AI BENCHY

KI-Benchmark-Bestenliste

Name: AI BENCHY Modell-Benchmark-Ergebnisse
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-02 Bewertete Modelle: 174

174/174

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#144#144	GPT-4o-mininone	5.0	OpenAI	$0.006	1.77s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 23.8% Instabile Tests 0 Eingabe-Token 31,518 Ausgabe-Token 1,982 Denk-Token 0 Antwortzeit (Durchschnitt) 1.77s Antwortzeit (Gesamt) 24.80s Antwortzeit (Maximum) 7.58s Falsche Antwort: 15 Anweisungen nicht befolgt: 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
#143#143	Laguna M.1medium	5.0	Poolside	$0.033 ↕	14.73s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.6% Instabile Tests 2 Eingabe-Token 44,969 Ausgabe-Token 58,087 Denk-Token 0 Antwortzeit (Durchschnitt) 14.73s Antwortzeit (Gesamt) 220.93s Antwortzeit (Maximum) 53.14s API-Fehler: 4 Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 6.5 Programmierung : 1.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#142#142	Trinity Large Previewnone	5.0	Arcee AI	$0.008 ↑	2.98s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 22.2% 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 : 3.0 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
#141#141	Grok 4.20 Multi Agent Betamedium	5.0	X AI	$5.599 ↑	9.69s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 50.8% Instabile Tests 5 Eingabe-Token 721,952 Ausgabe-Token 294,668 Denk-Token 305,374 Antwortzeit (Durchschnitt) 9.69s Antwortzeit (Gesamt) 155.07s Antwortzeit (Maximum) 35.28s Falsche Antwort: 4 API-Fehler: 2 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 6.9 Programmierung : 3.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 0.0
#140#140	Qwen3.5-9Bnone	5.1	Qwen	$0.006 ↑	1.89s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 20.6% Instabile Tests 1 Eingabe-Token 48,041 Ausgabe-Token 3,952 Denk-Token 0 Antwortzeit (Durchschnitt) 1.89s Antwortzeit (Gesamt) 39.68s Antwortzeit (Maximum) 6.03s Falsche Antwort: 14 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.1 Programmierung : 3.9 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#139#139	MiMo-V2.5none	5.1	Xiaomi	$0.006 ↓	2.20s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.0% Instabile Tests 1 Eingabe-Token 41,985 Ausgabe-Token 2,267 Denk-Token 0 Antwortzeit (Durchschnitt) 2.20s Antwortzeit (Gesamt) 46.21s Antwortzeit (Maximum) 6.86s Falsche Antwort: 14 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#138#138	Mistral Small 4medium	5.1	Mistral	$0.068	9.40s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 44.4% Instabile Tests 8 Eingabe-Token 42,576 Ausgabe-Token 24,184 Denk-Token 84,678 Antwortzeit (Durchschnitt) 9.40s Antwortzeit (Gesamt) 197.39s Antwortzeit (Maximum) 59.15s Falsche Antwort: 12 API-Fehler: 2 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 5.6 Programmierung : 4.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 7.3 Rätsellösen : 3.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#137#137	Hunter Alphamedium	5.1	OpenRouter	$0.000	10.33s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 55.6% Instabile Tests 6 Eingabe-Token 28,927 Ausgabe-Token 4,682 Denk-Token 17,969 Antwortzeit (Durchschnitt) 10.33s Antwortzeit (Gesamt) 175.58s Antwortzeit (Maximum) 30.53s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 7.3 Programmierung : 9.8 Kombiniert : 4.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 7.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#136#136	North Mini Codenone	5.1	Cohere	$0.000	29.82s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 8.5 Erfolgsquote pro Versuch 19.1% Instabile Tests 0 Eingabe-Token 43,264 Ausgabe-Token 8,278 Denk-Token 0 Antwortzeit (Durchschnitt) 29.82s Antwortzeit (Gesamt) 626.26s Antwortzeit (Maximum) 159.85s Falsche Antwort: 12 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.0 Programmierung : 3.9 Kombiniert : 3.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.5 Werkzeugaufrufe : 9.5 Allgemeinwissen : 3.0
#135#135	Qwen3 Coder Nextnone	5.1	Qwen	$0.009 ↓	8.62s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.0% Instabile Tests 1 Eingabe-Token 47,507 Ausgabe-Token 3,584 Denk-Token 0 Antwortzeit (Durchschnitt) 8.62s Antwortzeit (Gesamt) 129.37s Antwortzeit (Maximum) 45.14s Falsche Antwort: 14 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.6 Programmierung : 4.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#134#134	Mistral Small 4none	5.1	Mistral	$0.007	630ms
