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)
#112#112	Claude Sonnet 5none	6.3	Anthropic	$0.548	6.04s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 4 Eingabe-Token 161,035 Ausgabe-Token 22,511 Denk-Token 0 Antwortzeit (Durchschnitt) 6.04s Antwortzeit (Gesamt) 132.85s Antwortzeit (Maximum) 33.39s Falsche Antwort: 7 Zusätzliche Formatierung: 4 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 5.3 Programmierung : 4.6 Kombiniert : 6.5 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
#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
#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
#126#126	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.122 ↓	13.56s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 4 Eingabe-Token 94,468 Ausgabe-Token 51,487 Denk-Token 0 Antwortzeit (Durchschnitt) 13.56s Antwortzeit (Gesamt) 298.31s Antwortzeit (Maximum) 206.05s Falsche Antwort: 12 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 3.9 Kombiniert : 6.4 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
#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
#132#132	GPT-5.6 Terranone	6.0	OpenAI	$0.349	1.65s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.4% Instabile Tests 3 Eingabe-Token 102,259 Ausgabe-Token 6,203 Denk-Token 0 Antwortzeit (Durchschnitt) 1.65s Antwortzeit (Gesamt) 36.28s Antwortzeit (Maximum) 10.07s Falsche Antwort: 11 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 8.5 Rätsellösen : 5.3 Werkzeugaufrufe : 9.6 Allgemeinwissen : 3.0
#140#140	Nemotron 3 Supermedium	5.7	NVIDIA	$0.050 ↑	51.99s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 8.7 Erfolgsquote pro Versuch 40.9% Instabile Tests 3 Eingabe-Token 81,429 Ausgabe-Token 18,371 Denk-Token 98,853 Antwortzeit (Durchschnitt) 51.99s Antwortzeit (Gesamt) 1039.89s Antwortzeit (Maximum) 431.98s Falsche Antwort: 5 API-Fehler: 4 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.3 Programmierung : 3.1 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 7.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#149#149	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.42s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 45.5% Instabile Tests 3 Eingabe-Token 51,472 Ausgabe-Token 7,822 Denk-Token 58,352 Antwortzeit (Durchschnitt) 8.42s Antwortzeit (Gesamt) 185.24s Antwortzeit (Maximum) 48.19s Falsche Antwort: 11 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.7 Programmierung : 3.6 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 3.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#156#156	Gemma 4 26B A4Bnone	5.5	Google	$0.015 ↓	7.64s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.4% Instabile Tests 2 Eingabe-Token 131,282 Ausgabe-Token 15,781 Denk-Token 0 Antwortzeit (Durchschnitt) 7.64s Antwortzeit (Gesamt) 167.98s Antwortzeit (Maximum) 57.10s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 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
#202#202	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 4 Eingabe-Token 11,793 Ausgabe-Token 267,275 Denk-Token 0 Antwortzeit (Durchschnitt) 28.69s Antwortzeit (Gesamt) 459.00s Antwortzeit (Maximum) 138.35s Falsche Antwort: 7 API-Fehler: 3 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.7 Programmierung : 3.3 Kombiniert : 1.5 Datenanalyse und -extraktion : 3.8 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.4 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#145#145	GLM 5V Turbonone	5.6	Z.ai	$0.052	2.99s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.4% Instabile Tests 0 Eingabe-Token 37,100 Ausgabe-Token 1,766 Denk-Token 0 Antwortzeit (Durchschnitt) 2.99s Antwortzeit (Gesamt) 62.74s Antwortzeit (Maximum) 6.51s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#146#146	Owl Alphamedium	5.6	Openrouter	$0.000	11.95s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 37.9% 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 : 1.5 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
#157#157	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
#97#97	LongCat 2.0high	6.6	Meituan	$0.469	148.73s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 53.0% Instabile Tests 5 Eingabe-Token 93,357 Ausgabe-Token 30,466 Denk-Token 336,325 Antwortzeit (Durchschnitt) 148.73s Antwortzeit (Gesamt) 3272.00s Antwortzeit (Maximum) 941.66s Falsche Antwort: 6 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Anti-KI-Tricks : 8.9 Programmierung : 7.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 3.6 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 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
