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)
#248#248	Inklingnone	5.2	Thinkingmachines	$0.147	3.47s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 28.8% Instabile Tests 1 Eingabe-Token 104,120 Ausgabe-Token 10,554 Denk-Token 0 Antwortzeit (Durchschnitt) 3.47s Antwortzeit (Gesamt) 76.28s Antwortzeit (Maximum) 48.02s Falsche Antwort: 13 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 4.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.6 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#243#243	Seed-2.0-Codenone	5.3	Bytedance Seed	$0.151	14.67s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 8.6 Erfolgsquote pro Versuch 36.4% Instabile Tests 5 Eingabe-Token 159,749 Ausgabe-Token 23,433 Denk-Token 0 Antwortzeit (Durchschnitt) 14.67s Antwortzeit (Gesamt) 322.71s Antwortzeit (Maximum) 132.84s Falsche Antwort: 11 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Anti-KI-Tricks : 3.0 Programmierung : 3.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.2 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#123#123	Muse Glimmer 30Blow	7.1	Meta	$0.152 ↓	18.64s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 5 Eingabe-Token 130,312 Ausgabe-Token 33,867 Denk-Token 62,103 Antwortzeit (Durchschnitt) 18.64s Antwortzeit (Gesamt) 410.18s Antwortzeit (Maximum) 234.92s Falsche Antwort: 6 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 8.1 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 8.4 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#150#150	GLM 5.2none	6.7	Z.ai	$0.153 ↓	9.65s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 2 Eingabe-Token 112,458 Ausgabe-Token 14,344 Denk-Token 0 Antwortzeit (Durchschnitt) 9.65s Antwortzeit (Gesamt) 212.38s Antwortzeit (Maximum) 79.65s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 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
#250#250	Nemotron 3.5 Lightningmedium	5.1	NVIDIA	$0.156 ↕	70.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 48.5% Instabile Tests 11 Eingabe-Token 126,330 Ausgabe-Token 165,702 Denk-Token 594,739 Antwortzeit (Durchschnitt) 70.11s Antwortzeit (Gesamt) 1542.52s Antwortzeit (Maximum) 437.11s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.9 Programmierung : 4.4 Kombiniert : 6.2 Datenanalyse und -extraktion : 3.7 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.5 Rätsellösen : 4.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#216#216	GLM 5.1none	5.7	Z.ai	$0.164 ↓	6.74s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 5 Eingabe-Token 124,219 Ausgabe-Token 14,393 Denk-Token 0 Antwortzeit (Durchschnitt) 6.74s Antwortzeit (Gesamt) 148.20s Antwortzeit (Maximum) 61.20s Falsche Antwort: 12 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 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
#289#289	GLM 4.7 Flashmedium	4.3	Z.ai	$0.168	134.34s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 8.6 Erfolgsquote pro Versuch 31.8% Instabile Tests 8 Eingabe-Token 79,104 Ausgabe-Token 42,254 Denk-Token 377,280 Antwortzeit (Durchschnitt) 134.34s Antwortzeit (Gesamt) 2015.13s Antwortzeit (Maximum) 1539.97s Falsche Antwort: 9 Keine Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Zeitüberschreitung: 2 Anti-KI-Tricks : 4.7 Programmierung : 3.2 Kombiniert : 2.9 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 3.6 Befolgung von Anweisungen : 6.2 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#86#86	GPT-5.6 Lunahigh	7.6	OpenAI	$0.179 ↓	16.49s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 4 Eingabe-Token 80,927 Ausgabe-Token 5,088 Denk-Token 130,227 Antwortzeit (Durchschnitt) 16.49s Antwortzeit (Gesamt) 362.78s Antwortzeit (Maximum) 111.09s Falsche Antwort: 8 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#107#107	Gemini 3 Flash Previewlow	7.4	Google	$0.185	6.51s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.8% Instabile Tests 2 Eingabe-Token 123,687 Ausgabe-Token 9,572 Denk-Token 31,204 Antwortzeit (Durchschnitt) 6.51s Antwortzeit (Gesamt) 143.12s Antwortzeit (Maximum) 17.13s Falsche Antwort: 6 Anti-KI-Tricks : 10.0 Programmierung : 5.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#188#188	Inklinglow	6.1	Thinkingmachines	$0.187	5.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 54.6% Instabile Tests 4 Eingabe-Token 109,893 Ausgabe-Token 8,580 Denk-Token 10,324 Antwortzeit (Durchschnitt) 5.11s Antwortzeit (Gesamt) 112.46s Antwortzeit (Maximum) 41.58s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 8.3 Programmierung : 5.1 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.4 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#101#101	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.56s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 68.2% Instabile Tests 0 Eingabe-Token 95,992 Ausgabe-Token 12,446 Denk-Token 0 Antwortzeit (Durchschnitt) 4.56s Antwortzeit (Gesamt) 100.30s Antwortzeit (Maximum) 72.30s Falsche Antwort: 7 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 6.5 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
