↑	6.04s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 9.2 Erfolgsquote pro Versuch 27.3% Instabile Tests 2 Eingabe-Token 63,528 Ausgabe-Token 6,432 Denk-Token 0 Antwortzeit (Durchschnitt) 6.04s Antwortzeit (Gesamt) 132.96s Antwortzeit (Maximum) 20.00s Falsche Antwort: 15 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 3.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.5 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#249#249	Granite 4.2 8Bmedium	5.2	IBM Granite	$0.009	45.97s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 8.7 Erfolgsquote pro Versuch 34.9% Instabile Tests 1 Eingabe-Token 52,909 Ausgabe-Token 7,058 Denk-Token 12,272 Antwortzeit (Durchschnitt) 45.97s Antwortzeit (Gesamt) 1011.42s Antwortzeit (Maximum) 557.96s Falsche Antwort: 9 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.4 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 3.8 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#287#287	Laguna M.1none	4.4	Poolside	$0.009 ↕	2.89s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 15 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 27.3% Instabile Tests 3 Eingabe-Token 38,147 Ausgabe-Token 2,054 Denk-Token 0 Antwortzeit (Durchschnitt) 2.89s Antwortzeit (Gesamt) 43.28s Antwortzeit (Maximum) 15.42s Falsche Antwort: 10 API-Fehler: 4 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.4 Programmierung : 2.5 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#307#307	gpt-oss-120bnone	3.7	OpenAI	$0.010 ↓	21.61s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 33.3% Instabile Tests 2 Eingabe-Token 9,081 Ausgabe-Token 51,664 Denk-Token 0 Antwortzeit (Durchschnitt) 21.61s Antwortzeit (Gesamt) 345.79s Antwortzeit (Maximum) 113.71s Falsche Antwort: 8 API-Fehler: 3 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 6.5 Programmierung : 1.5 Kombiniert : 1.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#263#263	GPT-4o-mininone	5.0	OpenAI	$0.010	1.92s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 22.7% Instabile Tests 0 Eingabe-Token 53,145 Ausgabe-Token 2,913 Denk-Token 0 Antwortzeit (Durchschnitt) 1.92s Antwortzeit (Gesamt) 30.71s Antwortzeit (Maximum) 7.58s Falsche Antwort: 15 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 4.8 Programmierung : 3.2 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#260#260	Mercury 2.5 Previewlow	5.0	Inception	$0.011	1.31s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.0% Instabile Tests 8 Eingabe-Token 133,525 Ausgabe-Token 7,259 Denk-Token 24,716 Antwortzeit (Durchschnitt) 1.31s Antwortzeit (Gesamt) 28.77s Antwortzeit (Maximum) 7.29s Falsche Antwort: 12 Anweisungen nicht befolgt: 2 API-Fehler: 1 Keine Antwort: 1 Anti-KI-Tricks : 5.6 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 8.2 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#239#239	DeepSeek V4 Flash 0731none	5.4	DeepSeek	$0.011 ↓	20.72s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.3% Instabile Tests 4 Eingabe-Token 94,566 Ausgabe-Token 25,426 Denk-Token 0 Antwortzeit (Durchschnitt) 20.72s Antwortzeit (Gesamt) 455.81s Antwortzeit (Maximum) 387.15s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 3.4 Programmierung : 4.3 Kombiniert : 3.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 5.0 Rätsellösen : 3.2 Werkzeugaufrufe : 9.5 Allgemeinwissen : 3.0
#253#253	Granite 4.2 8Blow	5.1	IBM Granite	$0.012	54.36s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 9.0 Erfolgsquote pro Versuch 31.8% Instabile Tests 0 Eingabe-Token 74,721 Ausgabe-Token 9,205 Denk-Token 18,723 Antwortzeit (Durchschnitt) 54.36s Antwortzeit (Gesamt) 1195.97s Antwortzeit (Maximum) 566.80s Falsche Antwort: 10 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 3.0 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#223#223	Gemma 4 26B A4Bnone	5.6	Google	$0.015 ↓	7.58s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 1 Eingabe-Token 131,257 Ausgabe-Token 15,781 Denk-Token 0 Antwortzeit (Durchschnitt) 7.58s Antwortzeit (Gesamt) 166.82s Antwortzeit (Maximum) 57.10s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.3 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 6.