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: 2026-07-20 Bewertete Modelle: 210

210/210

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#106#106	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.052	1.58s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 57.6% Instabile Tests 1 Eingabe-Token 120,942 Ausgabe-Token 14,292 Denk-Token 0 Antwortzeit (Durchschnitt) 1.58s Antwortzeit (Gesamt) 34.72s Antwortzeit (Maximum) 9.27s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Anti-KI-Tricks : 7.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#173#173	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	18.25s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 37.9% Instabile Tests 6 Eingabe-Token 135,780 Ausgabe-Token 42,097 Denk-Token 0 Antwortzeit (Durchschnitt) 18.25s Antwortzeit (Gesamt) 401.60s Antwortzeit (Maximum) 115.89s Falsche Antwort: 7 API-Fehler: 4 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.2 Programmierung : 3.1 Kombiniert : 4.8 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
#197#197	Grok 4.20none	4.1	X AI	$0.057 ↓	1.11s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 12 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 27.3% Instabile Tests 0 Eingabe-Token 41,313 Ausgabe-Token 1,923 Denk-Token 0 Antwortzeit (Durchschnitt) 1.11s Antwortzeit (Gesamt) 19.96s Antwortzeit (Maximum) 6.04s Falsche Antwort: 10 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 1.1 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#161#161	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.061 ↑	5.52s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 31.8% Instabile Tests 6 Eingabe-Token 93,979 Ausgabe-Token 46,957 Denk-Token 0 Antwortzeit (Durchschnitt) 5.52s Antwortzeit (Gesamt) 110.40s Antwortzeit (Maximum) 39.54s Falsche Antwort: 13 API-Fehler: 2 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Anti-KI-Tricks : 3.6 Programmierung : 5.5 Kombiniert : 3.8 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
#124#124	Qwen3.6 Flashnone	6.1	Qwen	$0.062 ↓	3.74s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 1 Eingabe-Token 139,788 Ausgabe-Token 30,947 Denk-Token 0 Antwortzeit (Durchschnitt) 3.74s Antwortzeit (Gesamt) 82.38s Antwortzeit (Maximum) 48.79s Falsche Antwort: 12 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.1 Programmierung : 5.4 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#116#116	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.066	4.40s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 4 Eingabe-Token 142,197 Ausgabe-Token 14,746 Denk-Token 0 Antwortzeit (Durchschnitt) 4.40s Antwortzeit (Gesamt) 96.84s Antwortzeit (Maximum) 44.58s Falsche Antwort: 13 Keine Antwort: 1 Anti-KI-Tricks : 3.0 Programmierung : 5.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#182#182	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.067	12.17s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 37.9% Instabile Tests 8 Eingabe-Token 69,367 Ausgabe-Token 93,913 Denk-Token 0 Antwortzeit (Durchschnitt) 12.17s Antwortzeit (Gesamt) 267.83s Antwortzeit (Maximum) 121.05s Falsche Antwort: 13 Zusätzliche Formatierung: 3 API-Fehler: 1 Anti-KI-Tricks : 5.3 Programmierung : 3.3 Kombiniert : 3.8 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#102#102	Laguna XS 2.1medium	6.5	Poolside	$0.068	47.93s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.4% Instabile Tests 1 Eingabe-Token 118,989 Ausgabe-Token 30,750 Denk-Token 491,833 Antwortzeit (Durchschnitt) 47.93s Antwortzeit (Gesamt) 1054.49s Antwortzeit (Maximum) 422.72s Falsche Antwort: 11 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#154#154	MiMo-V2.5-Pronone	5.5	Xiaomi	$0.068 ↓	4.12s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 37.9% Instabile Tests 4 Eingabe-Token 124,799 Ausgabe-Token 15,362 Denk-Token 0 Antwortzeit (Durchschnitt) 4.12s Antwortzeit (Gesamt) 90.55s Antwortzeit (Maximum) 53.13s Falsche Antwort: 11 Anweisungen nicht befolgt: 4 Keine Antwort: 1 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
#185#185	Grok 4.1 Fastmedium	4.7	X AI	$0.069 ↑	23.85s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.0% 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 : 5.0 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
