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: 2026-06-04 Bewertete Modelle: 163

163/163

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#7#7	Gemini 3.5 Flashmedium	9.0	Google	$0.582	4.94s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 87.3% Instabile Tests 1 Eingabe-Token 36,936 Ausgabe-Token 2,001 Denk-Token 56,408 Antwortzeit (Durchschnitt) 4.94s Antwortzeit (Gesamt) 103.79s Antwortzeit (Maximum) 18.07s Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 7.9 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#77#77	Claude Sonnet 4.6none	6.8	Anthropic	$0.316	5.04s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.6% Instabile Tests 1 Eingabe-Token 57,886 Ausgabe-Token 9,465 Denk-Token 0 Antwortzeit (Durchschnitt) 5.04s Antwortzeit (Gesamt) 70.60s Antwortzeit (Maximum) 23.84s Falsche Antwort: 5 Zusätzliche Formatierung: 4 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 9.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 6.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#141#141	Nemotron 3 Supernone	4.9	NVIDIA	$0.007 ↑	5.30s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 31.8% Instabile Tests 3 Eingabe-Token 36,456 Ausgabe-Token 6,195 Denk-Token 0 Antwortzeit (Durchschnitt) 5.30s Antwortzeit (Gesamt) 111.31s Antwortzeit (Maximum) 16.45s Falsche Antwort: 14 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 3.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.5 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#16#16	Gemini 3 Flash Previewlow	8.4	Google	$0.111	5.76s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 79.4% Instabile Tests 2 Eingabe-Token 36,769 Ausgabe-Token 2,076 Denk-Token 28,518 Antwortzeit (Durchschnitt) 5.76s Antwortzeit (Gesamt) 120.93s Antwortzeit (Maximum) 14.72s Falsche Antwort: 5 Anti-KI-Tricks : 10.0 Programmierung : 5.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#102#102	Gemma 4 26B A4Bnone	6.0	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
#63#63	GPT-5.3 Chatnone	7.2	OpenAI	$0.433	6.34s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 5 Eingabe-Token 34,209 Ausgabe-Token 26,617 Denk-Token 0 Antwortzeit (Durchschnitt) 6.34s Antwortzeit (Gesamt) 133.13s Antwortzeit (Maximum) 18.33s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 6.7 Programmierung : 5.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#107#107	Laguna Xs.2medium	5.8	Poolside	$0.000	6.73s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.9% 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 : 6.3 Kombiniert : 3.0 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
#24#24	GPT-5.2 Chatnone	7.9	OpenAI	$0.393	7.13s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 74.6% Instabile Tests 3 Eingabe-Token 34,212 Ausgabe-Token 23,744 Denk-Token 0 Antwortzeit (Durchschnitt) 7.13s Antwortzeit (Gesamt) 149.69s Antwortzeit (Maximum) 38.52s Falsche Antwort: 6 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.7 Programmierung : 8.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#159#159	Ling-2.6-1Tnone	4.3	Inclusionai	$0.005	7.72s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 18 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 14.3% Instabile Tests 0 Eingabe-Token 34,905 Ausgabe-Token 2,434 Denk-Token 0 Antwortzeit (Durchschnitt) 7.72s Antwortzeit (Gesamt) 139.00s 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 : 3.0 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
#150#150	Qwen3 Coder Nextmedium	4.6	Qwen	$0.008 ↓	8.58s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 28.6% Instabile Tests 3 Eingabe-Token 47,250 Ausgabe-Token 3,319 Denk-Token 0 Antwortzeit (Durchschnitt) 8.58s Antwortzeit (Gesamt) 128.68s Antwortzeit (Maximum) 81.80s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Zeitüberschreitung: 1 Anti-KI-Tricks : 3.5 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.3 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#140#140	Qwen3 Coder Nextnone	4.9	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
#2🥈 #2	Gemini 3.5 Flashhigh	9.6	Google	$1.115	8.84s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 1 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 96.8% Instabile Tests 1 Eingabe-Token 37,594 Ausgabe-Token 1,975 Denk-Token 115,638 Antwortzeit (Durchschnitt) 8.84s Antwortzeit (Gesamt) 185.57s Antwortzeit (Maximum) 34.82s Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 9.8 Allgemeinwissen : 10.0
#35#35	Gemini 3 PRO Previewmedium	7.6	Google	$0.385 ↑	9.05s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 66.7% Instabile Tests 0 Eingabe-Token 28,848 Ausgabe-Token 1,490 Denk-Token 10,102 Antwortzeit (Durchschnitt) 9.05s Antwortzeit (Gesamt) 90.53s Antwortzeit (Maximum) 26.24s API-Fehler: 4 Falsche Antwort: 3 Anti-KI-Tricks : 10.0 Programmierung : 3.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#138#138	Ling-2.6-flashnone	5.0	Inclusionai	$0.001 ↑	9.34s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 31.8% Instabile Tests 2 Eingabe-Token 40,718 Ausgabe-Token 2,878 Denk-Token 0 Antwortzeit (Durchschnitt) 9.34s Antwortzeit (Gesamt) 177.48s Antwortzeit (Maximum) 35.34s Falsche Antwort: 9 API-Fehler: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 6.8 Programmierung : 5.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 2.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#132#132	Mistral Small 4medium	5.3	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
