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)
#177#177	MiMo-V2-Flashmedium	6.3	Xiaomi	$0.043 ↑	20.11s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.1% Instabile Tests 3 Eingabe-Token 40,111 Ausgabe-Token 12,476 Denk-Token 125,039 Antwortzeit (Durchschnitt) 20.11s Antwortzeit (Gesamt) 301.59s Antwortzeit (Maximum) 96.01s Falsche Antwort: 5 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.1 Programmierung : 6.0 Kombiniert : 4.9 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#143#143	Solar Pro 4low	6.8	Upstage	$0.044	136.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.6% Instabile Tests 6 Eingabe-Token 90,556 Ausgabe-Token 6,153 Denk-Token 332,220 Antwortzeit (Durchschnitt) 136.11s Antwortzeit (Gesamt) 2994.49s Antwortzeit (Maximum) 640.89s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.2 Programmierung : 5.5 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.0 Rätsellösen : 9.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#61#61	DeepSeek V4 Flash 0731low	8.0	DeepSeek	$0.044 ↓	77.55s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.2% Instabile Tests 5 Eingabe-Token 93,345 Ausgabe-Token 35,723 Denk-Token 350,266 Antwortzeit (Durchschnitt) 77.55s Antwortzeit (Gesamt) 1706.18s Antwortzeit (Maximum) 438.65s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.2 Programmierung : 7.3 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#172#172	LongCat 2.0none	6.4	Meituan	$0.044	5.17s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.9% Instabile Tests 2 Eingabe-Token 108,752 Ausgabe-Token 9,375 Denk-Token 0 Antwortzeit (Durchschnitt) 5.17s Antwortzeit (Gesamt) 113.83s Antwortzeit (Maximum) 48.38s Falsche Antwort: 13 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 4.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#224#224	Mimo V2 PROnone	5.6	Xiaomi	$0.045 ↓	2.27s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.4% Instabile Tests 3 Eingabe-Token 39,344 Ausgabe-Token 2,352 Denk-Token 0 Antwortzeit (Durchschnitt) 2.27s Antwortzeit (Gesamt) 45.50s Antwortzeit (Maximum) 6.58s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 API-Fehler: 1 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 6.5 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#235#235	KAT-Coder-Air V2.5low	5.4	Kwaipilot	$0.046	10.63s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 43.9% Instabile Tests 6 Eingabe-Token 61,094 Ausgabe-Token 6,532 Denk-Token 53,882 Antwortzeit (Durchschnitt) 10.63s Antwortzeit (Gesamt) 233.77s Antwortzeit (Maximum) 86.23s Falsche Antwort: 7 Zusätzliche Formatierung: 4 API-Fehler: 2 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 7.3 Programmierung : 3.5 Kombiniert : 6.4 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#186#186	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 118,059 Ausgabe-Token 10,723 Denk-Token 0 Antwortzeit (Durchschnitt) 1.75s Antwortzeit (Gesamt) 38.42s 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
#125#125	Solar Pro 4high	7.1	Upstage	$0.046	120.58s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.1% Instabile Tests 5 Eingabe-Token 79,740 Ausgabe-Token 23,357 Denk-Token 339,837 Antwortzeit (Durchschnitt) 120.58s Antwortzeit (Gesamt) 2652.77s Antwortzeit (Maximum) 491.07s Falsche Antwort: 5 Anweisungen nicht befolgt: 3 API-Fehler: 1 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 5.7 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 7.9 Rätsellösen : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#257#257	GLM 5 Turbonone	5.1	Z.ai	$0.047 ↑	2.82s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.3% Instabile Tests 2 Eingabe-Token 32,525 Ausgabe-Token 1,815 Denk-Token 0 Antwortzeit (Durchschnitt) 2.82s Antwortzeit (Gesamt) 59.29s Antwortzeit (Maximum) 8.21s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.0 Programmierung : 3.9 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#182#182	Gemini 3.1 Flash Liteminimal	6.1	Google	$0.047	1.85s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 51.5% Instabile Tests 3 Eingabe-Token 119,076 Ausgabe-Token 11,118 Denk-Token 0 Antwortzeit (Durchschnitt) 1.85s Antwortzeit (Gesamt) 40.74s Antwortzeit (Maximum) 12.97s Falsche Antwort: 8 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#144#144	Solar Pro 4medium	6.8	Upstage	$0.047	127.64s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 62.1% Instabile Tests 4 Eingabe-Token 87,902 Ausgabe-Token 30,743 Denk-Token 335,668 Antwortzeit (Durchschnitt) 127.64s Antwortzeit (Gesamt) 2808.09s Antwortzeit (Maximum) 519.91s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.2 Programmierung : 5.5 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 9.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#226#226	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.65s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 45.5% Instabile Tests 3 Eingabe-Token 51,369 Ausgabe-Token 8,008 Denk-Token 58,568 Antwortzeit (Durchschnitt) 8.65s Antwortzeit (Gesamt) 190.35s Antwortzeit (Maximum) 48.19s Falsche Antwort: 10 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 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
