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: 2026-10-17 Bewertete Modelle: 442

Empfohlene Modelle

GPT-6.1 Sol xhigh Intelligent Erfolgsquote pro Versuch 97.1% Korrekte Tests 22 / 23 Punktzahl 9.9/10 Gemini 3.7 Flash low Schnell Antwortzeit (Durchschnitt) 6.24s Gesamte Ausgabe-Token 38,453 Punktzahl 9.4/10 GPT-6 Luna high Preiswert Eingabepreis $0.100 / 1M Ausgabepreis $0.500 / 1M Preis für Cache-Lesen $0.010 / 1M Preis für Cache-Schreiben $0.125 / 1M Punktzahl 7.7/10

442/442

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#296#296	Seed 2.1 Turbonone	5.7	Bytedance Seed	$0.182	9.65s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 52.2% Instabile Tests 3 Eingabe-Token 298,242 Ausgabe-Token 13,105 Denk-Token 0 Antwortzeit (Durchschnitt) 9.65s Antwortzeit (Gesamt) 221.91s Antwortzeit (Maximum) 71.45s Falsche Antwort: 12 Keine Antwort: 1 Agentenaufgaben : 5.0 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
#277#277	MiMo-V2.6-Pronone	6.0	Xiaomi	$0.193	9.66s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.5% Instabile Tests 2 Eingabe-Token 278,866 Ausgabe-Token 82,069 Denk-Token 0 Antwortzeit (Durchschnitt) 9.66s Antwortzeit (Gesamt) 222.07s Antwortzeit (Maximum) 106.86s Falsche Antwort: 10 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.5 Programmierung : 5.6 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#276#276	GLM 5.3 FlashXlow	6.0	Z.ai	$0.157	9.69s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 9 Eingabe-Token 277,028 Ausgabe-Token 11,965 Denk-Token 31,238 Antwortzeit (Durchschnitt) 9.69s Antwortzeit (Gesamt) 222.83s Antwortzeit (Maximum) 77.99s Falsche Antwort: 10 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 8.2 Programmierung : 5.5 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#391#391	Grok 4.20 Multi Agent Betamedium	3.9	X AI	$5.599 ↑	9.69s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 46.4% Instabile Tests 5 Eingabe-Token 721,952 Ausgabe-Token 294,668 Denk-Token 305,374 Antwortzeit (Durchschnitt) 9.69s Antwortzeit (Gesamt) 155.07s Antwortzeit (Maximum) 35.28s Falsche Antwort: 4 API-Fehler: 2 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Agentenaufgaben : 0.0 Anti-KI-Tricks : 6.9 Programmierung : 3.3 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 0.0
#346#346	Grok 4.20 Betamedium	4.9	X AI	$0.750 ↑	9.75s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 4 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 63.8% 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 Agentenaufgaben : 0.0 Anti-KI-Tricks : 8.7 Programmierung : 3.3 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 0.0
#50#50	Claude Opus 5low	9.0	Anthropic	$2.350	9.87s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 84.1% Instabile Tests 1 Eingabe-Token 352,845 Ausgabe-Token 16,553 Denk-Token 7,007 Antwortzeit (Durchschnitt) 9.87s Antwortzeit (Gesamt) 226.95s Antwortzeit (Maximum) 73.15s Falsche Antwort: 4 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 7.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#372#372	Owl Alphadefault	4.6	Openrouter	$0.000	9.88s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 33.3% Instabile Tests 1 Eingabe-Token 42,283 Ausgabe-Token 5,913 Denk-Token 0 Antwortzeit (Durchschnitt) 9.88s Antwortzeit (Gesamt) 207.38s Antwortzeit (Maximum) 47.10s Falsche Antwort: 10 Anweisungen nicht befolgt: 3 Zusätzliche Formatierung: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 3.4 Programmierung : 5.6 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 6.4 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#352#352	MiMo-V2.5none	4.9	Xiaomi	$0.049 ↓	9.88s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 26.1% Instabile Tests 2 Eingabe-Token 276,608 Ausgabe-Token 17,693 Denk-Token 16,267 Antwortzeit (Durchschnitt) 9.88s Antwortzeit (Gesamt) 227.24s Antwortzeit (Maximum) 124.23s Falsche Antwort: 14 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#21#21	GPT-6 Astramedium	9.5	OpenAI	$2.707	9.90s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 3 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 91.3% Instabile Tests 2 Eingabe-Token 165,464 Ausgabe-Token 5,591 Denk-Token 15,454 Antwortzeit (Durchschnitt) 9.90s Antwortzeit (Gesamt) 227.67s Antwortzeit (Maximum) 73.48s Falsche Antwort: 3 Agentenaufgaben : 10.0 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 : 2.8