#118#118	Gemini 2.5 Flashnone	6.2	Google	$0.017	6.20s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 1 Eingabe-Token 39,877 Ausgabe-Token 1,890 Denk-Token 0 Antwortzeit (Durchschnitt) 6.20s Antwortzeit (Gesamt) 136.37s Antwortzeit (Maximum) 118.00s Falsche Antwort: 12 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.0 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#121#121	gpt-oss-120bmedium	6.1	OpenAI	$0.019 ↓	21.91s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.0% Instabile Tests 5 Eingabe-Token 108,747 Ausgabe-Token 29,772 Denk-Token 68,044 Antwortzeit (Durchschnitt) 21.91s Antwortzeit (Gesamt) 328.70s Antwortzeit (Maximum) 68.16s Falsche Antwort: 9 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.7 Programmierung : 5.9 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.4 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.3 Werkzeugaufrufe : 9.8 Allgemeinwissen : 3.0
#122#122	Gemini 3.1 Flash Litenone	6.1	Google	$0.046	1.75s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.0% Instabile Tests 4 Eingabe-Token 118,050 Ausgabe-Token 10,723 Denk-Token 0 Antwortzeit (Durchschnitt) 1.75s Antwortzeit (Gesamt) 38.60s Antwortzeit (Maximum) 16.25s Falsche Antwort: 11 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 7.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#128#128	GPT-5 Nanomedium	6.1	OpenAI	$0.114	54.87s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.1% Instabile Tests 8 Eingabe-Token 94,935 Ausgabe-Token 12,042 Denk-Token 261,056 Antwortzeit (Durchschnitt) 54.87s Antwortzeit (Gesamt) 822.99s Antwortzeit (Maximum) 227.89s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 6.5 Programmierung : 7.0 Kombiniert : 6.4 Datenanalyse und -extraktion : 3.7 Domänenspezifisch : 5.2 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#137#137	North Mini Codemedium	5.9	Cohere	$0.000	137.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 8.6 Erfolgsquote pro Versuch 48.5% Instabile Tests 4 Eingabe-Token 81,813 Ausgabe-Token 424,772 Denk-Token 1,342,029 Antwortzeit (Durchschnitt) 137.11s Antwortzeit (Gesamt) 3016.42s Antwortzeit (Maximum) 786.72s Falsche Antwort: 9 Zusätzliche Formatierung: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.4 Programmierung : 4.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#179#179	Ring-2.6-1Tnone	4.8	Inclusionai	$0.026 ↕	55.10s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 2 Eingabe-Token 7,599 Ausgabe-Token 39,954 Denk-Token 0 Antwortzeit (Durchschnitt) 55.10s Antwortzeit (Gesamt) 881.55s 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
#141#141	GLM 5none	5.7	Z.ai	$0.041 ↑	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
#181#181	Grok 4.20 Multi Agent Betamedium	4.8	X AI	$5.599 ↑	9.69s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 48.5% 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 : 1.5 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
#184#184	Hunter Alphamedium	4.7	OpenRouter	$0.000	10.33s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 53.0% 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 : 2.3 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
#46#46	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.200	79.14s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 6 Eingabe-Token 90,748 Ausgabe-Token 10,462 Denk-Token 178,719 Antwortzeit (Durchschnitt) 79.14s Antwortzeit (Gesamt) 1740.97s Antwortzeit (Maximum) 416.76s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 5.7 Programmierung : 6.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.8 Rätsellösen : 6.9 Werkzeugaufrufe : 9.8 Allgemeinwissen : 3.0
#77#77	Kimi K2.5medium	7.0	Moonshot AI	$0.600 ↑	99.00s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 8 Eingabe-Token 118,448 Ausgabe-Token 62,124 Denk-Token 165,243 Antwortzeit (Durchschnitt) 99.00s Antwortzeit (Gesamt) 1485.04s Antwortzeit (Maximum) 281.00s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.3 Programmierung : 6.1 Kombiniert : 6.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 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
#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
#91#91	LongCat 2.0low	6.7	Meituan	$0.391	100.31s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 53.0% Instabile Tests 3 Eingabe-Token 90,909 Ausgabe-Token 5,679 Denk-Token 297,369 Antwortzeit (Durchschnitt) 100.31s Antwortzeit (Gesamt) 2206.82s Antwortzeit (Maximum) 560.39s Falsche Antwort: 8 API-Fehler: 1 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#99#99	Qwen3.6 27Bmedium	6.5	Qwen	$0.779 ↑	106.32s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 6 Eingabe-Token 106,167 Ausgabe-Token 32,889 Denk-Token 241,303 Antwortzeit (Durchschnitt) 106.32s Antwortzeit (Gesamt) 2339.12s Antwortzeit (Maximum) 1085.11s Falsche Antwort: 6 Keine Antwort: 3 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.3 Programmierung : 7.7 Kombiniert : 6.7 Datenanalyse und -extraktion : 3.5 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 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