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#206#206	GLM 5.3 Flashlow	5.9	Z.ai	$0.015	9.65s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.1% Instabile Tests 4 Eingabe-Token 117,551 Ausgabe-Token 9,199 Denk-Token 14,537 Antwortzeit (Durchschnitt) 9.65s Antwortzeit (Gesamt) 212.22s Antwortzeit (Maximum) 90.45s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.7 Programmierung : 5.4 Kombiniert : 3.8 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#294#294	Laguna Xs.2medium	4.1	Poolside	$0.015 ↕	6.73s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 6 Eingabe-Token 39,481 Ausgabe-Token 54,218 Denk-Token 0 Antwortzeit (Durchschnitt) 6.73s Antwortzeit (Gesamt) 100.98s Antwortzeit (Maximum) 29.11s Falsche Antwort: 6 API-Fehler: 4 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.9 Programmierung : 2.1 Kombiniert : 1.5 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#244#244	Ling-2.6-1Tnone	5.3	Inclusionai	$0.016 ↑	8.59s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 18.2% Instabile Tests 0 Eingabe-Token 106,423 Ausgabe-Token 11,555 Denk-Token 0 Antwortzeit (Durchschnitt) 8.59s Antwortzeit (Gesamt) 163.20s Antwortzeit (Maximum) 25.72s Falsche Antwort: 12 API-Fehler: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.4 Programmierung : 3.8 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 3.1 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#275#275	GLM 4.7 Flashnone	4.8	Z.ai	$0.016	8.81s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.3% Instabile Tests 3 Eingabe-Token 101,513 Ausgabe-Token 22,992 Denk-Token 0 Antwortzeit (Durchschnitt) 8.81s Antwortzeit (Gesamt) 140.88s Antwortzeit (Maximum) 97.15s Falsche Antwort: 14 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 5.2 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 6.4 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#191#191	Gemma 4 31Bnone	6.1	Google	$0.016 ↓	5.41s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 1 Eingabe-Token 125,703 Ausgabe-Token 13,317 Denk-Token 0 Antwortzeit (Durchschnitt) 5.41s Antwortzeit (Gesamt) 108.12s Antwortzeit (Maximum) 29.95s Falsche Antwort: 10 API-Fehler: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 6.5 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#195#195	Gemini 2.5 Flashnone	6.0	Google	$0.017	6.19s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.4% Instabile Tests 1 Eingabe-Token 39,886 Ausgabe-Token 1,890 Denk-Token 0 Antwortzeit (Durchschnitt) 6.19s Antwortzeit (Gesamt) 136.23s Antwortzeit (Maximum) 118.00s Falsche Antwort: 13 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.0 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#265#265	Mercury 2.5 Previewnone	4.9	Inception	$0.018	3.51s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.3% Instabile Tests 5 Eingabe-Token 130,296 Ausgabe-Token 82,585 Denk-Token 0 Antwortzeit (Durchschnitt) 3.51s Antwortzeit (Gesamt) 77.28s Antwortzeit (Maximum) 60.70s Falsche Antwort: 16 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.8 Programmierung : 4.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#185#185	Qwen3.7 Flashnone	6.1	Qwen	$0.019	10.05s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.4% Instabile Tests 2 Eingabe-Token 218,740 Ausgabe-Token 90,507 Denk-Token 0 Antwortzeit (Durchschnitt) 10.05s Antwortzeit (Gesamt) 221.13s Antwortzeit (Maximum) 186.24s Falsche Antwort: 13 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.0 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#184#184	gpt-oss-120bmedium	6.1	OpenAI	$0.020 ↓	20.81s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.0% Instabile Tests 5 Eingabe-Token 108,767 Ausgabe-Token 29,378 Denk-Token 68,904 Antwortzeit (Durchschnitt) 20.81s Antwortzeit (Gesamt) 332.88s Antwortzeit (Maximum) 68.16s Falsche Antwort: 9 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.7 Programmierung : 5.9 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.4 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.3 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