#165#165	Qwen3.5-27Bnone	7.2	Qwen	$0.116	9.98s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.8% Instabile Tests 2 Eingabe-Token 283,977 Ausgabe-Token 36,422 Denk-Token 0 Antwortzeit (Durchschnitt) 9.98s Antwortzeit (Gesamt) 229.52s Antwortzeit (Maximum) 124.53s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Agentenaufgaben : 10.0 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
#373#373	Ling 2.6 Flashdefault	4.5	Inclusionai	$0.002 ↑	10.21s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 29.0% Instabile Tests 2 Eingabe-Token 114,384 Ausgabe-Token 14,903 Denk-Token 0 Antwortzeit (Durchschnitt) 10.21s Antwortzeit (Gesamt) 214.31s Antwortzeit (Maximum) 36.03s Falsche Antwort: 9 API-Fehler: 3 Ungültiger Werkzeugaufruf: 3 Anweisungen nicht befolgt: 2 Agentenaufgaben : 3.0 Anti-KI-Tricks : 6.8 Programmierung : 5.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 2.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#345#345	KAT Coder AIR V2.5low	5.0	Kwaipilot	$0.046	10.21s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 42.0% Instabile Tests 6 Eingabe-Token 61,094 Ausgabe-Token 6,532 Denk-Token 53,882 Antwortzeit (Durchschnitt) 10.21s Antwortzeit (Gesamt) 234.86s Antwortzeit (Maximum) 86.23s Falsche Antwort: 7 Zusätzliche Formatierung: 4 API-Fehler: 3 Anweisungen nicht befolgt: 2 Agentenaufgaben : 3.0 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
#392#392	Hunter Alphamedium	3.9	OpenRouter	$0.000	10.33s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 50.7% Instabile Tests 6 Eingabe-Token 28,927 Ausgabe-Token 4,682 Denk-Token 17,969 Antwortzeit (Durchschnitt) 10.33s Antwortzeit (Gesamt) 175.58s Antwortzeit (Maximum) 30.53s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 7.3 Programmierung : 1.0 Kombiniert : 2.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 7.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#91#91	Claude Haiku 5.5high	8.3	Anthropic	$0.088	10.41s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.8% Instabile Tests 4 Eingabe-Token 346,451 Ausgabe-Token 10,136 Denk-Token 95,504 Antwortzeit (Durchschnitt) 10.41s Antwortzeit (Gesamt) 239.38s Antwortzeit (Maximum) 52.61s Falsche Antwort: 4 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 6.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#311#311	Gemma 4 26B A4Bnone	5.5	Google	$0.031	10.55s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.0% Instabile Tests 1 Eingabe-Token 280,126 Ausgabe-Token 17,306 Denk-Token 0 Antwortzeit (Durchschnitt) 10.55s Antwortzeit (Gesamt) 242.57s Antwortzeit (Maximum) 75.76s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 8.3 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 6.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#175#175	Claude Opus 5none	7.1	Anthropic	$2.766	10.78s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.1% Instabile Tests 1 Eingabe-Token 396,120 Ausgabe-Token 31,386 Denk-Token 0 Antwortzeit (Durchschnitt) 10.78s Antwortzeit (Gesamt) 247.96s Antwortzeit (Maximum) 79.61s Falsche Antwort: 7 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.4 Anti-KI-Tricks : 5.5 Programmierung : 5.9 Kombiniert : 8.