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.0% Instabile Tests 1 Eingabe-Token 37,309 Ausgabe-Token 2,201 Denk-Token 0 Antwortzeit (Durchschnitt) 630ms Antwortzeit (Gesamt) 13.22s Antwortzeit (Maximum) 1.72s Falsche Antwort: 15 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.4 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#133#133	Qwen3.6 35B A3Bnone	5.2	Qwen	$0.031 ↑	3.73s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.2% Instabile Tests 5 Eingabe-Token 19,329 Ausgabe-Token 27,755 Denk-Token 0 Antwortzeit (Durchschnitt) 3.73s Antwortzeit (Gesamt) 70.86s Antwortzeit (Maximum) 22.52s Falsche Antwort: 13 API-Fehler: 2 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.6 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.2 Rätsellösen : 3.2 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#132#132	MiniMax M2.7medium	5.2	Minimax	$0.075 ↓	38.18s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 46.0% Instabile Tests 8 Eingabe-Token 34,371 Ausgabe-Token 8,981 Denk-Token 89,812 Antwortzeit (Durchschnitt) 38.18s Antwortzeit (Gesamt) 763.60s Antwortzeit (Maximum) 196.21s Falsche Antwort: 6 Anweisungen nicht befolgt: 5 Zeitüberschreitung: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 7.9 Programmierung : 5.7 Kombiniert : 4.7 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 3.8 Rätsellösen : 5.9 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#131#131	DeepSeek V3.2none	5.3	DeepSeek	$0.017 ↓	13.83s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.7% Instabile Tests 6 Eingabe-Token 55,997 Ausgabe-Token 11,165 Denk-Token 0 Antwortzeit (Durchschnitt) 13.83s Antwortzeit (Gesamt) 290.43s Antwortzeit (Maximum) 115.89s Falsche Antwort: 7 API-Fehler: 4 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.2 Programmierung : 3.1 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#130#130	Qwen3.5-122B-A10Bnone	5.3	Qwen	$0.020 ↓	3.41s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 31.8% Instabile Tests 1 Eingabe-Token 47,735 Ausgabe-Token 3,383 Denk-Token 0 Antwortzeit (Durchschnitt) 3.41s Antwortzeit (Gesamt) 71.59s Antwortzeit (Maximum) 46.00s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#129#129	GPT-5.4 Mininone	5.3	OpenAI	$0.038	1.13s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.2% Instabile Tests 3 Eingabe-Token 34,244 Ausgabe-Token 2,541 Denk-Token 0 Antwortzeit (Durchschnitt) 1.13s Antwortzeit (Gesamt) 23.82s Antwortzeit (Maximum) 2.52s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 3.1 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.4 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#128#128	Laguna XS 2.1none	5.3	Poolside	$0.003	722ms
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 31.8% Instabile Tests 3 Eingabe-Token 41,148 Ausgabe-Token 3,451 Denk-Token 0 Antwortzeit (Durchschnitt) 722ms Antwortzeit (Gesamt) 15.17s Antwortzeit (Maximum) 2.30s Falsche Antwort: 14 Anweisungen nicht befolgt: 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
#127#127	GLM 5 Turbonone	5.3	Z.ai	$0.047 ↑	2.82s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 31.8% Instabile Tests 2 Eingabe-Token 32,525 Ausgabe-Token 1,815 Denk-Token 0 Antwortzeit (Durchschnitt) 2.82s Antwortzeit (Gesamt) 59.29s Antwortzeit (Maximum) 8.21s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.0 Programmierung : 3.9 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#126#126	Qwen3.5 Plus 2026-04-20none	5.5	Qwen	$0.032 ↓	4.39s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 41.3% Instabile Tests 4 Eingabe-Token 38,910 Ausgabe-Token 11,145 Denk-Token 0 Antwortzeit (Durchschnitt) 4.39s Antwortzeit (Gesamt) 92.26s Antwortzeit (Maximum) 33.34s Falsche Antwort: 12 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 3.9 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.2 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#125#125	Gemma 4 26B A4Bnone	5.5	Google	$0.004 ↓	5.91s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 44.4% Instabile Tests 2 Eingabe-Token 40,038 Ausgabe-Token 1,824 Denk-Token 0 Antwortzeit (Durchschnitt) 5.91s Antwortzeit (Gesamt) 124.05s Antwortzeit (Maximum) 57.10s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.3 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 6.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#124#124	Qwen3.6 27Bnone	5.5	Qwen	$0.025 ↓	3.72s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.6% Instabile Tests 6 Eingabe-Token 52,721 Ausgabe-Token 3,812 Denk-Token 0 Antwortzeit (Durchschnitt) 3.72s Antwortzeit (Gesamt) 78.08s Antwortzeit (Maximum) 11.82s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.8 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 5.2 Befolgung von Anweisungen : 6.2 Rätsellösen : 5.3 Werkzeugaufrufe : 9.5 Allgemeinwissen : 3.0