#107#107	Qwen3.5 Plus 2026-02-15none	6.4	Qwen	$0.073 ↓	9.85s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 48.5% Instabile Tests 2 Eingabe-Token 102,646 Ausgabe-Token 29,370 Denk-Token 0 Antwortzeit (Durchschnitt) 9.85s Antwortzeit (Gesamt) 157.63s Antwortzeit (Maximum) 123.00s Falsche Antwort: 12 Anti-KI-Tricks : 4.8 Programmierung : 4.3 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#125#125	Qwen3.5-Flashnone	6.1	Qwen	$0.073 ↓	25.28s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.4% Instabile Tests 2 Eingabe-Token 282,347 Ausgabe-Token 209,201 Denk-Token 0 Antwortzeit (Durchschnitt) 25.28s Antwortzeit (Gesamt) 556.24s Antwortzeit (Maximum) 480.96s Falsche Antwort: 13 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#144#144	KAT-Coder-Air V2.5high	5.6	Kwaipilot	$0.077	15.90s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 43.9% Instabile Tests 6 Eingabe-Token 50,470 Ausgabe-Token 3,957 Denk-Token 111,374 Antwortzeit (Durchschnitt) 15.90s Antwortzeit (Gesamt) 349.71s Antwortzeit (Maximum) 118.35s Falsche Antwort: 9 API-Fehler: 3 Zusätzliche Formatierung: 3 Anti-KI-Tricks : 6.9 Programmierung : 4.3 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#76#76	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.62s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 7 Eingabe-Token 101,047 Ausgabe-Token 11,834 Denk-Token 117,014 Antwortzeit (Durchschnitt) 68.62s Antwortzeit (Gesamt) 1509.53s Antwortzeit (Maximum) 376.10s Falsche Antwort: 5 API-Fehler: 2 Zeitüberschreitung: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#101#101	MiMo-V2.5medium	6.5	Xiaomi	$0.082 ↓	32.20s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 6 Eingabe-Token 105,447 Ausgabe-Token 7,120 Denk-Token 230,682 Antwortzeit (Durchschnitt) 32.20s Antwortzeit (Gesamt) 708.46s Antwortzeit (Maximum) 162.44s Falsche Antwort: 5 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 8.7 Datenanalyse und -extraktion : 2.7 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#89#89	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.95s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 3 Eingabe-Token 104,210 Ausgabe-Token 10,710 Denk-Token 0 Antwortzeit (Durchschnitt) 2.95s Antwortzeit (Gesamt) 44.26s Antwortzeit (Maximum) 21.19s Falsche Antwort: 8 Keine Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#191#191	Grok 4.20 Betanone	4.4	X AI	$0.087 ↓	1.19s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 12 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 30.3% Instabile Tests 1 Eingabe-Token 40,597 Ausgabe-Token 1,657 Denk-Token 0 Antwortzeit (Durchschnitt) 1.19s Antwortzeit (Gesamt) 21.43s Antwortzeit (Maximum) 6.48s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.0 Programmierung : 1.8 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#152#152	Qwen3.6 27Bnone	5.5	Qwen	$0.087 ↑	10.65s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 6 Eingabe-Token 95,796 Ausgabe-Token 16,155 Denk-Token 0 Antwortzeit (Durchschnitt) 10.65s Antwortzeit (Gesamt) 234.39s Antwortzeit (Maximum) 156.31s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 3.8 Programmierung : 5.5 Kombiniert : 3.2 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
#95#95	Gemma 4 26B A4Bmedium	6.6	Google	$0.089 ↓	103.83s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 66.7% Instabile Tests 2 Eingabe-Token 77,550 Ausgabe-Token 28,036 Denk-Token 219,491 Antwortzeit (Durchschnitt) 103.83s Antwortzeit (Gesamt) 2180.47s Antwortzeit (Maximum) 912.19s Falsche Antwort: 3 Keine Antwort: 2 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 2.9 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#103#103	Qwen3.5-27Bnone	6.5	Qwen	$0.090 ↑	4.76s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.9% Instabile Tests 2 Eingabe-Token 102,316 Ausgabe-Token 24,321 Denk-Token 0 Antwortzeit (Durchschnitt) 4.76s Antwortzeit (Gesamt) 104.71s Antwortzeit (Maximum) 69.46s Falsche Antwort: 12 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 5.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#78#78	Mercury 2medium	7.0	Inception	$0.093	2.72s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 51.5% Instabile Tests 3 Eingabe-Token 109,572 Ausgabe-Token 10,313 Denk-Token 76,806 Antwortzeit (Durchschnitt) 2.72s Antwortzeit (Gesamt) 57.12s Antwortzeit (Maximum) 14.63s Falsche Antwort: 8 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.9 Programmierung : 8.2 Kombiniert : 6.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#136#136	GPT-5.4 Mininone	5.9	OpenAI	$0.095	1.53s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 33.3% Instabile Tests 3 Eingabe-Token 79,067 Ausgabe-Token 7,880 Denk-Token 0 Antwortzeit (Durchschnitt) 1.53s Antwortzeit (Gesamt) 33.74s Antwortzeit (Maximum) 9.92s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 3.1 Programmierung : 5.5 Kombiniert : 6.5 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