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#73#73	Claude Sonnet 5.5high	8.6	Anthropic	$1.175	10.79s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 81.2% Instabile Tests 5 Eingabe-Token 345,687 Ausgabe-Token 13,550 Denk-Token 34,743 Antwortzeit (Durchschnitt) 10.79s Antwortzeit (Gesamt) 248.22s Antwortzeit (Maximum) 51.53s Falsche Antwort: 5 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 8.2 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#234#234	Beam 1.0 501B A23Bmax	6.4	Reflection	$0.799	11.10s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.5% Instabile Tests 2 Eingabe-Token 199,105 Ausgabe-Token 4,274 Denk-Token 195,495 Antwortzeit (Durchschnitt) 11.10s Antwortzeit (Gesamt) 255.26s Antwortzeit (Maximum) 54.48s Falsche Antwort: 6 API-Fehler: 3 Anweisungen nicht befolgt: 2 Agentenaufgaben : 3.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.4 Rätsellösen : 7.8 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#228#228	GLM 5.1none	6.5	Z.ai	$0.451 ↑	11.10s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.8% Instabile Tests 5 Eingabe-Token 258,956 Ausgabe-Token 20,076 Denk-Token 0 Antwortzeit (Durchschnitt) 11.10s Antwortzeit (Gesamt) 255.39s Antwortzeit (Maximum) 107.19s Falsche Antwort: 12 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 4.0 Programmierung : 3.9 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#13#13	GPT-5.6 Sollow	9.6	OpenAI	$1.244	11.13s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 87.0% Instabile Tests 2 Eingabe-Token 191,653 Ausgabe-Token 5,473 Denk-Token 17,084 Antwortzeit (Durchschnitt) 11.13s Antwortzeit (Gesamt) 256.08s Antwortzeit (Maximum) 57.11s Falsche Antwort: 4 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#215#215	GLM 5.2none	6.6	Z.ai	$0.250 ↑	11.27s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 3 Eingabe-Token 247,919 Ausgabe-Token 17,685 Denk-Token 0 Antwortzeit (Durchschnitt) 11.27s Antwortzeit (Gesamt) 259.32s Antwortzeit (Maximum) 79.65s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 8.3 Programmierung : 3.7 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#264#264	Claude Fable 5.1low	6.2	Anthropic	$3.395	11.40s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.1% Instabile Tests 3 Eingabe-Token 209,116 Ausgabe-Token 10,031 Denk-Token 16,042 Antwortzeit (Durchschnitt) 11.40s Antwortzeit (Gesamt) 262.14s Antwortzeit (Maximum) 34.77s Zusätzliche Formatierung: 4 Falsche Antwort: 4 Anweisungen nicht befolgt: 3 API-Fehler: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 6.5 Programmierung : 3.4 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#119#119	Gemini 3.5 Flashmedium	7.9	Google	$1.316	11.78s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 81.2% Instabile Tests 2 Eingabe-Token 296,760 Ausgabe-Token 4,371 Denk-Token 92,284 Antwortzeit (Durchschnitt) 11.78s Antwortzeit (Gesamt) 271.03s Antwortzeit (Maximum) 84.47s Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 10.0 Programmierung : 7.9 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#64#64	Muse Spark 1.2low	8.7	Meta	$0.881	11.81s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 78.3% Instabile Tests 3 Eingabe-Token 254,914 Ausgabe-Token 10,303 Denk-Token 121,928 Antwortzeit (Durchschnitt) 11.81s Antwortzeit (Gesamt) 271.60s Antwortzeit (Maximum) 56.77s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 Agentenaufgaben : 10.0 Anti-KI-Tricks : 9.2 Programmierung : 8.4 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#213#213	GLM 5.3 Flashlow	6.6	Z.ai	$0.038	11.82s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 58.0% Instabile Tests 4 Eingabe-Token 255,173 Ausgabe-Token 9,891 Denk-Token 17,277 Antwortzeit (Durchschnitt) 11.82s Antwortzeit (Gesamt) 271.92s Antwortzeit (Maximum) 90.45s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.7 Programmierung : 5.4 Kombiniert : 3.8 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.8 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 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow