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: 2026-05-10 Bewertete Modelle: 144

144/144

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#54#54	Qwen3.6 Max Previewnone	7.2	Qwen	$0.083	3.31s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 64.9% Instabile Tests 2 Ausgabe-Token 4,751 Denk-Token 0 Antwortzeit (Durchschnitt) 3.31s Antwortzeit (Gesamt) 62.80s Antwortzeit (Maximum) 20.51s Falsche Antwort: 8 Anti-KI-Tricks : 5.2 Programmierung : 5.0 Kombiniert : 3.0 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
#53#53	GPT-5.4 Nanomedium	7.3	OpenAI	$0.084	10.87s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 64.9% Instabile Tests 2 Ausgabe-Token 3,016 Denk-Token 59,306 Antwortzeit (Durchschnitt) 10.87s Antwortzeit (Gesamt) 206.61s Antwortzeit (Maximum) 94.06s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#52#52	Claude Opus 4.6medium	7.4	Anthropic	$1.710	24.59s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 2 Ausgabe-Token 37,874 Denk-Token 21,390 Antwortzeit (Durchschnitt) 24.59s Antwortzeit (Gesamt) 295.08s Antwortzeit (Maximum) 83.40s Zusätzliche Formatierung: 4 Falsche Antwort: 3 Anti-KI-Tricks : 6.4 Programmierung : 10.0 Kombiniert : 10.0 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
#51#51	Gemini 3.1 Flash Litehigh	7.5	Google	$2.044	61.96s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 7 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 74.1% Instabile Tests 4 Ausgabe-Token 1,984 Denk-Token 1,355,583 Antwortzeit (Durchschnitt) 61.96s Antwortzeit (Gesamt) 1115.31s Antwortzeit (Maximum) 149.23s Anweisungen nicht befolgt: 3 Falsche Antwort: 3 Keine Antwort: 1 Anti-KI-Tricks : 9.4 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 7.3 Rätsellösen : 5.7 Werkzeugaufrufe : 10.0
#50#50	Qwen3.6 Flashmedium	7.5	Qwen	$0.305	15.85s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.9% Instabile Tests 5 Ausgabe-Token 2,830 Denk-Token 194,258 Antwortzeit (Durchschnitt) 15.85s Antwortzeit (Gesamt) 301.13s Antwortzeit (Maximum) 122.87s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 10.0 Programmierung : 6.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#49#49	GLM 5V Turbomedium	7.5	Z.ai	$0.322	16.33s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.7% Instabile Tests 6 Ausgabe-Token 2,373 Denk-Token 66,463 Antwortzeit (Durchschnitt) 16.33s Antwortzeit (Gesamt) 310.29s Antwortzeit (Maximum) 67.08s Falsche Antwort: 5 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 7.2 Programmierung : 10.0 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.6 Werkzeugaufrufe : 7.0 Allgemeinwissen : 3.0
#48#48	DeepSeek V4 Flashhigh	7.6	DeepSeek	$0.033	45.88s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.4% Instabile Tests 5 Ausgabe-Token 10,281 Denk-Token 98,830 Antwortzeit (Durchschnitt) 45.88s Antwortzeit (Gesamt) 871.76s Antwortzeit (Maximum) 218.13s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#47#47	GLM 5.1medium	7.6	Z.ai	$0.209	24.43s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 7 Zuverlässigkeit 0.0 Erfolgsquote pro Versuch 71.9% Instabile Tests 3 Ausgabe-Token 8,087 Denk-Token 51,269 Antwortzeit (Durchschnitt) 24.43s Antwortzeit (Gesamt) 439.65s Antwortzeit (Maximum) 118.52s Falsche Antwort: 4 Zeitüberschreitung: 2 API-Fehler: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.7 Kombiniert : 9.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 8.2 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#46#46	GPT-5.3 Chatnone	7.6	OpenAI	$0.348	5.80s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 70.2% Instabile Tests 3 Ausgabe-Token 21,353 Denk-Token 0 Antwortzeit (Durchschnitt) 5.80s Antwortzeit (Gesamt) 110.27s Antwortzeit (Maximum) 18.33s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 6.7 Programmierung : 10.0 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
