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)
#118#118	Muse Glimmer 30Bhigh	7.2	Meta	$0.430 ↓	66.70s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 8 Eingabe-Token 103,494 Ausgabe-Token 100,589 Denk-Token 270,217 Antwortzeit (Durchschnitt) 66.70s Antwortzeit (Gesamt) 1467.39s Antwortzeit (Maximum) 451.90s Falsche Antwort: 7 Anweisungen nicht befolgt: 3 Keine Antwort: 2 Anti-KI-Tricks : 8.7 Programmierung : 8.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 8.4 Rätsellösen : 6.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#10#10	GPT-5.6 Solhigh	9.4	OpenAI	$0.446 ↓	11.48s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 89.4% Instabile Tests 3 Eingabe-Token 79,258 Ausgabe-Token 4,855 Denk-Token 23,853 Antwortzeit (Durchschnitt) 11.48s Antwortzeit (Gesamt) 252.62s Antwortzeit (Maximum) 54.79s Falsche Antwort: 4 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 : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 4.7
#106#106	Grok 4.6low	7.4	X AI	$0.449	14.55s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 1 Eingabe-Token 109,960 Ausgabe-Token 5,124 Denk-Token 32,924 Antwortzeit (Durchschnitt) 14.55s Antwortzeit (Gesamt) 320.17s Antwortzeit (Maximum) 26.46s Falsche Antwort: 7 Anti-KI-Tricks : 10.0 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#28#28	Gemini 3.5 Flashlow	8.8	Google	$0.449	5.76s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 84.9% Instabile Tests 2 Eingabe-Token 87,826 Ausgabe-Token 2,239 Denk-Token 32,956 Antwortzeit (Durchschnitt) 5.76s Antwortzeit (Gesamt) 126.71s Antwortzeit (Maximum) 53.55s Falsche Antwort: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 7.8 Kombiniert : 8.2 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
#154#154	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 6 Eingabe-Token 44,615 Ausgabe-Token 2,347 Denk-Token 98,415 Antwortzeit (Durchschnitt) 23.08s Antwortzeit (Gesamt) 484.63s Antwortzeit (Maximum) 95.88s Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 7.2 Programmierung : 6.0 Kombiniert : 3.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 7.0 Allgemeinwissen : 3.0
#94#94	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.459 ↓	91.76s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 72.7% Instabile Tests 5 Eingabe-Token 113,569 Ausgabe-Token 9,823 Denk-Token 264,886 Antwortzeit (Durchschnitt) 91.76s Antwortzeit (Gesamt) 1376.42s Antwortzeit (Maximum) 304.85s Falsche Antwort: 4 Zeitüberschreitung: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.6 Kombiniert : 6.9 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
#135#135	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.478	24.87s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 8 Eingabe-Token 87,916 Ausgabe-Token 7,213 Denk-Token 132,162 Antwortzeit (Durchschnitt) 24.87s Antwortzeit (Gesamt) 547.14s Antwortzeit (Maximum) 257.00s Falsche Antwort: 9 API-Fehler: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.2 Programmierung : 7.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#134#134	Kimi K2.5medium	7.0	Moonshot AI	$0.479 ↓	98.19s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 8 Eingabe-Token 118,496 Ausgabe-Token 53,522 Denk-Token 167,420 Antwortzeit (Durchschnitt) 98.19s Antwortzeit (Gesamt) 1571.05s Antwortzeit (Maximum) 281.00s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.3 Programmierung : 6.1 Kombiniert : 6.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#151#151	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.487	26.01s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.2% Instabile Tests 8 Eingabe-Token 98,508 Ausgabe-Token 139,572 Denk-Token 0 Antwortzeit (Durchschnitt) 26.01s Antwortzeit (Gesamt) 572.22s Antwortzeit (Maximum) 335.41s Falsche Antwort: 10 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.7 Programmierung : 6.1 Kombiniert : 4.1 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#83#83	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.489 ↑	92.50s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 6 Eingabe-Token 90,757 Ausgabe-Token 22,928 Denk-Token 186,516 Antwortzeit (Durchschnitt) 92.50s Antwortzeit (Gesamt) 2035.01s Antwortzeit (Maximum) 416.76s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 5.7 Programmierung : 6.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.8 Rätsellösen : 6.9 Werkzeugaufrufe : 9.8 Allgemeinwissen : 3.0
#155#155	LongCat 2.0high	6.7	Meituan	$0.492	153.29s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 51.5% Instabile Tests 4 Eingabe-Token 93,411 Ausgabe-Token 30,470 Denk-Token 356,172 Antwortzeit (Durchschnitt) 153.29s Antwortzeit (Gesamt) 3372.36s Antwortzeit (Maximum) 941.66s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Zeitüberschreitung: 2 Anti-KI-Tricks : 8.9 Programmierung : 7.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 3.6 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#68#68	Step 3.7 Flashmedium	7.9	Stepfun	$0.495	23.51s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 3 Eingabe-Token 114,191 Ausgabe-Token 409,709 Denk-Token 0 Antwortzeit (Durchschnitt) 23.51s Antwortzeit (Gesamt) 517.21s Antwortzeit (Maximum) 152.83s Falsche Antwort: 6 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 8.8 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#104#104	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 2 Eingabe-Token 97,324 Ausgabe-Token 44,383 Denk-Token 346,490 Antwortzeit (Durchschnitt) 143.55s Antwortzeit (Gesamt) 3158.11s Antwortzeit (Maximum) 939.52s Falsche Antwort: 7 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#156#156	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 72.7% 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 : 3.3 Kombiniert : 4.8 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
