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)
#310#310	Step 3.5 Flashnone	2.3	Stepfun	$0.020	39.03s
Modellkarte anzeigen Gesamttests 12 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.3% Instabile Tests 0 Eingabe-Token 1,971 Ausgabe-Token 64,795 Denk-Token 0 Antwortzeit (Durchschnitt) 39.03s Antwortzeit (Gesamt) 312.26s Antwortzeit (Maximum) 114.12s API-Fehler: 4 Anweisungen nicht befolgt: 1 Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 9.8 Kombiniert : 1.5 Datenanalyse und -extraktion : 1.5 Domänenspezifisch : 3.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 5.0 Rätsellösen : 0.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#256#256	Qwen3.5-9Bnone	5.1	Qwen	$0.021 ↑	19.19s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 19.7% Instabile Tests 1 Eingabe-Token 144,416 Ausgabe-Token 37,484 Denk-Token 0 Antwortzeit (Durchschnitt) 19.19s Antwortzeit (Gesamt) 422.25s Antwortzeit (Maximum) 382.06s Falsche Antwort: 14 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 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
#174#174	Ling-3.0-flashhigh	6.4	Inclusionai	$0.021 ↕	13.70s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 63.6% Instabile Tests 4 Eingabe-Token 132,044 Ausgabe-Token 92,135 Denk-Token 207,321 Antwortzeit (Durchschnitt) 13.70s Antwortzeit (Gesamt) 287.75s Antwortzeit (Maximum) 75.27s Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 2 API-Fehler: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.7 Kombiniert : 2.9 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#232#232	Mimo V2 Omninone	5.5	Xiaomi	$0.021 ↓	2.44s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 37.9% 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 : 1.5 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
#251#251	Mistral Small 4none	5.1	Mistral	$0.022	1.20s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 25.8% Instabile Tests 1 Eingabe-Token 104,717 Ausgabe-Token 9,812 Denk-Token 0 Antwortzeit (Durchschnitt) 1.20s Antwortzeit (Gesamt) 26.41s Antwortzeit (Maximum) 13.16s Falsche Antwort: 16 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
#285#285	Laguna S 2.1none	4.5	Poolside	$0.022 ↓	11.67s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 20 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 15.2% Instabile Tests 3 Eingabe-Token 125,604 Ausgabe-Token 57,634 Denk-Token 0 Antwortzeit (Durchschnitt) 11.67s Antwortzeit (Gesamt) 256.71s Antwortzeit (Maximum) 200.52s Falsche Antwort: 18 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 3.1 Programmierung : 3.4 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 4.3 Rätsellösen : 3.1 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#96#96	Mercury 2.5 Previewmedium	7.5	Inception	$0.024	3.58s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 1 Eingabe-Token 112,713 Ausgabe-Token 5,436 Denk-Token 121,598 Antwortzeit (Durchschnitt) 3.58s Antwortzeit (Gesamt) 78.66s Antwortzeit (Maximum) 17.84s Falsche Antwort: 4 API-Fehler: 1 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 7.8 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#296#296	MiMo-V2-Flashnone	4.0	Xiaomi	$0.025 ↑	2.76s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 6.7 Erfolgsquote pro Versuch 24.2% Instabile Tests 4 Eingabe-Token 36,851 Ausgabe-Token 68,882 Denk-Token 0 Antwortzeit (Durchschnitt) 2.76s Antwortzeit (Gesamt) 46.99s Antwortzeit (Maximum) 19.68s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 3.2 Programmierung : 4.3 Kombiniert : 1.5 Datenanalyse und -extraktion : 2.9 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#255#255	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.68s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.3% Instabile Tests 2 Eingabe-Token 141,052 Ausgabe-Token 16,464 Denk-Token 0 Antwortzeit (Durchschnitt) 4.68s Antwortzeit (Gesamt) 103.02s Antwortzeit (Maximum) 55.36s Falsche Antwort: 14 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#291#291	Granite 4.2 8Bnone	4.3	IBM Granite	$0.026	86.27s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 8.6 Erfolgsquote pro Versuch 16.7% Instabile Tests 2 Eingabe-Token 57,786 Ausgabe-Token 130,805 Denk-Token 0 Antwortzeit (Durchschnitt) 86.27s Antwortzeit (Gesamt) 1897.96s Antwortzeit (Maximum) 747.17s Falsche Antwort: 11 Zusätzliche Formatierung: 4 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.9 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 2.9 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 3.0 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#254#254	Qwen3 Coder Nextnone	5.1	Qwen	$0.026 ↑	8.63s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 25.8% Instabile Tests 1 Eingabe-Token 134,227 Ausgabe-Token 11,808 Denk-Token 0 Antwortzeit (Durchschnitt) 8.63s Antwortzeit (Gesamt) 146.72s Antwortzeit (Maximum) 45.14s Falsche Antwort: 14 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Keine Antwort: 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
