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: 2026-09-02 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)
#132#132	Grok 4.20medium	7.0	X AI	$0.805 ↓	32.56s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.6% Instabile Tests 5 Eingabe-Token 102,986 Ausgabe-Token 5,860 Denk-Token 264,399 Antwortzeit (Durchschnitt) 32.56s Antwortzeit (Gesamt) 716.36s Antwortzeit (Maximum) 199.66s Falsche Antwort: 6 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.3 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#76#76	Qwen3.8 27Bmedium	7.8	Qwen	~$0.058	33.05s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 66.7% Instabile Tests 1 Eingabe-Token 98,266 Ausgabe-Token 1,861 Denk-Token 134,301 Antwortzeit (Durchschnitt) 33.05s Antwortzeit (Gesamt) 694.04s Antwortzeit (Maximum) 214.63s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 8.7 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.3 Werkzeugaufrufe : 3.0 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
#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
#233#233	DeepSeek V4 Flash 0423none	5.4	DeepSeek	$0.037 ↓	36.17s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.3% Instabile Tests 4 Eingabe-Token 240,230 Ausgabe-Token 100,726 Denk-Token 0 Antwortzeit (Durchschnitt) 36.17s Antwortzeit (Gesamt) 795.83s Antwortzeit (Maximum) 247.27s Falsche Antwort: 13 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.0 Programmierung : 4.2 Kombiniert : 4.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.595	37.19s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 1 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 98.5% Instabile Tests 1 Eingabe-Token 84,593 Ausgabe-Token 10,517 Denk-Token 397,671 Antwortzeit (Durchschnitt) 37.19s Antwortzeit (Gesamt) 818.19s Antwortzeit (Maximum) 177.08s Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 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
#120#120	Qwen3.7 Flashlow	7.2	Qwen	$0.043	38.05s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 6 Eingabe-Token 92,191 Ausgabe-Token 14,286 Denk-Token 289,733 Antwortzeit (Durchschnitt) 38.05s Antwortzeit (Gesamt) 837.05s Antwortzeit (Maximum) 394.54s Falsche Antwort: 7 Anweisungen nicht befolgt: 3 API-Fehler: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.7 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 8.5 Rätsellösen : 7.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#22#22	GPT-5.5medium	9.0	OpenAI	$4.163	38.97s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 87.9% Instabile Tests 3 Eingabe-Token 80,668 Ausgabe-Token 5,617 Denk-Token 119,699 Antwortzeit (Durchschnitt) 38.97s Antwortzeit (Gesamt) 857.43s 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
#310#310	Step 3.5 Flashnone	2.3	Stepfun	$0.020	39.03s
Modellkarte anzeigen Gesamttests 12 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.3% Instabile Tests 0 Eingabe-Token 1,971 Ausgabe-Token 64,795 Denk-Token 0 Antwortzeit (Durchschnitt) 39.03s Antwortzeit (Gesamt) 312.26s Antwortzeit (Maximum) 114.12s API-Fehler: 4 Anweisungen nicht befolgt: 1 Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 9.8 Kombiniert : 1.5 Datenanalyse und -extraktion : 1.5 Domänenspezifisch : 3.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 5.0 Rätsellösen : 0.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#69#69	Qwen3.8 27Blow	7.9	Qwen	~$0.071	39.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 0 Eingabe-Token 99,705 Ausgabe-Token 1,545 Denk-Token 167,784 Antwortzeit (Durchschnitt) 39.11s Antwortzeit (Gesamt) 860.51s Antwortzeit (Maximum) 376.04s Falsche Antwort: 4 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 7.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#268#268	Hy4 previewnone	4.8	Tencent	$0.041	39.24s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 4.3 Erfolgsquote pro Versuch 16.7% Instabile Tests 1 Eingabe-Token 26,376 Ausgabe-Token 7,306 Denk-Token 0 Antwortzeit (Durchschnitt) 39.24s Antwortzeit (Gesamt) 863.30s Antwortzeit (Maximum) 95.32s Falsche Antwort: 9 API-Fehler: 7 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 3.3 Programmierung : 3.