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)
#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
#9#9	GPT-5.5medium	8.8	OpenAI	$3.679	37.98s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 87.3% Instabile Tests 3 Eingabe-Token 34,212 Ausgabe-Token 1,985 Denk-Token 114,925 Antwortzeit (Durchschnitt) 37.98s Antwortzeit (Gesamt) 797.60s Antwortzeit (Maximum) 332.10s Falsche Antwort: 4 Anti-KI-Tricks : 10.0 Programmierung : 8.8 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 : 2.8
#10#10	Claude Opus 4.8medium	8.7	Anthropic	$1.107	9.66s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 84.1% Instabile Tests 1 Eingabe-Token 61,007 Ausgabe-Token 26,495 Denk-Token 5,901 Antwortzeit (Durchschnitt) 9.66s Antwortzeit (Gesamt) 202.89s Antwortzeit (Maximum) 38.03s Falsche Antwort: 3 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 9.8 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#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
#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
#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
#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
#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
#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
#4#4	Gemini 3.1 Pro Previewmedium	9.4	Google	$1.054	20.14s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 90.5% Instabile Tests 0 Eingabe-Token 41,617 Ausgabe-Token 1,977 Denk-Token 78,896 Antwortzeit (Durchschnitt) 20.14s Antwortzeit (Gesamt) 281.92s Antwortzeit (Maximum) 88.68s Falsche Antwort: 2 Anti-KI-Tricks : 10.0 Programmierung : 7.9 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 : 10.0
#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
#2🥈 #2	Gemini 3.5 Flashhigh	9.6	Google	$1.115	8.84s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 1 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 96.8% Instabile Tests 1 Eingabe-Token 37,594 Ausgabe-Token 1,975 Denk-Token 115,638 Antwortzeit (Durchschnitt) 8.84s Antwortzeit (Gesamt) 185.57s Antwortzeit (Maximum) 34.82s Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 9.8 Allgemeinwissen : 10.0

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