#10#10	Claude Opus 4.8medium	8.7	Anthropic	$1.107	9.66s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 84.1% Instabile Tests 1 Eingabe-Token 61,007 Ausgabe-Token 26,495 Denk-Token 5,901 Antwortzeit (Durchschnitt) 9.66s Antwortzeit (Gesamt) 202.89s Antwortzeit (Maximum) 38.03s Falsche Antwort: 3 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 9.8 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#84#84	Grok 4.20 Multi Agent Betamedium	6.6	X AI	$5.599 ↑	9.69s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 59.3% 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 : 10.0 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
#13#13	Grok 4.20 Betamedium	8.5	X AI	$0.750 ↑	9.75s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 4 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 81.5% Instabile Tests 1 Eingabe-Token 35,955 Ausgabe-Token 1,647 Denk-Token 91,565 Antwortzeit (Durchschnitt) 9.75s Antwortzeit (Gesamt) 175.48s Antwortzeit (Maximum) 31.36s Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.7 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0
#6#6	GPT-5.5low	9.0	OpenAI	$0.907	9.76s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 85.7% Instabile Tests 0 Eingabe-Token 34,209 Ausgabe-Token 2,046 Denk-Token 22,460 Antwortzeit (Durchschnitt) 9.76s Antwortzeit (Gesamt) 204.92s Antwortzeit (Maximum) 56.19s Falsche Antwort: 3 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#121#121	Owl Alphanone	5.5	Openrouter	$0.000	9.88s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.5% Instabile Tests 1 Eingabe-Token 42,283 Ausgabe-Token 5,913 Denk-Token 0 Antwortzeit (Durchschnitt) 9.88s Antwortzeit (Gesamt) 207.38s Antwortzeit (Maximum) 47.10s Falsche Antwort: 10 Anweisungen nicht befolgt: 3 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 3.4 Programmierung : 5.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 6.4 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#20#20	Gemini 3.5 Flashnone	8.1	Google	$1.079	9.93s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 77.8% Instabile Tests 3 Eingabe-Token 13,843 Ausgabe-Token 117,518 Denk-Token 0 Antwortzeit (Durchschnitt) 9.93s Antwortzeit (Gesamt) 178.68s Antwortzeit (Maximum) 64.36s API-Fehler: 3 Falsche Antwort: 3 Anti-KI-Tricks : 10.0 Programmierung : 8.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 7.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 2.8
#79#79	Hunter Alphamedium	6.7	OpenRouter	$0.000	10.33s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 64.8% 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 : 3.0 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
#111#111	Owl Alphamedium	5.7	Openrouter	$0.000	11.95s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.7% Instabile Tests 1 Eingabe-Token 43,478 Ausgabe-Token 2,974 Denk-Token 0 Antwortzeit (Durchschnitt) 11.95s Antwortzeit (Gesamt) 250.88s Antwortzeit (Maximum) 58.63s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 API-Fehler: 1 Anti-KI-Tricks : 4.8 Programmierung : 5.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#70#70	GPT-5.4 Nanomedium	7.0	OpenAI	$0.107	11.95s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.5% Instabile Tests 4 Eingabe-Token 35,434 Ausgabe-Token 3,014 Denk-Token 76,520 Antwortzeit (Durchschnitt) 11.95s Antwortzeit (Gesamt) 250.98s Antwortzeit (Maximum) 94.06s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.3 Programmierung : 6.1 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 4.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#113#113	DeepSeek V4 Pronone	5.7	DeepSeek	$0.025 ↓	12.38s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 8.5 Erfolgsquote pro Versuch 42.9% Instabile Tests 4 Eingabe-Token 44,845 Ausgabe-Token 5,349 Denk-Token 0 Antwortzeit (Durchschnitt) 12.38s Antwortzeit (Gesamt) 260.06s Antwortzeit (Maximum) 58.65s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 3.5 Programmierung : 4.6 Kombiniert : 9.5 Datenanalyse und -extraktion : 6.9 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#156#156	Hy3 previewnone	4.4	Tencent	$0.003	12.92s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 23.8% 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 : 3.0 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
#135#135	Kimi K2.5none	5.2	Moonshot AI	$0.028 ↑	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
#124#124	Kimi K2.6none	5.5	Moonshot AI	$0.079 ↓	13.27s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.5% Instabile Tests 2 Eingabe-Token 32,916 Ausgabe-Token 16,410 Denk-Token 0 Antwortzeit (Durchschnitt) 13.27s Antwortzeit (Gesamt) 278.57s Antwortzeit (Maximum) 238.89s Falsche Antwort: 11 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 4.6 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#133#133	DeepSeek V3.2none	5.2	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
#92#92	Laguna M.1medium	6.4	Poolside	$0.000	14.73s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 52.6% 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 : 4.3 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

Schnellvergleich

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsNemotron 3 Ultra 550b A55bmediumKostenlos verfügbar Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashmedium

KI-Benchmark-Bestenliste

Modelle filtern

Schnellvergleich