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 8.7 Domänenspezifisch : 6.8 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 7.0 Rätsellösen : 4.6 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#280#280	Cobuddymedium	4.7	Baidu	$0.000	39.90s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 6 Eingabe-Token 37,449 Ausgabe-Token 1,677 Denk-Token 116,703 Antwortzeit (Durchschnitt) 39.90s Antwortzeit (Gesamt) 797.98s Antwortzeit (Maximum) 309.02s Falsche Antwort: 9 Anweisungen nicht befolgt: 3 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.7 Programmierung : 3.7 Kombiniert : 1.5 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#204#204	Mimo V2 Omnimedium	5.9	Xiaomi	$0.683 ↓	41.16s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.0% Instabile Tests 3 Eingabe-Token 37,007 Ausgabe-Token 1,952 Denk-Token 357,306 Antwortzeit (Durchschnitt) 41.16s Antwortzeit (Gesamt) 823.26s Antwortzeit (Maximum) 299.23s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Keine Antwort: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.3 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 8.3 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#79#79	Qwen3.7 Flashhigh	7.8	Qwen	$0.052	41.37s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.2% Instabile Tests 6 Eingabe-Token 116,331 Ausgabe-Token 12,330 Denk-Token 357,920 Antwortzeit (Durchschnitt) 41.37s Antwortzeit (Gesamt) 910.11s Antwortzeit (Maximum) 431.47s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#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
#25#25	Muse Spark 1.3low	9.0	Meta	$0.633	43.67s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 5 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 83.3% Instabile Tests 3 Eingabe-Token 104,966 Ausgabe-Token 10,208 Denk-Token 107,707 Antwortzeit (Durchschnitt) 43.67s Antwortzeit (Gesamt) 960.70s Antwortzeit (Maximum) 190.38s Falsche Antwort: 3 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#126#126	Grok 4.3medium	7.0	X AI	$0.741	44.21s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 5 Eingabe-Token 140,244 Ausgabe-Token 13,739 Denk-Token 212,165 Antwortzeit (Durchschnitt) 44.21s Antwortzeit (Gesamt) 972.64s Antwortzeit (Maximum) 216.69s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#19#19	Qwen3.7 Maxmedium	9.1	Qwen	$1.157 ↓	44.32s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 86.4% Instabile Tests 3 Eingabe-Token 106,029 Ausgabe-Token 5,748 Denk-Token 220,354 Antwortzeit (Durchschnitt) 44.32s Antwortzeit (Gesamt) 975.11s Antwortzeit (Maximum) 556.06s Falsche Antwort: 4 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#140#140	Qwen3.6 Flashmedium	6.8	Qwen	$0.741 ↓	44.97s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 5 Eingabe-Token 129,050 Ausgabe-Token 20,026 Denk-Token 616,923 Antwortzeit (Durchschnitt) 44.97s Antwortzeit (Gesamt) 989.32s Antwortzeit (Maximum) 578.13s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.0 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 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
#249#249	Granite 4.2 8Bmedium	5.2	IBM Granite	$0.009	45.97s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 8.7 Erfolgsquote pro Versuch 34.9% Instabile Tests 1 Eingabe-Token 52,909 Ausgabe-Token 7,058 Denk-Token 12,272 Antwortzeit (Durchschnitt) 45.97s Antwortzeit (Gesamt) 1011.42s Antwortzeit (Maximum) 557.96s Falsche Antwort: 9 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.4 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 3.8 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#173#173	MiMo-V2.5medium	6.4	Xiaomi	$0.104 ↓	46.28s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 7 Eingabe-Token 105,456 Ausgabe-Token 7,108 Denk-Token 319,940 Antwortzeit (Durchschnitt) 46.28s Antwortzeit (Gesamt) 1018.12s Antwortzeit (Maximum) 316.27s Falsche Antwort: 5 Zusätzliche Formatierung: 2 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 8.7 Datenanalyse und -extraktion : 2.7 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#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
#137#137	Qwen3.7 Flashmedium	6.9	Qwen	$0.065	47.38s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 7 Eingabe-Token 114,477 Ausgabe-Token 12,786 Denk-Token 457,290 Antwortzeit (Durchschnitt) 47.38s Antwortzeit (Gesamt) 1042.43s Antwortzeit (Maximum) 593.64s Falsche Antwort: 8 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 5.8 Rätsellösen : 7.1 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

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