#269#269	Ring-2.6-1Tnone	4.8	Inclusionai	$0.026 ↑	51.99s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 2 Eingabe-Token 7,608 Ausgabe-Token 40,277 Denk-Token 0 Antwortzeit (Durchschnitt) 51.99s Antwortzeit (Gesamt) 831.90s Antwortzeit (Maximum) 143.82s API-Fehler: 6 Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 9.2 Programmierung : 5.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#213#213	GLM 5none	5.7	Z.ai	$0.027 ↑	4.03s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.4% Instabile Tests 1 Eingabe-Token 37,135 Ausgabe-Token 1,989 Denk-Token 0 Antwortzeit (Durchschnitt) 4.03s Antwortzeit (Gesamt) 56.37s Antwortzeit (Maximum) 11.07s Falsche Antwort: 12 Anti-KI-Tricks : 4.8 Programmierung : 4.0 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#111#111	GLM 5.3 Flashhigh	7.3	Z.ai	$0.029	25.36s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 3 Eingabe-Token 113,003 Ausgabe-Token 11,558 Denk-Token 66,760 Antwortzeit (Durchschnitt) 25.36s Antwortzeit (Gesamt) 558.01s Antwortzeit (Maximum) 163.41s Falsche Antwort: 4 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 8.2 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#236#236	GPT-5.6 Lunanone	5.4	OpenAI	$0.029 ↓	1.50s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.4% Instabile Tests 3 Eingabe-Token 101,332 Ausgabe-Token 6,709 Denk-Token 0 Antwortzeit (Durchschnitt) 1.50s Antwortzeit (Gesamt) 33.05s Antwortzeit (Maximum) 10.57s Falsche Antwort: 14 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 3.8 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 7.1 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#163#163	Mercury 2.5 Previewhigh	6.6	Inception	$0.030	4.01s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 5 Eingabe-Token 115,759 Ausgabe-Token 2,562 Denk-Token 160,943 Antwortzeit (Durchschnitt) 4.01s Antwortzeit (Gesamt) 88.25s Antwortzeit (Maximum) 17.71s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.7 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#281#281	Mercury 2none	4.7	Inception	$0.030	825ms
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 24.2% Instabile Tests 2 Eingabe-Token 89,637 Ausgabe-Token 9,584 Denk-Token 0 Antwortzeit (Durchschnitt) 825ms Antwortzeit (Gesamt) 18.14s Antwortzeit (Maximum) 4.52s Falsche Antwort: 17 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.0 Programmierung : 3.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#279#279	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% 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 : 1.5 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
#283#283	Qwen3 Coder Nextmedium	4.6	Qwen	$0.034 ↑	9.07s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 25.8% Instabile Tests 4 Eingabe-Token 148,203 Ausgabe-Token 19,069 Denk-Token 0 Antwortzeit (Durchschnitt) 9.07s Antwortzeit (Gesamt) 154.19s Antwortzeit (Maximum) 81.80s Falsche Antwort: 14 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 3.5 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 6.3 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#233#233	DeepSeek V4 Flash 0423none	5.4	DeepSeek	$0.037 ↓	36.17s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.3% Instabile Tests 4 Eingabe-Token 240,230 Ausgabe-Token 100,726 Denk-Token 0 Antwortzeit (Durchschnitt) 36.17s Antwortzeit (Gesamt) 795.83s Antwortzeit (Maximum) 247.27s Falsche Antwort: 13 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.0 Programmierung : 4.2 Kombiniert : 4.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#84#84	DeepSeek V4 Flash 0423high	7.6	DeepSeek	$0.039 ↓	51.81s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 4 Eingabe-Token 108,480 Ausgabe-Token 37,229 Denk-Token 174,081 Antwortzeit (Durchschnitt) 51.81s Antwortzeit (Gesamt) 1139.75s Antwortzeit (Maximum) 218.13s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.3 Programmierung : 7.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#268#268	Hy4 previewnone	4.8	Tencent	$0.041	39.24s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 4.3 Erfolgsquote pro Versuch 16.7% Instabile Tests 1 Eingabe-Token 26,376 Ausgabe-Token 7,306 Denk-Token 0 Antwortzeit (Durchschnitt) 39.24s Antwortzeit (Gesamt) 863.30s Antwortzeit (Maximum) 95.32s Falsche Antwort: 9 API-Fehler: 7 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 3.3 Programmierung : 3.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 8.7 Domänenspezifisch : 6.8 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 7.0 Rätsellösen : 4.6 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#271#271	GPT-5.4 Nanonone	4.8	OpenAI	$0.041	2.56s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.3% Instabile Tests 4 Eingabe-Token 115,933 Ausgabe-Token 13,794 Denk-Token 0 Antwortzeit (Durchschnitt) 2.56s Antwortzeit (Gesamt) 56.37s Antwortzeit (Maximum) 25.50s Falsche Antwort: 15 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Anti-KI-Tricks : 3.5 Programmierung : 4.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#230#230	Hy3 previewlow	5.5	Tencent	$0.042 ↕	24.56s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.0% Instabile Tests 2 Eingabe-Token 21,045 Ausgabe-Token 63,460 Denk-Token 0 Antwortzeit (Durchschnitt) 24.56s Antwortzeit (Gesamt) 368.35s Antwortzeit (Maximum) 78.74s API-Fehler: 7 Falsche Antwort: 4 Anti-KI-Tricks : 8.3 Programmierung : 5.3 Kombiniert : 5.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#120#120	Qwen3.7 Flashlow	7.2	Qwen	$0.043	38.05s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 6 Eingabe-Token 92,191 Ausgabe-Token 14,286 Denk-Token 289,733 Antwortzeit (Durchschnitt) 38.05s Antwortzeit (Gesamt) 837.05s Antwortzeit (Maximum) 394.54s Falsche Antwort: 7 Anweisungen nicht befolgt: 3 API-Fehler: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.7 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 8.5 Rätsellösen : 7.3 Werkzeugaufrufe : 10.0 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