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)
#76#76	Qwen3.8 27Bmedium	7.8	Qwen	~$0.058	33.05s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 66.7% Instabile Tests 1 Eingabe-Token 98,266 Ausgabe-Token 1,861 Denk-Token 134,301 Antwortzeit (Durchschnitt) 33.05s Antwortzeit (Gesamt) 694.04s Antwortzeit (Maximum) 214.63s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 8.7 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.3 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#158#158	Qwen3.5-27Bnone	6.6	Qwen	$0.058 ↓	4.77s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 2 Eingabe-Token 102,325 Ausgabe-Token 24,323 Denk-Token 0 Antwortzeit (Durchschnitt) 4.77s Antwortzeit (Gesamt) 105.00s Antwortzeit (Maximum) 69.46s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 5.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#34#34	GLM 5.3 Flashmax	8.7	Z.ai	$0.059	52.10s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 81.8% Instabile Tests 3 Eingabe-Token 96,873 Ausgabe-Token 7,637 Denk-Token 196,703 Antwortzeit (Durchschnitt) 52.10s Antwortzeit (Gesamt) 1146.24s Antwortzeit (Maximum) 333.47s Falsche Antwort: 2 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#190#190	Qwen3.6 Flashnone	6.1	Qwen	$0.062 ↓	3.73s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 1 Eingabe-Token 139,797 Ausgabe-Token 30,947 Denk-Token 0 Antwortzeit (Durchschnitt) 3.73s Antwortzeit (Gesamt) 81.95s Antwortzeit (Maximum) 48.79s Falsche Antwort: 12 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.1 Programmierung : 5.4 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#304#304	Qwen3.5-9Bmedium	3.8	Qwen	$0.062 ↑	107.51s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 6.0 Erfolgsquote pro Versuch 25.8% Instabile Tests 5 Eingabe-Token 17,195 Ausgabe-Token 46,735 Denk-Token 366,707 Antwortzeit (Durchschnitt) 107.51s Antwortzeit (Gesamt) 1720.15s Antwortzeit (Maximum) 569.97s Zeitüberschreitung: 11 Keine Antwort: 3 Falsche Antwort: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 5.1 Programmierung : 2.9 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.6 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 2.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#137#137	Qwen3.7 Flashmedium	6.9	Qwen	$0.065	47.38s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 7 Eingabe-Token 114,477 Ausgabe-Token 12,786 Denk-Token 457,290 Antwortzeit (Durchschnitt) 47.38s Antwortzeit (Gesamt) 1042.43s Antwortzeit (Maximum) 593.64s Falsche Antwort: 8 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 5.8 Rätsellösen : 7.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#178#178	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.066	4.37s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.9% Instabile Tests 3 Eingabe-Token 142,206 Ausgabe-Token 14,744 Denk-Token 0 Antwortzeit (Durchschnitt) 4.37s Antwortzeit (Gesamt) 96.20s 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 : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#114#114	DeepSeek V4 Flash 0731medium	7.3	DeepSeek	$0.066 ↓	84.66s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.2% Instabile Tests 8 Eingabe-Token 89,819 Ausgabe-Token 58,398 Denk-Token 492,457 Antwortzeit (Durchschnitt) 84.66s Antwortzeit (Gesamt) 1862.46s Antwortzeit (Maximum) 288.78s Falsche Antwort: 5 Keine Antwort: 3 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.4 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 8.5 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#166#166	Laguna XS 2.1medium	6.5	Poolside	$0.068	48.18s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 2 Eingabe-Token 118,998 Ausgabe-Token 30,750 Denk-Token 491,730 Antwortzeit (Durchschnitt) 48.18s Antwortzeit (Gesamt) 1059.93s Antwortzeit (Maximum) 422.72s Falsche Antwort: 10 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#237#237	MiMo-V2.5-Pronone	5.4	Xiaomi	$0.068 ↓	4.24s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 33.3% Instabile Tests 4 Eingabe-Token 124,808 Ausgabe-Token 15,362 Denk-Token 0 Antwortzeit (Durchschnitt) 4.24s Antwortzeit (Gesamt) 93.28s Antwortzeit (Maximum) 53.13s Falsche Antwort: 12 Anweisungen nicht befolgt: 4 Keine Antwort: 1 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
#278#278	Grok 4.1 Fastmedium	4.7	X AI	$0.069 ↑	23.85s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.0% Instabile Tests 6 Eingabe-Token 42,845 Ausgabe-Token 2,006 Denk-Token 96,334 Antwortzeit (Durchschnitt) 23.85s Antwortzeit (Gesamt) 286.16s Antwortzeit (Maximum) 121.79s Anweisungen nicht befolgt: 4 Falsche Antwort: 4 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.7 Programmierung : 7.8 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.8 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#274#274	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.070	12.46s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.4% Instabile Tests 7 Eingabe-Token 69,376 Ausgabe-Token 97,752 Denk-Token 0 Antwortzeit (Durchschnitt) 12.46s Antwortzeit (Gesamt) 274.11s Antwortzeit (Maximum) 121.05s Falsche Antwort: 13 Zusätzliche Formatierung: 3 API-Fehler: 1 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
