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)
#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
#64#64	Gemini 3.1 Flash Lite Previewmedium	7.3	Google	$0.115	4.61s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 0 Eingabe-Token 117,480 Ausgabe-Token 10,589 Denk-Token 46,394 Antwortzeit (Durchschnitt) 4.61s Antwortzeit (Gesamt) 101.39s Antwortzeit (Maximum) 18.34s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 9.1 Programmierung : 5.5 Kombiniert : 7.2 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
#65#65	Gemini 3.1 Flash Litemedium	7.3	Google	$0.117	4.27s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.1% Instabile Tests 2 Eingabe-Token 104,918 Ausgabe-Token 9,168 Denk-Token 51,130 Antwortzeit (Durchschnitt) 4.27s Antwortzeit (Gesamt) 94.02s Antwortzeit (Maximum) 26.22s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 9.1 Programmierung : 5.5 Kombiniert : 7.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.6 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
#155#155	Kimi K2.5none	5.5	Moonshot AI	$0.127 ↑	19.15s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 4 Eingabe-Token 89,322 Ausgabe-Token 26,638 Denk-Token 0 Antwortzeit (Durchschnitt) 19.15s Antwortzeit (Gesamt) 287.30s Antwortzeit (Maximum) 102.83s Falsche Antwort: 15 Keine Antwort: 1 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
#53#53	GPT-5.4 Nanomedium	7.5	OpenAI	$0.138	13.24s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 4 Eingabe-Token 82,819 Ausgabe-Token 7,100 Denk-Token 90,022 Antwortzeit (Durchschnitt) 13.24s Antwortzeit (Gesamt) 291.33s Antwortzeit (Maximum) 94.06s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.3 Programmierung : 6.1 Kombiniert : 9.9 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
#114#114	Qwen3.5-Flashmedium	6.2	Qwen	$0.139 ↓	84.82s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 6 Eingabe-Token 118,499 Ausgabe-Token 12,284 Denk-Token 490,610 Antwortzeit (Durchschnitt) 84.82s Antwortzeit (Gesamt) 1781.22s Antwortzeit (Maximum) 515.38s Falsche Antwort: 4 Zeitüberschreitung: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.7 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#159#159	GPT-5.6 Lunanone	5.4	OpenAI	$0.142	1.50s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 3 Eingabe-Token 101,323 Ausgabe-Token 6,709 Denk-Token 0 Antwortzeit (Durchschnitt) 1.50s Antwortzeit (Gesamt) 32.91s 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 : 2.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 7.1 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#164#164	Inklingnone	5.2	Thinkingmachines	$0.147	3.50s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 28.8% Instabile Tests 1 Eingabe-Token 104,111 Ausgabe-Token 10,551 Denk-Token 0 Antwortzeit (Durchschnitt) 3.50s Antwortzeit (Gesamt) 77.09s Antwortzeit (Maximum) 48.02s Falsche Antwort: 13 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 4.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.6 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#96#96	GLM 5.2none	6.6	Z.ai	$0.151 ↓	9.34s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 2 Eingabe-Token 112,359 Ausgabe-Token 14,340 Denk-Token 0 Antwortzeit (Durchschnitt) 9.34s Antwortzeit (Gesamt) 205.46s Antwortzeit (Maximum) 79.65s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.3 Programmierung : 3.7 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#110#110	Gemma 4 31Bmedium	6.3	Google	$0.163 ↑	75.38s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 2 Eingabe-Token 94,992 Ausgabe-Token 34,468 Denk-Token 223,278 Antwortzeit (Durchschnitt) 75.38s Antwortzeit (Gesamt) 1507.52s Antwortzeit (Maximum) 437.40s API-Fehler: 2 Zeitüberschreitung: 2 Falsche Antwort: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.3 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#172#172	MiniMax M2.7medium	5.0	Minimax	$0.163 ↓	41.28s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 9 Eingabe-Token 114,518 Ausgabe-Token 18,558 Denk-Token 119,036 Antwortzeit (Durchschnitt) 41.28s Antwortzeit (Gesamt) 866.81s Antwortzeit (Maximum) 196.21s Falsche Antwort: 6 Anweisungen nicht befolgt: 5 Keine Antwort: 2 Zeitüberschreitung: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 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
