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)
#146#146	GLM 5.3low	6.8	Z.ai	$0.257	13.65s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 4 Eingabe-Token 104,989 Ausgabe-Token 8,532 Denk-Token 16,276 Antwortzeit (Durchschnitt) 13.65s Antwortzeit (Gesamt) 300.22s Antwortzeit (Maximum) 83.60s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.9 Programmierung : 6.2 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#72#72	Gemini 3.5 Flash Litemedium	7.8	Google	$0.272	5.12s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 78.8% Instabile Tests 6 Eingabe-Token 103,916 Ausgabe-Token 8,892 Denk-Token 87,343 Antwortzeit (Durchschnitt) 5.12s Antwortzeit (Gesamt) 112.73s Antwortzeit (Maximum) 26.41s Falsche Antwort: 6 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 7.9 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 2.8
#70#70	Qwen3.7 Plusmedium	7.9	Qwen	$0.277 ↓	53.51s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.8% Instabile Tests 3 Eingabe-Token 115,242 Ausgabe-Token 6,163 Denk-Token 181,174 Antwortzeit (Durchschnitt) 53.51s Antwortzeit (Gesamt) 1177.25s Antwortzeit (Maximum) 315.30s Falsche Antwort: 5 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.1 Kombiniert : 8.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#197#197	GPT-5.6 Terranone	6.0	OpenAI	$0.280 ↓	1.66s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.4% Instabile Tests 3 Eingabe-Token 102,268 Ausgabe-Token 6,221 Denk-Token 0 Antwortzeit (Durchschnitt) 1.66s Antwortzeit (Gesamt) 36.54s Antwortzeit (Maximum) 10.07s Falsche Antwort: 11 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 8.5 Rätsellösen : 5.3 Werkzeugaufrufe : 9.6 Allgemeinwissen : 3.0
#218#218	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.283 ↑	12.93s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 33.3% Instabile Tests 2 Eingabe-Token 241,575 Ausgabe-Token 88,459 Denk-Token 0 Antwortzeit (Durchschnitt) 12.93s Antwortzeit (Gesamt) 284.39s Antwortzeit (Maximum) 212.63s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 3.7 Kombiniert : 5.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#48#48	Qwen3.8 27Bhigh	8.4	Qwen	~$0.287	167.89s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 77.3% Instabile Tests 2 Eingabe-Token 100,179 Ausgabe-Token 904 Denk-Token 655,731 Antwortzeit (Durchschnitt) 167.89s Antwortzeit (Gesamt) 3693.54s Antwortzeit (Maximum) 640.85s Anweisungen nicht befolgt: 2 Keine Antwort: 2 Falsche Antwort: 2 Anti-KI-Tricks : 10.0 Programmierung : 8.1 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#153#153	Gemini 3.5 Flashminimal	6.7	Google	$0.300	2.65s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.6% Instabile Tests 1 Eingabe-Token 100,762 Ausgabe-Token 16,454 Denk-Token 0 Antwortzeit (Durchschnitt) 2.65s Antwortzeit (Gesamt) 58.21s Antwortzeit (Maximum) 25.26s Falsche Antwort: 6 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#92#92	MiniMax M3medium	7.5	Minimax	$0.300	75.15s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 62.1% Instabile Tests 5 Eingabe-Token 121,996 Ausgabe-Token 90,051 Denk-Token 185,731 Antwortzeit (Durchschnitt) 75.15s Antwortzeit (Gesamt) 1578.24s Antwortzeit (Maximum) 431.03s Falsche Antwort: 4 Zeitüberschreitung: 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 : 3.2 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#8#8	Gemini 3.7 Flashmedium	9.4	Google	$0.309 ↑	5.87s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 93.9% Instabile Tests 1 Eingabe-Token 89,055 Ausgabe-Token 5,697 Denk-Token 58,880 Antwortzeit (Durchschnitt) 5.87s Antwortzeit (Gesamt) 129.20s Antwortzeit (Maximum) 30.23s Falsche Antwort: 2 Anti-KI-Tricks : 10.0 Programmierung : 8.4 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 : 10.0
#119#119	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 63.6% Instabile Tests 2 Eingabe-Token 42,106 Ausgabe-Token 2,280 Denk-Token 169,843 Antwortzeit (Durchschnitt) 46.97s Antwortzeit (Gesamt) 986.35s Antwortzeit (Maximum) 189.38s Falsche Antwort: 8 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.9 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#85#85	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.2% Instabile Tests 4 Eingabe-Token 35,593 Ausgabe-Token 12,245 Denk-Token 62,277 Antwortzeit (Durchschnitt) 23.00s Antwortzeit (Gesamt) 482.97s Antwortzeit (Maximum) 194.23s Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#284#284	MiniMax M2.5medium	4.6	Minimax	$0.327 ↑	69.08s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 9 Eingabe-Token 142,621 Ausgabe-Token 20,409 Denk-Token 251,820 Antwortzeit (Durchschnitt) 69.08s Antwortzeit (Gesamt) 1036.24s Antwortzeit (Maximum) 251.36s Falsche Antwort: 7 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 3 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.9 Programmierung : 3.4 Kombiniert : 3.7 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