#45#45	Qwen3.5-Flashmedium	7.6	Qwen	$0.089	65.79s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 8 Zuverlässigkeit 6.7 Erfolgsquote pro Versuch 77.2% Instabile Tests 6 Ausgabe-Token 2,105 Denk-Token 228,936 Antwortzeit (Durchschnitt) 65.79s Antwortzeit (Gesamt) 1250.00s Antwortzeit (Maximum) 234.29s Zeitüberschreitung: 3 Falsche Antwort: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#44#44	Gemini 3.1 Flash Litelow	7.6	Google	$0.025	1.92s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.4% Instabile Tests 2 Ausgabe-Token 2,702 Denk-Token 8,596 Antwortzeit (Durchschnitt) 1.92s Antwortzeit (Gesamt) 36.49s Antwortzeit (Maximum) 5.66s Falsche Antwort: 7 Anti-KI-Tricks : 7.3 Programmierung : 10.0 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
#43#43	Step 3.5 Flashmedium	7.6	Stepfun	$0.011	41.66s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 2 Ausgabe-Token 78,299 Denk-Token 173,409 Antwortzeit (Durchschnitt) 41.66s Antwortzeit (Gesamt) 499.91s Antwortzeit (Maximum) 170.45s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#42#42	Kimi K2.6medium	7.6	Moonshot AI	$0.778	49.92s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.9% Instabile Tests 3 Ausgabe-Token 96,469 Denk-Token 195,991 Antwortzeit (Durchschnitt) 49.92s Antwortzeit (Gesamt) 898.64s Antwortzeit (Maximum) 215.85s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 2 Anti-KI-Tricks : 7.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#41#41	GPT-5.2 Chatnone	7.6	OpenAI	$0.309	6.85s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.9% Instabile Tests 3 Ausgabe-Token 18,585 Denk-Token 0 Antwortzeit (Durchschnitt) 6.85s Antwortzeit (Gesamt) 130.06s Antwortzeit (Maximum) 38.52s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.7 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 7.3 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#40#40	Gemini 3.1 Flash Lite Previewnone	7.7	Google	$0.016	1.28s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 1 Ausgabe-Token 5,370 Denk-Token 0 Antwortzeit (Durchschnitt) 1.28s Antwortzeit (Gesamt) 24.23s Antwortzeit (Maximum) 3.39s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 7.5 Programmierung : 10.0 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
#39#39	Hy3 previewlow	7.7	Tencent	$0.000	24.58s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 72.9% Instabile Tests 1 Ausgabe-Token 63,155 Denk-Token 0 Antwortzeit (Durchschnitt) 24.58s Antwortzeit (Gesamt) 368.71s Antwortzeit (Maximum) 78.74s Falsche Antwort: 4 API-Fehler: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.5 Werkzeugaufrufe : 6.6 Allgemeinwissen : 3.0
#38#38	Gemma 4 26B A4Bmedium	7.7	Google	$0.034	33.69s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.7% Instabile Tests 3 Ausgabe-Token 16,725 Denk-Token 61,536 Antwortzeit (Durchschnitt) 33.69s Antwortzeit (Gesamt) 606.35s Antwortzeit (Maximum) 180.87s Falsche Antwort: 4 Zeitüberschreitung: 2 Anti-KI-Tricks : 10.0 Programmierung : 2.8 Kombiniert : 9.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#37#37	MiMo-V2-Promedium	7.7	Xiaomi	$0.212	16.18s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 7 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 77.2% Instabile Tests 4 Ausgabe-Token 2,514 Denk-Token 55,816 Antwortzeit (Durchschnitt) 16.18s Antwortzeit (Gesamt) 307.48s Antwortzeit (Maximum) 82.71s Falsche Antwort: 4 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 4.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#36#36	Step 3.5 Flashnone	7.8	Stepfun	$0.020	39.03s
Modellkarte anzeigen Gesamttests 12 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 0 Ausgabe-Token 64,795 Denk-Token 0 Antwortzeit (Durchschnitt) 39.03s Antwortzeit (Gesamt) 312.26s Antwortzeit (Maximum) 114.12s API-Fehler: 1 Anweisungen nicht befolgt: 1 Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.0 Kombiniert : 0.0 Datenanalyse und -extraktion : 0.0 Domänenspezifisch : 10.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 3.0