#151#151	GLM 5.1none	5.5	Z.ai	$0.164 ↓	6.70s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.9% Instabile Tests 5 Eingabe-Token 124,209 Ausgabe-Token 14,393 Denk-Token 0 Antwortzeit (Durchschnitt) 6.70s Antwortzeit (Gesamt) 147.38s Antwortzeit (Maximum) 61.20s Falsche Antwort: 13 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 4.0 Programmierung : 3.9 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#194#194	GLM 4.7 Flashmedium	4.3	Z.ai	$0.166	142.59s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 7.8 Erfolgsquote pro Versuch 31.8% Instabile Tests 8 Eingabe-Token 79,051 Ausgabe-Token 43,754 Denk-Token 374,109 Antwortzeit (Durchschnitt) 142.59s Antwortzeit (Gesamt) 1996.21s Antwortzeit (Maximum) 1539.97s Falsche Antwort: 9 Keine Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Zeitüberschreitung: 2 Anti-KI-Tricks : 4.7 Programmierung : 3.2 Kombiniert : 2.9 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 3.6 Befolgung von Anweisungen : 6.2 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#61#61	Gemini 3 Flash Previewlow	7.4	Google	$0.177	6.28s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.8% Instabile Tests 2 Eingabe-Token 123,684 Ausgabe-Token 9,572 Denk-Token 28,518 Antwortzeit (Durchschnitt) 6.28s Antwortzeit (Gesamt) 138.06s Antwortzeit (Maximum) 17.13s Falsche Antwort: 6 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
#138#138	Kimi K2.6none	5.8	Moonshot AI	$0.184 ↓	19.58s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 2 Eingabe-Token 116,970 Ausgabe-Token 30,253 Denk-Token 0 Antwortzeit (Durchschnitt) 19.58s Antwortzeit (Gesamt) 430.85s Antwortzeit (Maximum) 238.89s Falsche Antwort: 11 Anweisungen nicht befolgt: 3 Keine Antwort: 1 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
#123#123	Inklinglow	6.1	Thinkingmachines	$0.187	5.15s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 54.6% Instabile Tests 4 Eingabe-Token 109,884 Ausgabe-Token 8,579 Denk-Token 10,343 Antwortzeit (Durchschnitt) 5.15s Antwortzeit (Gesamt) 113.39s Antwortzeit (Maximum) 41.58s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 8.3 Programmierung : 5.1 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.4 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#84#84	MiMo-V2.5-Promedium	6.9	Xiaomi	$0.187 ↓	33.92s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 5 Eingabe-Token 139,883 Ausgabe-Token 15,521 Denk-Token 130,992 Antwortzeit (Durchschnitt) 33.92s Antwortzeit (Gesamt) 746.19s Antwortzeit (Maximum) 197.54s Zusätzliche Formatierung: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 6.9 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#59#59	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.52s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 68.2% Instabile Tests 0 Eingabe-Token 95,983 Ausgabe-Token 12,446 Denk-Token 0 Antwortzeit (Durchschnitt) 4.52s Antwortzeit (Gesamt) 99.52s Antwortzeit (Maximum) 72.30s Falsche Antwort: 7 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#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
