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)
#330#330	Nemotron 3.5 Lightninghigh	5.2	NVIDIA	$0.168 ↕	77.08s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 47.8% Instabile Tests 12 Eingabe-Token 170,517 Ausgabe-Token 149,968 Denk-Token 509,725 Antwortzeit (Durchschnitt) 77.08s Antwortzeit (Gesamt) 1772.78s Antwortzeit (Maximum) 490.99s Falsche Antwort: 11 Anweisungen nicht befolgt: 4 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 3.5 Anti-KI-Tricks : 5.5 Programmierung : 4.4 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.7 Befolgung von Anweisungen : 8.5 Rätsellösen : 3.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#334#334	Mistral Small 4medium	5.1	Mistral	$0.126 ↑	12.68s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 42.0% Instabile Tests 8 Eingabe-Token 321,955 Ausgabe-Token 41,555 Denk-Token 94,946 Antwortzeit (Durchschnitt) 12.68s Antwortzeit (Gesamt) 291.66s Antwortzeit (Maximum) 59.15s Falsche Antwort: 14 Anweisungen nicht befolgt: 2 API-Fehler: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 5.6 Programmierung : 4.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 7.3 Rätsellösen : 3.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#335#335	Mistral Small 4none	5.1	Mistral	$0.047	3.12s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 24.6% Instabile Tests 1 Eingabe-Token 265,602 Ausgabe-Token 10,913 Denk-Token 0 Antwortzeit (Durchschnitt) 3.12s Antwortzeit (Gesamt) 71.87s Antwortzeit (Maximum) 45.46s Falsche Antwort: 17 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 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
#338#338	MiMo-V2.5-Pronone	5.1	Xiaomi	$0.135 ↓	6.21s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 31.9% Instabile Tests 4 Eingabe-Token 273,075 Ausgabe-Token 17,069 Denk-Token 0 Antwortzeit (Durchschnitt) 6.21s Antwortzeit (Gesamt) 142.89s Antwortzeit (Maximum) 53.13s Falsche Antwort: 12 Anweisungen nicht befolgt: 4 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 3.3 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#342#342	MiniMax M2.7medium	5.0	Minimax	$0.326 ↑	50.32s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 44.9% Instabile Tests 10 Eingabe-Token 277,130 Ausgabe-Token 45,188 Denk-Token 129,163 Antwortzeit (Durchschnitt) 50.32s Antwortzeit (Gesamt) 1107.03s Antwortzeit (Maximum) 198.82s Falsche Antwort: 6 Anweisungen nicht befolgt: 5 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 2 Zeitüberschreitung: 2 API-Fehler: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 7.9 Programmierung : 5.7 Kombiniert : 3.8 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 3.8 Rätsellösen : 5.9 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#344#344	GPT-4o-minidefault	5.0	OpenAI	$0.024	4.16s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 21.7% Instabile Tests 0 Eingabe-Token 145,180 Ausgabe-Token 3,627 Denk-Token 0 Antwortzeit (Durchschnitt) 4.16s Antwortzeit (Gesamt) 70.70s Antwortzeit (Maximum) 39.99s Falsche Antwort: 16 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 4.8 Programmierung : 3.2 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#347#347	Inkling Smallnone	4.9	Thinkingmachines	$0.054 ↓	1.45s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 23.2% Instabile Tests 1 Eingabe-Token 94,733 Ausgabe-Token 7,087 Denk-Token 1,683 Antwortzeit (Durchschnitt) 1.45s Antwortzeit (Gesamt) 33.24s Antwortzeit (Maximum) 12.35s Falsche Antwort: 15 API-Fehler: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 3.1 Programmierung : 3.6 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.2 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#348#348	Qwen3 Coder Nextdefault	4.9	Qwen	$0.067 ↑	19.73s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 24.6% Instabile Tests 1 Eingabe-Token 250,329 Ausgabe-Token 45,168 Denk-Token 0 Antwortzeit (Durchschnitt) 19.73s Antwortzeit (Gesamt) 355.09s Antwortzeit (Maximum) 208.38s Falsche Antwort: 15 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 3.9 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
#352#352	MiMo-V2.5none	4.9	Xiaomi	$0.049 ↓	9.88s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 26.1% Instabile Tests 2 Eingabe-Token 276,608 Ausgabe-Token 17,693 Denk-Token 16,267 Antwortzeit (Durchschnitt) 9.88s Antwortzeit (Gesamt) 227.24s Antwortzeit (Maximum) 124.23s Falsche Antwort: 14 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 3.9 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
#357#357	GLM 4.7 Flashnone	4.8	Z.ai	$0.027	13.04s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 29.0% Instabile Tests 3 Eingabe-Token 255,363 Ausgabe-Token 27,395 Denk-Token 0 Antwortzeit (Durchschnitt) 13.04s Antwortzeit (Gesamt) 221.61s Antwortzeit (Maximum) 97.15s Falsche Antwort: 15 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 5.2 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 6.4 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#359#359	Nemotron 3.5 Lightningmedium	4.7	NVIDIA	$0.195 ↕	81.93s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 47.8% Instabile Tests 12 Eingabe-Token 195,780 Ausgabe-Token 167,746 Denk-Token 598,384 Antwortzeit (Durchschnitt) 81.93s Antwortzeit (Gesamt) 1884.31s Antwortzeit (Maximum) 437.11s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 6.9 Programmierung : 4.4 Kombiniert : 6.2 Datenanalyse und -extraktion : 3.7 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.5 Rätsellösen : 4.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#369#369	Nemotron 3.5 Lightninglow	4.6	NVIDIA	$0.175 ↕	83.19s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 9.5 Erfolgsquote pro Versuch 40.6% Instabile Tests 9 Eingabe-Token 207,883 Ausgabe-Token 144,718 Denk-Token 525,897 Antwortzeit (Durchschnitt) 83.19s Antwortzeit (Gesamt) 1913.41s Antwortzeit (Maximum) 597.61s Falsche Antwort: 14 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 3.5 Anti-KI-Tricks : 6.9 Programmierung : 4.0 Kombiniert : 6.3 Datenanalyse und -extraktion : 2.9 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.7 Befolgung von Anweisungen : 8.4 Rätsellösen : 3.6 Werkzeugaufrufe : 10.0 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
#378#378	KAT Coder AIR V2.5default	4.4	Kwaipilot	$0.070	11.96s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.8% Instabile Tests 7 Eingabe-Token 69,376 Ausgabe-Token 7,792 Denk-Token 89,960 Antwortzeit (Durchschnitt) 11.96s Antwortzeit (Gesamt) 275.18s Antwortzeit (Maximum) 121.05s Falsche Antwort: 13 Zusätzliche Formatierung: 3 API-Fehler: 2 Agentenaufgaben : 3.0 Anti-KI-Tricks : 5.3 Programmierung : 3.3 Kombiniert : 3.8 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#384#384	MiniMax M2.5medium	4.3	Minimax	$0.440 ↑	102.32s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 9.3 Erfolgsquote pro Versuch 42.0% Instabile Tests 9 Eingabe-Token 188,239 Ausgabe-Token 27,822 Denk-Token 262,674 Antwortzeit (Durchschnitt) 102.32s Antwortzeit (Gesamt) 1637.05s Antwortzeit (Maximum) 600.81s Falsche Antwort: 7 Zeitüberschreitung: 5 Anweisungen nicht befolgt: 3 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 7.9 Programmierung : 3.4 Kombiniert : 3.7 Datenanalyse und -extraktion : 4.6 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 7.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#404#404	Elephant Alphadefault	3.6	Openrouter	$0.000	1.22s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 24.6% Instabile Tests 1 Eingabe-Token 33,743 Ausgabe-Token 2,573 Denk-Token 0 Antwortzeit (Durchschnitt) 1.22s Antwortzeit (Gesamt) 22.03s Antwortzeit (Maximum) 3.81s Falsche Antwort: 9 API-Fehler: 3 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 6.6 Programmierung : 4.2 Kombiniert : 1.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 4.2 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
#428#428	Kev 4Bdefault	2.4	Jaredpalmer	$0.002	5.63s
Modellkarte anzeigen Gesamttests 12 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 15.9% Instabile Tests 1 Eingabe-Token 42,804 Ausgabe-Token 28,061 Denk-Token 0 Antwortzeit (Durchschnitt) 5.63s Antwortzeit (Gesamt) 67.61s Antwortzeit (Maximum) 17.79s Falsche Antwort: 9 Agentenaufgaben : 0.0 Anti-KI-Tricks : 2.3 Programmierung : 4.5 Kombiniert : 0.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 2.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#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
#432#432	Decider Flash V1.2default	1.9	Perplexity	$0.001	462ms
Modellkarte anzeigen Gesamttests 12 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 13.0% Instabile Tests 0 Eingabe-Token 49,176 Ausgabe-Token 69 Denk-Token 0 Antwortzeit (Durchschnitt) 462ms Antwortzeit (Gesamt) 5.55s Antwortzeit (Maximum) 661ms Falsche Antwort: 9 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.0 Programmierung : 2.2 Kombiniert : 0.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 1.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#292#292	Trinity Large Thinkinghigh	5.7	Arcee AI	$0.794 ↑	74.52s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.0% Instabile Tests 8 Eingabe-Token 283,116 Ausgabe-Token 277,920 Denk-Token 665,124 Antwortzeit (Durchschnitt) 74.52s Antwortzeit (Gesamt) 1713.90s Antwortzeit (Maximum) 510.21s Falsche Antwort: 10 Anweisungen nicht befolgt: 4 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.7 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 6.3 Rätsellösen : 4.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#294#294	GPT-5.4 Mininone	5.7	OpenAI	$0.170	3.34s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.4% Instabile Tests 2 Eingabe-Token 172,438 Ausgabe-Token 8,828 Denk-Token 0 Antwortzeit (Durchschnitt) 3.34s Antwortzeit (Gesamt) 76.84s Antwortzeit (Maximum) 41.98s Falsche Antwort: 14 Anweisungen nicht befolgt: 3 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.1 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.4 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#295#295	Mistral Large 4none	5.7	Mistral	$0.290	20.43s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 31.9% Instabile Tests 2 Eingabe-Token 257,872 Ausgabe-Token 54,388 Denk-Token 0 Antwortzeit (Durchschnitt) 20.43s Antwortzeit (Gesamt) 469.88s Antwortzeit (Maximum) 192.80s Falsche Antwort: 15 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 3.6 Programmierung : 4.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 6.5 Rätsellösen : 7.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#304#304	Qwen3.5-35B-A3Bnone	5.6	Qwen	$0.120 ↓	18.31s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 37.7% Instabile Tests 4 Eingabe-Token 218,886 Ausgabe-Token 135,768 Denk-Token 0 Antwortzeit (Durchschnitt) 18.31s Antwortzeit (Gesamt) 421.19s Antwortzeit (Maximum) 209.15s Falsche Antwort: 14 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 3.4 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#307#307	Kimi K2.6none	5.5	Moonshot AI	$0.486 ↑	26.34s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.4% Instabile Tests 3 Eingabe-Token 241,357 Ausgabe-Token 64,021 Denk-Token 1 Antwortzeit (Durchschnitt) 26.34s Antwortzeit (Gesamt) 605.78s Antwortzeit (Maximum) 238.89s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 4.6 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 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 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