#123#123	MiMo-V2.5-Pronone	5.5	Xiaomi	$0.017 ↓	1.78s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.7% Instabile Tests 4 Eingabe-Token 30,724 Ausgabe-Token 3,043 Denk-Token 0 Antwortzeit (Durchschnitt) 1.78s Antwortzeit (Gesamt) 37.42s Antwortzeit (Maximum) 8.32s Falsche Antwort: 11 Anweisungen nicht befolgt: 4 Anti-KI-Tricks : 3.3 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#122#122	Kimi K2.5none	5.5	Moonshot AI	$0.027 ↑	13.18s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 3 Eingabe-Token 36,034 Ausgabe-Token 6,657 Denk-Token 0 Antwortzeit (Durchschnitt) 13.18s Antwortzeit (Gesamt) 184.47s Antwortzeit (Maximum) 42.13s Falsche Antwort: 15 Anti-KI-Tricks : 3.6 Programmierung : 5.5 Kombiniert : 2.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#121#121	DeepSeek V4 Flashnone	5.5	DeepSeek	$0.007 ↓	26.75s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.2% Instabile Tests 3 Eingabe-Token 50,127 Ausgabe-Token 13,710 Denk-Token 0 Antwortzeit (Durchschnitt) 26.75s Antwortzeit (Gesamt) 561.82s Antwortzeit (Maximum) 111.96s Falsche Antwort: 12 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.0 Programmierung : 4.2 Kombiniert : 4.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#120#120	GLM 5.1none	5.6	Z.ai	$0.063 ↑	4.10s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 41.3% Instabile Tests 4 Eingabe-Token 47,133 Ausgabe-Token 3,754 Denk-Token 0 Antwortzeit (Durchschnitt) 4.10s Antwortzeit (Gesamt) 86.18s Antwortzeit (Maximum) 32.57s Falsche Antwort: 13 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.0 Programmierung : 3.9 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#119#119	Grok 4.1 Fastmedium	5.6	X AI	$0.069 ↑	23.85s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.6% Instabile Tests 6 Eingabe-Token 42,845 Ausgabe-Token 2,006 Denk-Token 96,334 Antwortzeit (Durchschnitt) 23.85s Antwortzeit (Gesamt) 286.16s Antwortzeit (Maximum) 121.79s Anweisungen nicht befolgt: 4 Falsche Antwort: 4 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.7 Programmierung : 7.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.8 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#118#118	Claude Sonnet 5none	5.7	Anthropic	$0.287	4.74s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.9% Instabile Tests 4 Eingabe-Token 76,797 Ausgabe-Token 13,325 Denk-Token 0 Antwortzeit (Durchschnitt) 4.74s Antwortzeit (Gesamt) 99.46s Antwortzeit (Maximum) 29.46s Falsche Antwort: 7 Zusätzliche Formatierung: 4 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 5.3 Programmierung : 4.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 6.4 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#117#117	Mimo V2 Omninone	5.7	Xiaomi	$0.021 ↓	2.44s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.7% Instabile Tests 1 Eingabe-Token 40,852 Ausgabe-Token 3,314 Denk-Token 0 Antwortzeit (Durchschnitt) 2.44s Antwortzeit (Gesamt) 48.81s Antwortzeit (Maximum) 6.81s Falsche Antwort: 10 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.6 Programmierung : 4.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 6.5 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#116#116	Qwen3.6 Plus Previewmedium	5.8	Qwen	$0.000	15.25s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 42.9% Instabile Tests 0 Eingabe-Token 32,639 Ausgabe-Token 1,153 Denk-Token 62,197 Antwortzeit (Durchschnitt) 15.25s Antwortzeit (Gesamt) 182.96s Antwortzeit (Maximum) 43.55s API-Fehler: 8 Falsche Antwort: 2 Anti-KI-Tricks : 8.3 Programmierung : 9.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#115#115	GPT-5.4none	5.8	OpenAI	$0.122	1.42s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.5% Instabile Tests 2 Eingabe-Token 34,212 Ausgabe-Token 2,417 Denk-Token 0 Antwortzeit (Durchschnitt) 1.42s Antwortzeit (Gesamt) 29.87s Antwortzeit (Maximum) 2.95s Falsche Antwort: 13 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.2 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0

←

1 2 3 4 5 6

→

Schnellvergleich

Gemini 3.5 FlashhighvsGemini 3 Flash Previewmedium Gemini 3.5 FlashhighvsQwen3.7 Maxmedium Gemini 3.5 FlashhighvsGPT-5.5low Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashhighvsClaude Fable 5medium Gemini 3.5 FlashhighvsGemini 3.1 Pro Previewmedium Gemini 3.5 FlashhighvsNemotron 3 Ultra 550b A55bmediumKostenlos verfügbar Gemini 3.5 FlashhighvsNorth Mini CodemediumKostenlos verfügbar Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsClaude Fable 5medium

KI-Benchmark-Bestenliste

Modelle filtern

Schnellvergleich