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: 2026-06-04 Bewertete Modelle: 163

163/163

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#57#57	Step 3.7 Flashlow	7.3	Stepfun	$0.341	15.74s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.3% Instabile Tests 4 Eingabe-Token 40,101 Ausgabe-Token 289,325 Denk-Token 0 Antwortzeit (Durchschnitt) 15.74s Antwortzeit (Gesamt) 330.63s Antwortzeit (Maximum) 124.75s Falsche Antwort: 8 Keine Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 8.2 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#3🥉 #3	Gemini 3.5 Flashlow	9.4	Google	$0.349	3.27s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 90.5% Instabile Tests 0 Eingabe-Token 36,938 Ausgabe-Token 2,033 Denk-Token 30,519 Antwortzeit (Durchschnitt) 3.27s Antwortzeit (Gesamt) 68.65s Antwortzeit (Maximum) 9.05s Falsche Antwort: 2 Anti-KI-Tricks : 10.0 Programmierung : 7.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#22#22	Step 3.7 Flashmedium	8.0	Stepfun	$0.376	20.35s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 73.0% Instabile Tests 2 Eingabe-Token 39,981 Ausgabe-Token 319,958 Denk-Token 0 Antwortzeit (Durchschnitt) 20.35s Antwortzeit (Gesamt) 427.42s Antwortzeit (Maximum) 113.98s Falsche Antwort: 5 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 8.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#28#28	Gemini 2.5 Flashmedium	7.8	Google	$0.379	15.49s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.8% Instabile Tests 1 Eingabe-Token 34,476 Ausgabe-Token 1,930 Denk-Token 145,145 Antwortzeit (Durchschnitt) 15.49s Antwortzeit (Gesamt) 325.39s Antwortzeit (Maximum) 95.48s Falsche Antwort: 6 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.4 Programmierung : 7.8 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
#35#35	Gemini 3 PRO Previewmedium	7.6	Google	$0.385 ↑	9.05s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 66.7% Instabile Tests 0 Eingabe-Token 28,848 Ausgabe-Token 1,490 Denk-Token 10,102 Antwortzeit (Durchschnitt) 9.05s Antwortzeit (Gesamt) 90.53s Antwortzeit (Maximum) 26.24s API-Fehler: 4 Falsche Antwort: 3 Anti-KI-Tricks : 10.0 Programmierung : 3.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#129#129	MiniMax M2.5medium	5.3	Minimax	$0.385 ↓	65.37s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 46.0% Instabile Tests 9 Eingabe-Token 43,706 Ausgabe-Token 109,495 Denk-Token 330,814 Antwortzeit (Durchschnitt) 65.37s Antwortzeit (Gesamt) 849.76s Antwortzeit (Maximum) 251.36s Falsche Antwort: 7 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 7.9 Programmierung : 3.4 Kombiniert : 4.5 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
#24#24	GPT-5.2 Chatnone	7.9	OpenAI	$0.393	7.13s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 74.6% Instabile Tests 3 Eingabe-Token 34,212 Ausgabe-Token 23,744 Denk-Token 0 Antwortzeit (Durchschnitt) 7.13s Antwortzeit (Gesamt) 149.69s Antwortzeit (Maximum) 38.52s Falsche Antwort: 6 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.7 Programmierung : 8.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#66#66	Qwen3.5-35B-A3Bmedium	7.1	Qwen	$0.401 ↓	72.57s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.8% Instabile Tests 6 Eingabe-Token 42,196 Ausgabe-Token 40,630 Denk-Token 353,577 Antwortzeit (Durchschnitt) 72.57s Antwortzeit (Gesamt) 1524.04s Antwortzeit (Maximum) 409.98s Zeitüberschreitung: 5 Keine Antwort: 2 Falsche Antwort: 2 API-Fehler: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 4.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 2.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#63#63	GPT-5.3 Chatnone	7.2	OpenAI	$0.433	6.34s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 5 Eingabe-Token 34,209 Ausgabe-Token 26,617 Denk-Token 0 Antwortzeit (Durchschnitt) 6.34s Antwortzeit (Gesamt) 133.13s Antwortzeit (Maximum) 18.33s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 6.7 Programmierung : 5.6 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
