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)
#103#103	DeepSeek V4 Prohigh	6.0	DeepSeek	$0.079 ↓	65.21s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 9.0 Erfolgsquote pro Versuch 52.4% Instabile Tests 6 Eingabe-Token 32,240 Ausgabe-Token 12,250 Denk-Token 72,257 Antwortzeit (Durchschnitt) 65.21s Antwortzeit (Gesamt) 1304.19s Antwortzeit (Maximum) 358.35s API-Fehler: 5 Falsche Antwort: 4 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.4 Programmierung : 3.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.9 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
#12#12	Gemini 3.1 Flash Lite Previewhigh	8.6	Google	$2.310	68.14s
Modellkarte anzeigen Gesamttests 16 Falsche Tests 3 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 81.3% Instabile Tests 0 Eingabe-Token 28,980 Ausgabe-Token 1,283 Denk-Token 1,533,310 Antwortzeit (Durchschnitt) 68.14s Antwortzeit (Gesamt) 1090.28s Antwortzeit (Maximum) 280.52s Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#67#67	MiniMax M3medium	7.1	Minimax	$0.131	68.17s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 65.1% Instabile Tests 5 Eingabe-Token 46,546 Ausgabe-Token 49,036 Denk-Token 92,543 Antwortzeit (Durchschnitt) 68.17s Antwortzeit (Gesamt) 1363.38s 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
#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
#72#72	DeepSeek V3.2medium	7.0	DeepSeek	$0.044 ↓	68.71s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.1% Instabile Tests 6 Eingabe-Token 38,333 Ausgabe-Token 7,186 Denk-Token 99,081 Antwortzeit (Durchschnitt) 68.71s Antwortzeit (Gesamt) 1442.81s Antwortzeit (Maximum) 376.10s Falsche Antwort: 5 API-Fehler: 2 Zeitüberschreitung: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.0 Kombiniert : 10.0 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
#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
#62#62	Step 3.5 Flashmedium	7.2	Stepfun	$0.070 ↑	72.53s
Modellkarte anzeigen Gesamttests 20 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.7% Instabile Tests 1 Eingabe-Token 34,431 Ausgabe-Token 91,587 Denk-Token 195,973 Antwortzeit (Durchschnitt) 72.53s Antwortzeit (Gesamt) 1015.47s Antwortzeit (Maximum) 453.94s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.3 Rätsellösen : 5.3 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
#25#25	Qwen3.5 Plus 2026-02-15medium	7.9	Qwen	$0.310 ↓	73.79s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.0% Instabile Tests 3 Eingabe-Token 40,918 Ausgabe-Token 2,159 Denk-Token 189,604 Antwortzeit (Durchschnitt) 73.79s Antwortzeit (Gesamt) 1033.07s Antwortzeit (Maximum) 266.69s Falsche Antwort: 4 Zeitüberschreitung: 2 API-Fehler: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#73#73	Seed-2.0-Minimedium	6.9	Bytedance Seed	$0.044	80.22s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 6.7 Erfolgsquote pro Versuch 57.1% Instabile Tests 2 Eingabe-Token 41,904 Ausgabe-Token 2,555 Denk-Token 95,974 Antwortzeit (Durchschnitt) 80.22s Antwortzeit (Gesamt) 1363.72s Antwortzeit (Maximum) 262.83s Zeitüberschreitung: 5 Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.6 Programmierung : 5.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#161#161	Qwen3.5-9Bmedium	4.2	Qwen	$0.035 ↓	82.24s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 18 Zuverlässigkeit 6.7 Erfolgsquote pro Versuch 27.0% Instabile Tests 5 Eingabe-Token 17,070 Ausgabe-Token 29,045 Denk-Token 209,516 Antwortzeit (Durchschnitt) 82.24s Antwortzeit (Gesamt) 1315.88s Antwortzeit (Maximum) 226.38s Zeitüberschreitung: 11 Keine Antwort: 2 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
#76#76	Kimi K2.5medium	6.8	Moonshot AI	$0.328 ↓	98.43s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.3% Instabile Tests 8 Eingabe-Token 34,312 Ausgabe-Token 48,379 Denk-Token 157,747 Antwortzeit (Durchschnitt) 98.43s Antwortzeit (Gesamt) 1378.03s Antwortzeit (Maximum) 281.00s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Zeitüberschreitung: 2 Anti-KI-Tricks : 7.3 Programmierung : 6.1 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 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