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)
#423#423	Jev 1.13default	2.6	Typesafe	$0.003	698ms
Modellkarte anzeigen Gesamttests 12 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 26.1% Instabile Tests 0 Eingabe-Token 67,092 Ausgabe-Token 18,927 Denk-Token 0 Antwortzeit (Durchschnitt) 698ms Antwortzeit (Gesamt) 8.38s Antwortzeit (Maximum) 1.08s Falsche Antwort: 6 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.0 Programmierung : 2.2 Kombiniert : 0.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 3.3 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#429#429	Jev 1.14default	2.3	Typesafe	$0.003	377ms
Modellkarte anzeigen Gesamttests 12 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 23.2% Instabile Tests 2 Eingabe-Token 67,092 Ausgabe-Token 18,927 Denk-Token 0 Antwortzeit (Durchschnitt) 377ms Antwortzeit (Gesamt) 4.52s Antwortzeit (Maximum) 546ms Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.0 Programmierung : 2.7 Kombiniert : 0.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 1.7 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#329#329	Ling 3.0 Flashnone	5.2	Inclusionai	$0.004 ↕	3.40s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 26.1% Instabile Tests 0 Eingabe-Token 123,993 Ausgabe-Token 12,777 Denk-Token 0 Antwortzeit (Durchschnitt) 3.40s Antwortzeit (Gesamt) 74.77s Antwortzeit (Maximum) 17.51s Falsche Antwort: 13 API-Fehler: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 4.8 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#416#416	Laguna Xs.2default	3.1	Poolside	$0.004 ↕	806ms
Modellkarte anzeigen Gesamttests 19 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 21.7% Instabile Tests 0 Eingabe-Token 33,675 Ausgabe-Token 2,826 Denk-Token 0 Antwortzeit (Durchschnitt) 806ms Antwortzeit (Gesamt) 12.09s Antwortzeit (Maximum) 2.01s Falsche Antwort: 8 API-Fehler: 4 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 3.0 Programmierung : 0.8 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#427#427	GPT-6 Luna Decisionsdefault	2.4	OpenAI	$0.005	495ms
Modellkarte anzeigen Gesamttests 12 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 13.0% Instabile Tests 0 Eingabe-Token 47,583 Ausgabe-Token 0 Denk-Token 0 Antwortzeit (Durchschnitt) 495ms Antwortzeit (Gesamt) 5.94s Antwortzeit (Maximum) 842ms Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 2.3 Programmierung : 2.5 Kombiniert : 0.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 1.7 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#396#396	Granite 4.1 8bdefault	3.8	IBM Granite	$0.007	1.38s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 21 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 8.7% Instabile Tests 0 Eingabe-Token 113,836 Ausgabe-Token 5,996 Denk-Token 0 Antwortzeit (Durchschnitt) 1.38s Antwortzeit (Gesamt) 31.81s Antwortzeit (Maximum) 16.67s Falsche Antwort: 13 Anweisungen nicht befolgt: 4 Ungültiger Werkzeugaufruf: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Agentenaufgaben : 3.0 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
#410#410	Hy3 previewnone	3.3	Tencent	$0.007 ↕	12.92s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 21.7% 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 Agentenaufgaben : 0.0 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
#415#415	Grok 4.1 Fastdefault	3.1	X AI	$0.008 ↓	1.62s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 18.8% 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 Agentenaufgaben : 0.0 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
#379#379	Trinity Large Previewdefault	4.4	Arcee AI	$0.008 ↑	2.83s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 20.3% Instabile Tests 2 Eingabe-Token 29,828 Ausgabe-Token 2,169 Denk-Token 0 Antwortzeit (Durchschnitt) 2.83s Antwortzeit (Gesamt) 56.65s Antwortzeit (Maximum) 14.34s Falsche Antwort: 12 API-Fehler: 3 Anweisungen nicht befolgt: 3 Agentenaufgaben : 3.0 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
#430#430	Classify-1default	2.2	Scaledown	$0.008	4.58s
Modellkarte anzeigen Gesamttests 12 Falsche Tests 9 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 18.8% Instabile Tests 2 Eingabe-Token 195,645 Ausgabe-Token 164 Denk-Token 0 Antwortzeit (Durchschnitt) 4.58s Antwortzeit (Gesamt) 55.01s Antwortzeit (Maximum) 13.35s Falsche Antwort: 8 API-Fehler: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.0 Programmierung : 2.7 Kombiniert : 0.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 1.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#397#397	Nemotron 3.5 Lightningnone	3.8	NVIDIA	$0.009 ↕	15.92s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 20 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 15.9% Instabile Tests 2 Eingabe-Token 97,418 Ausgabe-Token 4,779 Denk-Token 0 Antwortzeit (Durchschnitt) 15.92s Antwortzeit (Gesamt) 366.20s Antwortzeit (Maximum) 339.57s Falsche Antwort: 16 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Agentenaufgaben : 3.0 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
#403#403	Laguna M.1default	3.6	Poolside	$0.009 ↕	2.89s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 15 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 26.1% 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 Agentenaufgaben : 0.0 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
#439#439	Solar Decidedefault	1.0	Upstage	$0.009 ↑	6.01s
Modellkarte anzeigen Gesamttests 7 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 14.5% Instabile Tests 3 Eingabe-Token 47,586 Ausgabe-Token 51 Denk-Token 0 Antwortzeit (Durchschnitt) 6.01s Antwortzeit (Gesamt) 42.05s Antwortzeit (Maximum) 13.10s Falsche Antwort: 5 Agentenaufgaben : 0.0 Anti-KI-Tricks : 0.8 Programmierung : 0.0 Kombiniert : 0.0 Datenanalyse und -extraktion : 3.7 Domänenspezifisch : 4.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 5.0 Rätsellösen : 1.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#315#315	Qwen3.8 27Bnone	5.4	Qwen	~$0.010	5.05s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.1% Instabile Tests 0 Eingabe-Token 281,460 Ausgabe-Token 13,791 Denk-Token 0 Antwortzeit (Durchschnitt) 5.05s Antwortzeit (Gesamt) 116.11s Antwortzeit (Maximum) 47.42s Falsche Antwort: 12 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 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
#431#431	Clef Omnidefault	1.9	Cloudflare	$0.011	880ms
Modellkarte anzeigen Gesamttests 12 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 8.7% Instabile Tests 0 Eingabe-Token 70,125 Ausgabe-Token 0 Denk-Token 0 Antwortzeit (Durchschnitt) 880ms Antwortzeit (Gesamt) 10.56s Antwortzeit (Maximum) 1.31s Falsche Antwort: 9 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.0 Programmierung : 2.5 Kombiniert : 0.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 1.7 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#287#287	Qwen3.8 Flash Nextnone	5.8	Qwen	~$0.011	5.71s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.5% Instabile Tests 3 Eingabe-Token 266,004 Ausgabe-Token 9,077 Denk-Token 0 Antwortzeit (Durchschnitt) 5.71s Antwortzeit (Gesamt) 131.36s Antwortzeit (Maximum) 65.25s Falsche Antwort: 14 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 7.1 Rätsellösen : 6.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#409#409	Laguna Xs.2medium	3.3	Poolside	$0.015 ↕	6.73s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.0% 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 Agentenaufgaben : 0.0 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
#341#341	Mercury 2.5 Previewlow	5.0	Inception	$0.015 ↑	4.92s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 44.9% Instabile Tests 8 Eingabe-Token 235,438 Ausgabe-Token 8,136 Denk-Token 28,734 Antwortzeit (Durchschnitt) 4.92s Antwortzeit (Gesamt) 113.24s Antwortzeit (Maximum) 84.47s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 API-Fehler: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 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
#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
#351#351	Ling 2.6 1tdefault	4.9	Inclusionai	$0.016 ↑	8.16s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 17.4% Instabile Tests 0 Eingabe-Token 106,423 Ausgabe-Token 11,555 Denk-Token 0 Antwortzeit (Durchschnitt) 8.16s Antwortzeit (Gesamt) 163.24s Antwortzeit (Maximum) 25.72s Falsche Antwort: 12 API-Fehler: 4 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 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
#386#386	gpt-oss-120bnone	4.2	OpenAI	$0.016 ↓	28.63s
Modellkarte anzeigen Gesamttests 20 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.8% Instabile Tests 3 Eingabe-Token 131,652 Ausgabe-Token 16,869 Denk-Token 53,081 Antwortzeit (Durchschnitt) 28.63s Antwortzeit (Gesamt) 486.69s Antwortzeit (Maximum) 140.90s Falsche Antwort: 9 API-Fehler: 3 Anweisungen nicht befolgt: 2 Agentenaufgaben : 6.1 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
#377#377	Nemotron 3 Supernone	4.5	NVIDIA	$0.016 ↑	7.11s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 9.5 Erfolgsquote pro Versuch 27.5% Instabile Tests 3 Eingabe-Token 146,361 Ausgabe-Token 9,073 Denk-Token 1 Antwortzeit (Durchschnitt) 7.11s Antwortzeit (Gesamt) 163.46s Antwortzeit (Maximum) 30.51s Falsche Antwort: 16 Anweisungen nicht befolgt: 2 Agentenaufgaben : 2.8 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
#309#309	Gemini 2.5 Flashnone	5.5	Google	$0.017	6.00s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 37.7% Instabile Tests 1 Eingabe-Token 39,886 Ausgabe-Token 1,890 Denk-Token 0 Antwortzeit (Durchschnitt) 6.00s Antwortzeit (Gesamt) 138.04s Antwortzeit (Maximum) 118.00s Falsche Antwort: 13 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 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
#326#326	Laguna XS 2.1none	5.3	Poolside	$0.020	4.56s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 29.0% Instabile Tests 3 Eingabe-Token 270,072 Ausgabe-Token 23,173 Denk-Token 0 Antwortzeit (Durchschnitt) 4.56s Antwortzeit (Gesamt) 104.80s Antwortzeit (Maximum) 70.79s Falsche Antwort: 14 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Agentenaufgaben : 5.0 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
#336#336	Mercury 2.5low	5.1	Inception	$0.020	3.34s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 37.7% Instabile Tests 5 Eingabe-Token 326,083 Ausgabe-Token 7,224 Denk-Token 33,078 Antwortzeit (Durchschnitt) 3.34s Antwortzeit (Gesamt) 76.80s Antwortzeit (Maximum) 47.06s Falsche Antwort: 14 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 6.9 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 2.9 Rätsellösen : 5.9 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 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