#78#78	Qwen3.6 27Bmedium	6.8	Qwen	$0.444 ↑	59.71s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.3% Instabile Tests 5 Eingabe-Token 39,376 Ausgabe-Token 16,189 Denk-Token 122,521 Antwortzeit (Durchschnitt) 59.71s Antwortzeit (Gesamt) 1254.01s Antwortzeit (Maximum) 168.22s Falsche Antwort: 6 Keine Antwort: 3 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.3 Programmierung : 7.7 Kombiniert : 7.0 Datenanalyse und -extraktion : 3.5 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#59#59	GLM 5V Turbomedium	7.2	Z.ai	$0.457	23.08s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.3% Instabile Tests 6 Eingabe-Token 44,615 Ausgabe-Token 2,347 Denk-Token 98,415 Antwortzeit (Durchschnitt) 23.08s Antwortzeit (Gesamt) 484.63s Antwortzeit (Maximum) 95.88s Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 7.2 Programmierung : 6.0 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 7.0 Allgemeinwissen : 3.0
#8#8	Claude Opus 4.7none	8.9	Anthropic	$0.505	3.02s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 84.2% Instabile Tests 0 Eingabe-Token 69,576 Ausgabe-Token 6,265 Denk-Token 0 Antwortzeit (Durchschnitt) 3.02s Antwortzeit (Gesamt) 57.44s Antwortzeit (Maximum) 18.27s Falsche Antwort: 3 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 9.5 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
#5#5	Qwen3.7 Maxmedium	9.1	Qwen	$0.523 ↓	16.02s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 88.9% Instabile Tests 1 Eingabe-Token 42,360 Ausgabe-Token 2,129 Denk-Token 122,959 Antwortzeit (Durchschnitt) 16.02s Antwortzeit (Gesamt) 336.51s Antwortzeit (Maximum) 59.98s Falsche Antwort: 3 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#45#45	GPT-5.4 Minimedium	7.5	OpenAI	$0.526	22.34s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.0% Instabile Tests 5 Eingabe-Token 34,116 Ausgabe-Token 2,181 Denk-Token 108,937 Antwortzeit (Durchschnitt) 22.34s Antwortzeit (Gesamt) 469.20s Antwortzeit (Maximum) 138.75s Falsche Antwort: 6 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 8.6 Programmierung : 8.4 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.8 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#30#30	Qwen3.5-27Bmedium	7.8	Qwen	$0.536 ↓	68.39s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.0% Instabile Tests 4 Eingabe-Token 42,164 Ausgabe-Token 8,534 Denk-Token 329,289 Antwortzeit (Durchschnitt) 68.39s Antwortzeit (Gesamt) 1436.24s Antwortzeit (Maximum) 234.36s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.7 Programmierung : 6.2 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#68#68	Claude Opus 4.8none	7.0	Anthropic	$0.539	3.47s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 61.9% Instabile Tests 2 Eingabe-Token 67,104 Ausgabe-Token 8,107 Denk-Token 0 Antwortzeit (Durchschnitt) 3.47s Antwortzeit (Gesamt) 72.90s Antwortzeit (Maximum) 17.73s Falsche Antwort: 4 Zusätzliche Formatierung: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 9.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#100#100	Grok Build 0.1none	6.0	X AI	$0.547	28.69s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.9% Instabile Tests 4 Eingabe-Token 11,793 Ausgabe-Token 267,275 Denk-Token 0 Antwortzeit (Durchschnitt) 28.69s Antwortzeit (Gesamt) 459.00s Antwortzeit (Maximum) 138.35s Falsche Antwort: 7 API-Fehler: 3 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.7 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.8 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.4 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#42#42	GPT-5.2medium	7.5	OpenAI	$0.548	16.88s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.4% Instabile Tests 4 Eingabe-Token 33,967 Ausgabe-Token 2,901 Denk-Token 31,932 Antwortzeit (Durchschnitt) 16.88s Antwortzeit (Gesamt) 236.34s Antwortzeit (Maximum) 77.80s Anweisungen nicht befolgt: 3 Falsche Antwort: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 6.5 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 3.7 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.5 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#7#7	Gemini 3.5 Flashmedium	9.0	Google	$0.582	4.94s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 87.3% Instabile Tests 1 Eingabe-Token 36,936 Ausgabe-Token 2,001 Denk-Token 56,408 Antwortzeit (Durchschnitt) 4.94s Antwortzeit (Gesamt) 103.79s Antwortzeit (Maximum) 18.07s Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 7.9 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#29#29	Qwen3.5-122B-A10Bmedium	7.8	Qwen	$0.588 ↓	42.49s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.0% Instabile Tests 3 Eingabe-Token 41,832 Ausgabe-Token 26,187 Denk-Token 251,028 Antwortzeit (Durchschnitt) 42.49s Antwortzeit (Gesamt) 892.30s Antwortzeit (Maximum) 168.16s Falsche Antwort: 5 Zeitüberschreitung: 2 Anti-KI-Tricks : 10.0 Programmierung : 6.0 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