#167#167	Hy3 previewmedium	6.5	Tencent	$0.049 ↕	16.28s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 0 Eingabe-Token 27,030 Ausgabe-Token 73,544 Denk-Token 0 Antwortzeit (Durchschnitt) 16.28s Antwortzeit (Gesamt) 293.12s Antwortzeit (Maximum) 46.04s API-Fehler: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.3 Kombiniert : 5.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#212#212	Nemotron 3 Supermedium	5.7	NVIDIA	$0.050 ↑	52.31s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 9.1 Erfolgsquote pro Versuch 40.9% Instabile Tests 3 Eingabe-Token 81,438 Ausgabe-Token 17,674 Denk-Token 97,900 Antwortzeit (Durchschnitt) 52.31s Antwortzeit (Gesamt) 1046.21s 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
#87#87	Solar Pro 4xhigh	7.6	Upstage	$0.050	134.85s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.6% Instabile Tests 2 Eingabe-Token 98,116 Ausgabe-Token 21,720 Denk-Token 367,730 Antwortzeit (Durchschnitt) 134.85s Antwortzeit (Gesamt) 2966.79s Antwortzeit (Maximum) 491.42s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 Keine Antwort: 2 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.4 Rätsellösen : 8.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#246#246	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.051 ↓	5.57s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 28.8% Instabile Tests 5 Eingabe-Token 93,990 Ausgabe-Token 45,905 Denk-Token 0 Antwortzeit (Durchschnitt) 5.57s Antwortzeit (Gesamt) 111.32s Antwortzeit (Maximum) 39.54s Falsche Antwort: 13 API-Fehler: 2 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Anti-KI-Tricks : 3.6 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.2 Rätsellösen : 3.2 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#180#180	GPT-5.6 Lunalow	6.2	OpenAI	$0.051 ↓	5.20s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 54.5% Instabile Tests 5 Eingabe-Token 96,355 Ausgabe-Token 8,213 Denk-Token 18,073 Antwortzeit (Durchschnitt) 5.20s Antwortzeit (Gesamt) 114.46s Antwortzeit (Maximum) 19.44s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 8.5 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#168#168	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.052	1.56s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 57.6% Instabile Tests 1 Eingabe-Token 120,955 Ausgabe-Token 14,161 Denk-Token 0 Antwortzeit (Durchschnitt) 1.56s Antwortzeit (Gesamt) 34.32s Antwortzeit (Maximum) 9.27s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Anti-KI-Tricks : 7.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#221#221	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
#79#79	Qwen3.7 Flashhigh	7.8	Qwen	$0.052	41.37s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.2% Instabile Tests 6 Eingabe-Token 116,331 Ausgabe-Token 12,330 Denk-Token 357,920 Antwortzeit (Durchschnitt) 41.37s Antwortzeit (Gesamt) 910.11s Antwortzeit (Maximum) 431.47s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#234#234	Laguna S 2.1medium	5.4	Poolside	$0.053 ↓	58.42s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 24.2% Instabile Tests 3 Eingabe-Token 86,647 Ausgabe-Token 97,298 Denk-Token 242,297 Antwortzeit (Durchschnitt) 58.42s Antwortzeit (Gesamt) 1285.26s Antwortzeit (Maximum) 560.31s Falsche Antwort: 13 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.4 Programmierung : 5.3 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 4.2 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#241#241	Inkling Smallnone	5.3	Thinkingmachines	$0.054 ↓	1.51s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 24.2% Instabile Tests 1 Eingabe-Token 94,733 Ausgabe-Token 8,770 Denk-Token 0 Antwortzeit (Durchschnitt) 1.51s Antwortzeit (Gesamt) 33.21s Antwortzeit (Maximum) 12.35s Falsche Antwort: 15 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 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
#262#262	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	17.89s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.4% Instabile Tests 5 Eingabe-Token 135,831 Ausgabe-Token 42,099 Denk-Token 0 Antwortzeit (Durchschnitt) 17.89s Antwortzeit (Gesamt) 393.53s Antwortzeit (Maximum) 115.89s Falsche Antwort: 8 API-Fehler: 3 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.2 Programmierung : 3.1 Kombiniert : 4.8 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#214#214	Inkling Smalllow	5.7	Thinkingmachines	$0.055 ↓	2.07s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.0% Instabile Tests 4 Eingabe-Token 81,447 Ausgabe-Token 2,715 Denk-Token 11,971 Antwortzeit (Durchschnitt) 2.07s Antwortzeit (Gesamt) 45.64s Antwortzeit (Maximum) 5.82s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 9.2 Programmierung : 4.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.3 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#293#293	Grok 4.20none	4.1	X AI	$0.057 ↓	1.11s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 12 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 27.3% Instabile Tests 0 Eingabe-Token 41,313 Ausgabe-Token 1,923 Denk-Token 0 Antwortzeit (Durchschnitt) 1.11s Antwortzeit (Gesamt) 19.96s Antwortzeit (Maximum) 6.04s Falsche Antwort: 10 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 1.1 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0

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