#129#129	Nemotron 3 Ultranone	6.1	NVIDIA	$0.095 ↕	3.87s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.4% Instabile Tests 2 Eingabe-Token 101,275 Ausgabe-Token 9,474 Denk-Token 0 Antwortzeit (Durchschnitt) 3.87s Antwortzeit (Gesamt) 85.15s Antwortzeit (Maximum) 37.50s Falsche Antwort: 12 API-Fehler: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#82#82	DeepSeek V4 Pronone	6.9	DeepSeek	$0.096	11.55s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 51.5% Instabile Tests 4 Eingabe-Token 148,069 Ausgabe-Token 35,551 Denk-Token 0 Antwortzeit (Durchschnitt) 11.55s Antwortzeit (Gesamt) 254.11s Antwortzeit (Maximum) 119.44s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.2 Programmierung : 5.6 Kombiniert : 7.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#167#167	Mistral Small 4medium	5.1	Mistral	$0.096	10.77s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.4% Instabile Tests 8 Eingabe-Token 140,494 Ausgabe-Token 39,462 Denk-Token 92,362 Antwortzeit (Durchschnitt) 10.77s Antwortzeit (Gesamt) 236.94s Antwortzeit (Maximum) 59.15s Falsche Antwort: 12 API-Fehler: 2 Anweisungen nicht befolgt: 2 Keine Antwort: 1 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
#80#80	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.101	92.53s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 8.5 Erfolgsquote pro Versuch 57.6% Instabile Tests 3 Eingabe-Token 125,467 Ausgabe-Token 10,778 Denk-Token 209,856 Antwortzeit (Durchschnitt) 92.53s Antwortzeit (Gesamt) 1665.50s Antwortzeit (Maximum) 301.78s Zeitüberschreitung: 5 Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 6.6 Programmierung : 5.5 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#108#108	Ring-2.6-1Tmedium	6.3	Inclusionai	$0.103 ↑	68.74s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.6% Instabile Tests 4 Eingabe-Token 113,604 Ausgabe-Token 123,079 Denk-Token 42,754 Antwortzeit (Durchschnitt) 68.74s Antwortzeit (Gesamt) 1374.86s Antwortzeit (Maximum) 304.19s Falsche Antwort: 6 API-Fehler: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.3 Kombiniert : 7.3 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#127#127	Qwen3.5-35B-A3Bnone	6.1	Qwen	$0.106 ↓	12.72s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 4 Eingabe-Token 134,521 Ausgabe-Token 86,614 Denk-Token 0 Antwortzeit (Durchschnitt) 12.72s Antwortzeit (Gesamt) 279.90s Antwortzeit (Maximum) 209.15s Falsche Antwort: 12 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.4 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#71#71	Qwen3.7 Plusnone	7.2	Qwen	$0.106 ↓	12.09s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.0% Instabile Tests 0 Eingabe-Token 98,824 Ausgabe-Token 58,097 Denk-Token 0 Antwortzeit (Durchschnitt) 12.09s Antwortzeit (Gesamt) 265.89s Antwortzeit (Maximum) 206.03s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#130#130	Step 3.5 Flashmedium	6.0	Stepfun	$0.108 ↑	174.22s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 9.2 Erfolgsquote pro Versuch 51.5% Instabile Tests 1 Eingabe-Token 65,707 Ausgabe-Token 108,561 Denk-Token 293,993 Antwortzeit (Durchschnitt) 174.22s Antwortzeit (Gesamt) 2613.32s Antwortzeit (Maximum) 1597.85s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 2.4 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.3 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0

←

1 2 3 4 5 6 7

→

Schnellvergleich

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGPT-5.6 Sollow Gemini 3 Flash PreviewmediumvsGPT-5.6 Solmedium Gemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsNemotron 3 UltramediumKostenlos verfügbar Gemini 3 Flash PreviewmediumvsNorth Mini CodemediumKostenlos verfügbar Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low

AI Benchy Bestenliste

Modelle filtern

Schnellvergleich