#117#117	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.506	22.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 6 Eingabe-Token 106,085 Ausgabe-Token 9,071 Denk-Token 135,288 Antwortzeit (Durchschnitt) 22.11s Antwortzeit (Gesamt) 486.31s Antwortzeit (Maximum) 199.97s Falsche Antwort: 10 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.0 Programmierung : 6.4 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#9#9	GPT-5.6 Solmedium	9.4	OpenAI	$0.508 ↓	12.63s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 90.9% Instabile Tests 3 Eingabe-Token 79,006 Ausgabe-Token 4,696 Denk-Token 30,281 Antwortzeit (Durchschnitt) 12.63s Antwortzeit (Gesamt) 277.88s Antwortzeit (Maximum) 79.40s Falsche Antwort: 4 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 : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 4.7
#58#58	Muse Glimmer 30Bxhigh	8.1	Meta	$0.510 ↓	95.55s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 69.7% Instabile Tests 4 Eingabe-Token 110,930 Ausgabe-Token 116,373 Denk-Token 330,471 Antwortzeit (Durchschnitt) 95.55s Antwortzeit (Gesamt) 2102.12s Antwortzeit (Maximum) 576.79s Falsche Antwort: 4 Keine Antwort: 3 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 6.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.4 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#74#74	GPT-5.6 Terramedium	7.8	OpenAI	$0.523 ↓	6.85s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 2 Eingabe-Token 79,184 Ausgabe-Token 4,878 Denk-Token 25,471 Antwortzeit (Durchschnitt) 6.85s Antwortzeit (Gesamt) 150.65s Antwortzeit (Maximum) 41.68s Falsche Antwort: 8 Anti-KI-Tricks : 8.3 Programmierung : 6.1 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#93#93	GPT 5.3 Chatnone	7.5	OpenAI	$0.533	6.56s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 4 Eingabe-Token 78,846 Ausgabe-Token 28,179 Denk-Token 0 Antwortzeit (Durchschnitt) 6.56s Antwortzeit (Gesamt) 137.77s Antwortzeit (Maximum) 18.33s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 API-Fehler: 1 Anti-KI-Tricks : 6.7 Programmierung : 5.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#30#30	Gemini 3.5 Flash Litehigh	8.8	Google	$0.540	10.05s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 83.3% Instabile Tests 2 Eingabe-Token 93,046 Ausgabe-Token 5,884 Denk-Token 198,741 Antwortzeit (Durchschnitt) 10.05s Antwortzeit (Gesamt) 221.06s Antwortzeit (Maximum) 36.22s Falsche Antwort: 5 Anti-KI-Tricks : 10.0 Programmierung : 8.4 Kombiniert : 9.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#130#130	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 2 Eingabe-Token 79,294 Ausgabe-Token 4,915 Denk-Token 0 Antwortzeit (Durchschnitt) 2.35s Antwortzeit (Gesamt) 51.78s Antwortzeit (Maximum) 12.24s Falsche Antwort: 10 Anti-KI-Tricks : 6.9 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.2 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#300#300	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 4 Eingabe-Token 11,793 Ausgabe-Token 267,275 Denk-Token 0 Antwortzeit (Durchschnitt) 28.69s Antwortzeit (Gesamt) 459.00s Antwortzeit (Maximum) 138.35s Falsche Antwort: 7 API-Fehler: 3 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.7 Programmierung : 3.3 Kombiniert : 1.5 Datenanalyse und -extraktion : 3.8 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.4 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#181#181	Claude Sonnet 5none	6.1	Anthropic	$0.548	6.05s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.9% Instabile Tests 4 Eingabe-Token 161,032 Ausgabe-Token 22,508 Denk-Token 0 Antwortzeit (Durchschnitt) 6.05s Antwortzeit (Gesamt) 132.99s Antwortzeit (Maximum) 33.39s Falsche Antwort: 8 Zusätzliche Formatierung: 4 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 5.3 Programmierung : 4.6 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 6.4 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#88#88	Nemotron 3 Ultramedium	7.6	NVIDIA	$0.567 ↕	33.62s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 66.7% Instabile Tests 3 Eingabe-Token 233,415 Ausgabe-Token 54,384 Denk-Token 130,021 Antwortzeit (Durchschnitt) 33.62s Antwortzeit (Gesamt) 739.59s Antwortzeit (Maximum) 392.56s Falsche Antwort: 7 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.4 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#272#272	Trinity Large Thinkinghigh	4.8	Arcee AI	$0.592 ↓	75.86s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.4% Instabile Tests 8 Eingabe-Token 101,776 Ausgabe-Token 276,367 Denk-Token 656,252 Antwortzeit (Durchschnitt) 75.86s Antwortzeit (Gesamt) 1668.93s Antwortzeit (Maximum) 510.21s Falsche Antwort: 10 Anweisungen nicht befolgt: 4 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 1 Anti-KI-Tricks : 6.7 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 6.3 Rätsellösen : 4.7 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 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