#65#65	Grok 4.20medium	7.1	X AI	$0.609 ↓	27.68s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.5% Instabile Tests 3 Eingabe-Token 44,433 Ausgabe-Token 1,819 Denk-Token 219,524 Antwortzeit (Durchschnitt) 27.68s Antwortzeit (Gesamt) 581.26s Antwortzeit (Maximum) 199.66s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#38#38	Grok 4.3medium	7.6	X AI	$0.614	47.51s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.4% Instabile Tests 4 Eingabe-Token 44,472 Ausgabe-Token 1,981 Denk-Token 221,382 Antwortzeit (Durchschnitt) 47.51s Antwortzeit (Gesamt) 997.68s Antwortzeit (Maximum) 216.69s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#1🥇 #1	Gemini 3 Flash Previewmedium	9.8	Google	$0.667	18.64s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 1 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 98.4% Instabile Tests 1 Eingabe-Token 37,017 Ausgabe-Token 2,006 Denk-Token 214,153 Antwortzeit (Durchschnitt) 18.64s Antwortzeit (Gesamt) 391.35s Antwortzeit (Maximum) 117.26s Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 10.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#11#11	Claude Opus 4.7medium	8.7	Anthropic	$0.679	4.73s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 82.5% Instabile Tests 1 Eingabe-Token 65,406 Ausgabe-Token 11,858 Denk-Token 2,198 Antwortzeit (Durchschnitt) 4.73s Antwortzeit (Gesamt) 94.51s Antwortzeit (Maximum) 23.18s Falsche Antwort: 3 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.3 Programmierung : 7.6 Kombiniert : 10.0 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
#80#80	Mimo V2 Omnimedium	6.7	Xiaomi	$0.683 ↓	41.16s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.6% Instabile Tests 3 Eingabe-Token 37,007 Ausgabe-Token 1,952 Denk-Token 357,306 Antwortzeit (Durchschnitt) 41.16s Antwortzeit (Gesamt) 823.26s Antwortzeit (Maximum) 299.23s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Keine Antwort: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 8.3 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#15#15	GPT-5.3-Codexmedium	8.4	OpenAI	$0.740	16.22s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 82.5% Instabile Tests 4 Eingabe-Token 34,299 Ausgabe-Token 2,357 Denk-Token 46,189 Antwortzeit (Durchschnitt) 16.22s Antwortzeit (Gesamt) 340.67s Antwortzeit (Maximum) 100.93s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.7 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 2.8
#13#13	Grok 4.20 Betamedium	8.5	X AI	$0.750 ↑	9.75s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 4 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 81.5% Instabile Tests 1 Eingabe-Token 35,955 Ausgabe-Token 1,647 Denk-Token 91,565 Antwortzeit (Durchschnitt) 9.75s Antwortzeit (Gesamt) 175.48s Antwortzeit (Maximum) 31.36s Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.7 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0
#60#60	Kimi K2.6medium	7.2	Moonshot AI	$0.891 ↓	71.67s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.1% Instabile Tests 3 Eingabe-Token 29,450 Ausgabe-Token 102,923 Denk-Token 254,094 Antwortzeit (Durchschnitt) 71.67s Antwortzeit (Gesamt) 1433.36s Antwortzeit (Maximum) 406.78s Zeitüberschreitung: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Anti-KI-Tricks : 7.0 Programmierung : 5.7 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
#6#6	GPT-5.5low	9.0	OpenAI	$0.907	9.76s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 85.7% Instabile Tests 0 Eingabe-Token 34,209 Ausgabe-Token 2,046 Denk-Token 22,460 Antwortzeit (Durchschnitt) 9.76s Antwortzeit (Gesamt) 204.92s Antwortzeit (Maximum) 56.19s Falsche Antwort: 3 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#47#47	Grok Build 0.1medium	7.4	X AI	$0.927	49.90s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 61.9% Instabile Tests 0 Eingabe-Token 44,418 Ausgabe-Token 2,782 Denk-Token 438,018 Antwortzeit (Durchschnitt) 49.90s Antwortzeit (Gesamt) 1047.92s Antwortzeit (Maximum) 252.69s Falsche Antwort: 5 Zusätzliche Formatierung: 3 Anti-KI-Tricks : 8.3 Programmierung : 5.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0

Schnellvergleich

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsNemotron 3 Ultra 550b A55bmediumKostenlos verfügbar Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashmedium

KI-Benchmark-Bestenliste

Modelle filtern

Schnellvergleich