#38#38	GLM 5.2medium	7.8	Z.ai	$0.222 ↓	23.28s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 6 Zuverlässigkeit 9.5 Erfolgsquote pro Versuch 80.3% Instabile Tests 4 Eingabe-Token 37,199 Ausgabe-Token 12,261 Denk-Token 49,500 Antwortzeit (Durchschnitt) 23.28s Antwortzeit (Gesamt) 488.94s Antwortzeit (Maximum) 101.36s Falsche Antwort: 3 Keine Antwort: 2 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#98#98	Qwen3.6 Max Previewnone	6.6	Qwen	$0.231 ↓	7.82s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 60.6% Instabile Tests 2 Eingabe-Token 106,339 Ausgabe-Token 19,257 Denk-Token 0 Antwortzeit (Durchschnitt) 7.82s Antwortzeit (Gesamt) 172.01s Antwortzeit (Maximum) 102.62s Falsche Antwort: 10 Anti-KI-Tricks : 5.2 Programmierung : 3.8 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#35#35	Seed-2.0-Litemedium	7.9	Bytedance Seed	$0.234	48.53s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 74.2% Instabile Tests 4 Eingabe-Token 129,897 Ausgabe-Token 12,533 Denk-Token 88,047 Antwortzeit (Durchschnitt) 48.53s Antwortzeit (Gesamt) 1067.74s Antwortzeit (Maximum) 254.92s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 8.0 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 6.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#26#26	GPT-5 Minimedium	8.1	OpenAI	$0.237	27.63s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 3 Eingabe-Token 98,374 Ausgabe-Token 14,434 Denk-Token 91,498 Antwortzeit (Durchschnitt) 27.63s Antwortzeit (Gesamt) 607.92s Antwortzeit (Maximum) 111.48s Falsche Antwort: 5 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 7.1 Programmierung : 10.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#142#142	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.247 ↓	12.92s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 33.3% Instabile Tests 2 Eingabe-Token 241,566 Ausgabe-Token 88,458 Denk-Token 0 Antwortzeit (Durchschnitt) 12.92s Antwortzeit (Gesamt) 284.21s Antwortzeit (Maximum) 212.63s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 3.7 Kombiniert : 5.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#117#117	GPT-5.6 Lunalow	6.2	OpenAI	$0.249	5.04s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.1% Instabile Tests 5 Eingabe-Token 96,346 Ausgabe-Token 8,211 Denk-Token 17,227 Antwortzeit (Durchschnitt) 5.04s Antwortzeit (Gesamt) 110.88s 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 : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 8.5 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#36#36	Qwen3.7 Plusmedium	7.9	Qwen	$0.267 ↓	51.51s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.8% Instabile Tests 3 Eingabe-Token 115,233 Ausgabe-Token 6,162 Denk-Token 173,267 Antwortzeit (Durchschnitt) 51.51s Antwortzeit (Gesamt) 1133.15s Antwortzeit (Maximum) 315.30s Falsche Antwort: 5 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.1 Kombiniert : 8.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#47#47	MiniMax M3medium	7.6	Minimax	$0.286	74.98s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 66.7% Instabile Tests 5 Eingabe-Token 121,990 Ausgabe-Token 77,916 Denk-Token 173,553 Antwortzeit (Durchschnitt) 74.98s Antwortzeit (Gesamt) 1574.56s Antwortzeit (Maximum) 431.03s Zeitüberschreitung: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 5.5 Programmierung : 6.1 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.5 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#88#88	Gemini 3.5 Flashminimal	6.8	Google	$0.300	2.65s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 1 Eingabe-Token 100,753 Ausgabe-Token 16,454 Denk-Token 0 Antwortzeit (Durchschnitt) 2.65s Antwortzeit (Gesamt) 58.27s Antwortzeit (Maximum) 25.26s Falsche Antwort: 5 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 10.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#42#42	GLM 5medium	7.7	Z.ai	$0.307 ↑	33.54s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 78.8% Instabile Tests 4 Eingabe-Token 35,224 Ausgabe-Token 21,570 Denk-Token 102,996 Antwortzeit (Durchschnitt) 33.54s Antwortzeit (Gesamt) 435.99s Antwortzeit (Maximum) 99.85s Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 5.0 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 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