#176#176	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 69.7% Instabile Tests 5 Eingabe-Token 40,961 Ausgabe-Token 2,518 Denk-Token 81,801 Antwortzeit (Durchschnitt) 22.16s Antwortzeit (Gesamt) 443.22s Antwortzeit (Maximum) 136.29s Falsche Antwort: 5 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.0 Kombiniert : 2.3 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#5#5	GPT-5.6 Sollow	9.5	OpenAI	$0.357 ↓	9.04s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 86.4% Instabile Tests 2 Eingabe-Token 78,580 Ausgabe-Token 4,476 Denk-Token 15,470 Antwortzeit (Durchschnitt) 9.04s Antwortzeit (Gesamt) 198.97s Antwortzeit (Maximum) 53.91s Falsche Antwort: 4 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
#64#64	Inklingmedium	8.0	Thinkingmachines	$0.383	15.66s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.8% Instabile Tests 4 Eingabe-Token 124,062 Ausgabe-Token 12,190 Denk-Token 51,652 Antwortzeit (Durchschnitt) 15.66s Antwortzeit (Gesamt) 344.52s Antwortzeit (Maximum) 85.12s Falsche Antwort: 4 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 8.4 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 2.8
#198#198	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 63.6% 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 : 1.5 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
#124#124	Step 3.7 Flashlow	7.1	Stepfun	$0.390	17.87s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 5 Eingabe-Token 103,842 Ausgabe-Token 320,393 Denk-Token 0 Antwortzeit (Durchschnitt) 17.87s Antwortzeit (Gesamt) 393.04s Antwortzeit (Maximum) 124.75s Falsche Antwort: 9 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 8.2 Kombiniert : 7.3 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#209#209	GPT-5.4none	5.8	OpenAI	$0.397	2.08s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 2 Eingabe-Token 108,641 Ausgabe-Token 8,339 Denk-Token 0 Antwortzeit (Durchschnitt) 2.08s Antwortzeit (Gesamt) 45.75s Antwortzeit (Maximum) 15.63s Falsche Antwort: 14 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.2 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#50#50	Inkling Smallhigh	8.4	Thinkingmachines	$0.398 ↓	30.43s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 2 Eingabe-Token 85,669 Ausgabe-Token 6,092 Denk-Token 292,801 Antwortzeit (Durchschnitt) 30.43s Antwortzeit (Gesamt) 669.38s Antwortzeit (Maximum) 122.60s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 9.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 4.8 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#110#110	KAT-Coder-Pro V2.5low	7.3	Kwaipilot	$0.400	20.20s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 8 Eingabe-Token 87,682 Ausgabe-Token 7,166 Denk-Token 106,027 Antwortzeit (Durchschnitt) 20.20s Antwortzeit (Gesamt) 444.35s Antwortzeit (Maximum) 209.15s Falsche Antwort: 10 API-Fehler: 1 Anti-KI-Tricks : 6.9 Programmierung : 7.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#109#109	GLM 5.3high	7.3	Z.ai	$0.403	27.82s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 74.2% Instabile Tests 7 Eingabe-Token 87,601 Ausgabe-Token 6,006 Denk-Token 57,661 Antwortzeit (Durchschnitt) 27.82s Antwortzeit (Gesamt) 612.06s Antwortzeit (Maximum) 159.91s Falsche Antwort: 6 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.6 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#152#152	LongCat 2.0low	6.7	Meituan	$0.412	113.61s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 54.6% Instabile Tests 4 Eingabe-Token 90,870 Ausgabe-Token 5,676 Denk-Token 314,918 Antwortzeit (Durchschnitt) 113.61s Antwortzeit (Gesamt) 2499.46s Antwortzeit (Maximum) 560.39s Falsche Antwort: 7 API-Fehler: 2 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#71#71	Qwen3.6 Plusmedium	7.8	Qwen	$0.418 ↑	45.52s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.2% Instabile Tests 2 Eingabe-Token 97,698 Ausgabe-Token 6,417 Denk-Token 191,215 Antwortzeit (Durchschnitt) 45.52s Antwortzeit (Gesamt) 955.94s Antwortzeit (Maximum) 291.55s Falsche Antwort: 5 API-Fehler: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.1 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#91#91	GPT-5.6 Terralow	7.5	OpenAI	$0.420 ↓	5.45s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 74.2% Instabile Tests 6 Eingabe-Token 80,304 Ausgabe-Token 4,714 Denk-Token 16,872 Antwortzeit (Durchschnitt) 5.45s Antwortzeit (Gesamt) 119.83s Antwortzeit (Maximum) 19.85s Falsche Antwort: 8 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.3 Programmierung : 6.6 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#4#4	Gemini 3.6 Flashmedium	9.8	Google	$0.427 ↓	11.86s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 95.5% Instabile Tests 2 Eingabe-Token 64,446 Ausgabe-Token 1,974 Denk-Token 98,902 Antwortzeit (Durchschnitt) 11.86s Antwortzeit (Gesamt) 260.96s Antwortzeit (Maximum) 77.15s Falsche Antwort: 2 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 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

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