#69#69	Qwen3.8 27Blow	7.9	Qwen	~$0.071	39.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 0 Eingabe-Token 99,705 Ausgabe-Token 1,545 Denk-Token 167,784 Antwortzeit (Durchschnitt) 39.11s Antwortzeit (Gesamt) 860.51s Antwortzeit (Maximum) 376.04s Falsche Antwort: 4 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 7.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#103#103	GPT-5.6 Lunamedium	7.4	OpenAI	$0.072 ↓	7.43s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.1% Instabile Tests 2 Eingabe-Token 89,685 Ausgabe-Token 5,701 Denk-Token 38,824 Antwortzeit (Durchschnitt) 7.43s Antwortzeit (Gesamt) 163.54s Antwortzeit (Maximum) 29.85s Falsche Antwort: 9 Anti-KI-Tricks : 8.3 Programmierung : 5.4 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#164#164	Qwen3.5 Plus 2026-02-15none	6.6	Qwen	$0.073 ↓	9.86s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.0% Instabile Tests 2 Eingabe-Token 102,655 Ausgabe-Token 29,370 Denk-Token 0 Antwortzeit (Durchschnitt) 9.86s Antwortzeit (Gesamt) 157.77s Antwortzeit (Maximum) 123.00s Falsche Antwort: 11 Anti-KI-Tricks : 4.8 Programmierung : 4.3 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#200#200	Qwen3.5-Flashnone	6.0	Qwen	$0.073 ↓	25.28s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 2 Eingabe-Token 282,356 Ausgabe-Token 209,201 Denk-Token 0 Antwortzeit (Durchschnitt) 25.28s Antwortzeit (Gesamt) 556.14s Antwortzeit (Maximum) 480.96s Falsche Antwort: 14 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#220#220	KAT-Coder-Air V2.5high	5.6	Kwaipilot	$0.077	15.87s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 42.4% Instabile Tests 5 Eingabe-Token 50,423 Ausgabe-Token 4,144 Denk-Token 110,510 Antwortzeit (Durchschnitt) 15.87s Antwortzeit (Gesamt) 349.16s Antwortzeit (Maximum) 118.35s Falsche Antwort: 9 API-Fehler: 3 Zusätzliche Formatierung: 3 Anti-KI-Tricks : 6.9 Programmierung : 4.3 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#128#128	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 7 Eingabe-Token 101,056 Ausgabe-Token 11,832 Denk-Token 116,955 Antwortzeit (Durchschnitt) 68.43s Antwortzeit (Gesamt) 1505.53s Antwortzeit (Maximum) 376.10s Falsche Antwort: 5 API-Fehler: 2 Zeitüberschreitung: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#261#261	Laguna S 2.1low	5.0	Poolside	$0.082 ↓	85.34s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 22.7% Instabile Tests 5 Eingabe-Token 118,752 Ausgabe-Token 67,823 Denk-Token 383,885 Antwortzeit (Durchschnitt) 85.34s Antwortzeit (Gesamt) 1877.49s Antwortzeit (Maximum) 814.73s Falsche Antwort: 15 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.4 Programmierung : 3.8 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 4.3 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#282#282	Granite 4.2 8Bhigh	4.6	IBM Granite	$0.084	235.89s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 7.6 Erfolgsquote pro Versuch 39.4% Instabile Tests 10 Eingabe-Token 43,278 Ausgabe-Token 181,083 Denk-Token 431,132 Antwortzeit (Durchschnitt) 235.89s Antwortzeit (Gesamt) 5189.64s Antwortzeit (Maximum) 685.87s Zeitüberschreitung: 10 Falsche Antwort: 6 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 6.9 Programmierung : 3.8 Kombiniert : 5.0 Datenanalyse und -extraktion : 3.8 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 6.4 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#193#193	Nemotron 3 Ultranone	6.1	NVIDIA	$0.084 ↕	3.88s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.4% Instabile Tests 2 Eingabe-Token 101,168 Ausgabe-Token 9,470 Denk-Token 0 Antwortzeit (Durchschnitt) 3.88s Antwortzeit (Gesamt) 85.33s Antwortzeit (Maximum) 37.50s Falsche Antwort: 11 API-Fehler: 2 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
#62#62	DeepSeek V4 Flash 0731high	8.0	DeepSeek	$0.084 ↓	114.94s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.8% Instabile Tests 5 Eingabe-Token 96,702 Ausgabe-Token 16,966 Denk-Token 496,341 Antwortzeit (Durchschnitt) 114.94s Antwortzeit (Gesamt) 2528.65s Antwortzeit (Maximum) 600.61s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 API-Fehler: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 6.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#148#148	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.82s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 3 Eingabe-Token 104,217 Ausgabe-Token 10,710 Denk-Token 0 Antwortzeit (Durchschnitt) 2.82s Antwortzeit (Gesamt) 45.05s Antwortzeit (Maximum) 21.19s Falsche Antwort: 8 Keine Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 3.8 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
#286#286	Grok 4.20 Betanone	4.4	X AI	$0.087 ↓	1.19s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 12 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 30.3% Instabile Tests 1 Eingabe-Token 40,597 Ausgabe-Token 1,657 Denk-Token 0 Antwortzeit (Durchschnitt) 1.19s Antwortzeit (Gesamt) 21.43s Antwortzeit (Maximum) 6.48s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.0 Programmierung : 1.8 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#208#208	Seed 2.1 Turbonone	5.9	Bytedance Seed	$0.092	6.84s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 54.6% Instabile Tests 3 Eingabe-Token 129,150 Ausgabe-Token 10,643 Denk-Token 0 Antwortzeit (Durchschnitt) 6.84s Antwortzeit (Gesamt) 150.46s Antwortzeit (Maximum) 55.92s Falsche Antwort: 11 Keine Antwort: 1 Anti-KI-Tricks : 4.8 Programmierung : 4.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 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 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