#127#127	GPT-5.6 Solnone	7.0	OpenAI	$0.201 ↓	2.17s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 3 Eingabe-Token 78,602 Ausgabe-Token 4,357 Denk-Token 0 Antwortzeit (Durchschnitt) 2.17s Antwortzeit (Gesamt) 47.66s Antwortzeit (Maximum) 12.81s Falsche Antwort: 9 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 8.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#14#14	Gemini 3.7 Flashlow	9.2	Google	$0.207 ↑	3.85s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 95.5% Instabile Tests 2 Eingabe-Token 90,322 Ausgabe-Token 6,294 Denk-Token 30,759 Antwortzeit (Durchschnitt) 3.85s Antwortzeit (Gesamt) 84.80s Antwortzeit (Maximum) 19.44s Falsche Antwort: 2 Anti-KI-Tricks : 10.0 Programmierung : 7.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 8.2 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#259#259	MiniMax M2.7medium	5.0	Minimax	$0.208	43.25s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 9 Eingabe-Token 114,527 Ausgabe-Token 18,558 Denk-Token 129,146 Antwortzeit (Durchschnitt) 43.25s Antwortzeit (Gesamt) 908.21s Antwortzeit (Maximum) 196.21s Falsche Antwort: 6 Anweisungen nicht befolgt: 5 Keine Antwort: 2 Zeitüberschreitung: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.9 Programmierung : 5.7 Kombiniert : 3.8 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 3.8 Rätsellösen : 5.9 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#147#147	MiMo-V2.5-Promedium	6.8	Xiaomi	$0.221 ↓	48.68s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 6 Eingabe-Token 139,892 Ausgabe-Token 15,569 Denk-Token 169,897 Antwortzeit (Durchschnitt) 48.68s Antwortzeit (Gesamt) 1071.02s Antwortzeit (Maximum) 333.34s Zusätzliche Formatierung: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 6.9 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#73#73	GLM 5.2medium	7.8	Z.ai	$0.224 ↓	23.28s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 6 Zuverlässigkeit 9.5 Erfolgsquote pro Versuch 80.3% Instabile Tests 4 Eingabe-Token 37,199 Ausgabe-Token 12,261 Denk-Token 49,500 Antwortzeit (Durchschnitt) 23.28s Antwortzeit (Gesamt) 488.94s Antwortzeit (Maximum) 101.36s Falsche Antwort: 3 Keine Antwort: 2 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#145#145	DeepSeek V4 Pronone	6.8	DeepSeek	$0.226 ↑	11.71s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.0% Instabile Tests 4 Eingabe-Token 148,078 Ausgabe-Token 35,547 Denk-Token 0 Antwortzeit (Durchschnitt) 11.71s Antwortzeit (Gesamt) 257.67s Antwortzeit (Maximum) 119.44s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.2 Programmierung : 5.6 Kombiniert : 7.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#121#121	Muse Glimmer 30Bmedium	7.2	Meta	$0.227 ↓	30.64s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 6 Eingabe-Token 116,513 Ausgabe-Token 33,065 Denk-Token 135,009 Antwortzeit (Durchschnitt) 30.64s Antwortzeit (Gesamt) 674.01s Antwortzeit (Maximum) 181.08s Falsche Antwort: 9 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 9.2 Programmierung : 8.4 Kombiniert : 6.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#80#80	GLM 5medium	7.7	Z.ai	$0.228 ↓	33.54s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 78.8% Instabile Tests 4 Eingabe-Token 35,224 Ausgabe-Token 21,570 Denk-Token 102,996 Antwortzeit (Durchschnitt) 33.54s Antwortzeit (Gesamt) 435.99s Antwortzeit (Maximum) 99.85s Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 5.0 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#169#169	Qwen3.6 Max Previewnone	6.4	Qwen	$0.228 ↓	7.82s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 56.1% Instabile Tests 2 Eingabe-Token 106,348 Ausgabe-Token 19,257 Denk-Token 0 Antwortzeit (Durchschnitt) 7.82s Antwortzeit (Gesamt) 172.04s Antwortzeit (Maximum) 102.62s Falsche Antwort: 11 Anti-KI-Tricks : 5.2 Programmierung : 3.8 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#217#217	Kimi K2.6none	5.7	Moonshot AI	$0.233 ↑	19.57s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.3% Instabile Tests 2 Eingabe-Token 116,983 Ausgabe-Token 30,249 Denk-Token 0 Antwortzeit (Durchschnitt) 19.57s Antwortzeit (Gesamt) 430.58s Antwortzeit (Maximum) 238.89s Falsche Antwort: 12 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Anti-KI-Tricks : 4.6 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#77#77	Seed-2.0-Litemedium	7.8	Bytedance Seed	$0.236	47.94s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 4 Eingabe-Token 129,906 Ausgabe-Token 12,530 Denk-Token 88,766 Antwortzeit (Durchschnitt) 47.94s Antwortzeit (Gesamt) 1054.57s Antwortzeit (Maximum) 254.92s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 8.0 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 6.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#99#99	Gemini 3.8 Flashlow	7.5	Google	$0.239	4.83s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 81.8% Instabile Tests 4 Eingabe-Token 111,773 Ausgabe-Token 8,035 Denk-Token 33,289 Antwortzeit (Durchschnitt) 4.83s Antwortzeit (Gesamt) 106.18s Antwortzeit (Maximum) 35.14s Falsche Antwort: 5 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.4 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.8 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#57#57	GPT-5 Minimedium	8.1	OpenAI	$0.241	27.64s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 4 Eingabe-Token 98,383 Ausgabe-Token 14,409 Denk-Token 93,610 Antwortzeit (Durchschnitt) 27.64s Antwortzeit (Gesamt) 608.02s Antwortzeit (Maximum) 111.48s Falsche Antwort: 5 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 7.1 Programmierung : 10.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#33#33	Gemini 3.6 Flashlow	8.7	Google	$0.251 ↓	4.92s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 89.4% Instabile Tests 3 Eingabe-Token 85,886 Ausgabe-Token 5,489 Denk-Token 44,232 Antwortzeit (Durchschnitt) 4.92s Antwortzeit (Gesamt) 108.28s Antwortzeit (Maximum) 30.83s Falsche Antwort: 4 Anti-KI-Tricks : 8.7 Programmierung : 7.8 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0

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