#34#34	Hy3 previewmedium	7.8	Tencent	$0.000	16.03s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 70.2% Instabile Tests 1 Ausgabe-Token 72,551 Denk-Token 0 Antwortzeit (Durchschnitt) 16.03s Antwortzeit (Gesamt) 288.59s Antwortzeit (Maximum) 46.04s Falsche Antwort: 4 API-Fehler: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#35#35	Claude Sonnet 4.6medium	7.8	Anthropic	$1.237	14.25s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 70.2% Instabile Tests 1 Ausgabe-Token 45,505 Denk-Token 28,370 Antwortzeit (Durchschnitt) 14.25s Antwortzeit (Gesamt) 156.71s Antwortzeit (Maximum) 46.35s Falsche Antwort: 3 Zusätzliche Formatierung: 2 Zeitüberschreitung: 1 Anti-KI-Tricks : 6.5 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#33#33	Qwen3.5 Plus 2026-04-20medium	7.8	Qwen	$0.305	35.96s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 6 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 73.7% Instabile Tests 2 Ausgabe-Token 2,206 Denk-Token 118,998 Antwortzeit (Durchschnitt) 35.96s Antwortzeit (Gesamt) 683.23s Antwortzeit (Maximum) 92.57s Falsche Antwort: 6 Anti-KI-Tricks : 10.0 Programmierung : 7.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.9 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#32#32	MiMo-V2.5medium	7.8	Xiaomi	$0.253	14.40s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.9% Instabile Tests 3 Ausgabe-Token 2,821 Denk-Token 116,207 Antwortzeit (Durchschnitt) 14.40s Antwortzeit (Gesamt) 259.20s Antwortzeit (Maximum) 86.93s Zusätzliche Formatierung: 2 Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 2.7 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0
#30#30	Gemini 3.1 Flash Lite Previewlow	7.9	Google	$0.023	3.12s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.4% Instabile Tests 0 Ausgabe-Token 2,256 Denk-Token 8,478 Antwortzeit (Durchschnitt) 3.12s Antwortzeit (Gesamt) 59.34s Antwortzeit (Maximum) 11.91s Falsche Antwort: 5 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.3 Programmierung : 10.0 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
#31#31	Qwen3.5-122B-A10Bmedium	7.9	Qwen	$0.561	32.51s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.4% Instabile Tests 3 Ausgabe-Token 18,457 Denk-Token 177,734 Antwortzeit (Durchschnitt) 32.51s Antwortzeit (Gesamt) 617.70s Antwortzeit (Maximum) 119.29s Falsche Antwort: 4 Zeitüberschreitung: 2 Anti-KI-Tricks : 10.0 Programmierung : 4.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#29#29	Gemini 3 Flash Previewnone	7.9	Google	$0.021	1.61s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.7% Instabile Tests 2 Ausgabe-Token 1,855 Denk-Token 0 Antwortzeit (Durchschnitt) 1.61s Antwortzeit (Gesamt) 19.26s Antwortzeit (Maximum) 3.56s Falsche Antwort: 6 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 4.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#28#28	Qwen3.6 Plusmedium	7.9	Qwen	$0.016	17.06s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 70.2% Instabile Tests 1 Ausgabe-Token 1,784 Denk-Token 91,543 Antwortzeit (Durchschnitt) 17.06s Antwortzeit (Gesamt) 307.07s Antwortzeit (Maximum) 47.51s Falsche Antwort: 4 API-Fehler: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#27#27	Gemini 3.1 Flash Litemedium	7.9	Google	$0.059	3.14s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.9% Instabile Tests 2 Ausgabe-Token 2,224 Denk-Token 32,034 Antwortzeit (Durchschnitt) 3.14s Antwortzeit (Gesamt) 59.62s Antwortzeit (Maximum) 10.87s Falsche Antwort: 5 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 9.1 Programmierung : 10.0 Kombiniert : 10.0 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
#26#26	GPT-5.4medium	7.9	OpenAI	$0.861	18.38s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.4% Instabile Tests 3 Ausgabe-Token 2,199 Denk-Token 50,553 Antwortzeit (Durchschnitt) 18.38s Antwortzeit (Gesamt) 349.21s Antwortzeit (Maximum) 100.41s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#25#25	Gemini 2.5 Flashmedium	7.9	Google	$0.322	11.63s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.9% Instabile Tests 1 Ausgabe-Token 1,909 Denk-Token 123,192 Antwortzeit (Durchschnitt) 11.63s Antwortzeit (Gesamt) 220.88s Antwortzeit (Maximum) 95.48s Falsche Antwort: 5 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.4 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0

Schnellvergleich

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsQwen3.6 Max Previewmedium Gemini 3 Flash PreviewmediumvsRing 2.6 1tmediumKostenlos verfügbar Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsGPT-5.5medium GPT-5.5mediumvsGPT-5.5low GPT-5.5lowvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsQwen3.6 Max Previewmedium

KI-Benchmark-Bestenliste

Modelle filtern

Schnellvergleich