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: 2026-10-01 Bewertete Modelle: 382

Empfohlene Modelle

GPT-6.1 Sol xhigh Intelligent Erfolgsquote pro Versuch 97.1% Korrekte Tests 22 / 23 Punktzahl 9.9/10 Gemini 3.7 Flash low Schnell Antwortzeit (Durchschnitt) 6.24s Gesamte Ausgabe-Token 38,453 Punktzahl 9.4/10 GPT-6 Luna high Preiswert Eingabepreis $0.100 / 1M Ausgabepreis $0.500 / 1M Preis für Cache-Lesen $0.010 / 1M Preis für Cache-Schreiben $0.125 / 1M Punktzahl 7.7/10

382/382

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#182#182	GPT 5.3 Chatnone	6.7	OpenAI	$0.533	6.31s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.3% Instabile Tests 4 Eingabe-Token 78,846 Ausgabe-Token 28,179 Denk-Token 0 Antwortzeit (Durchschnitt) 6.31s Antwortzeit (Gesamt) 138.73s Antwortzeit (Maximum) 18.33s Falsche Antwort: 6 API-Fehler: 2 Anweisungen nicht befolgt: 2 Agentenaufgaben : 3.0 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
#181#181	Ember-1max	6.7	Fireworks	$3.264	97.34s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 8.3 Erfolgsquote pro Versuch 59.4% Instabile Tests 6 Eingabe-Token 153,399 Ausgabe-Token 7,803 Denk-Token 179,098 Antwortzeit (Durchschnitt) 97.34s Antwortzeit (Gesamt) 2238.73s Antwortzeit (Maximum) 587.08s API-Fehler: 8 Falsche Antwort: 3 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.7 Programmierung : 5.2 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.4 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.2 Rätsellösen : 7.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#180#180	MiniMax M3medium	6.7	Minimax	$0.422 ↑	77.03s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 59.4% Instabile Tests 5 Eingabe-Token 166,517 Ausgabe-Token 107,386 Denk-Token 217,548 Antwortzeit (Durchschnitt) 77.03s Antwortzeit (Gesamt) 1694.74s Antwortzeit (Maximum) 431.03s Falsche Antwort: 5 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Agentenaufgaben : 3.0 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
#179#179	Grok 4.7high	6.7	X AI	$3.037	122.19s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 72.5% Instabile Tests 7 Eingabe-Token 329,276 Ausgabe-Token 8,172 Denk-Token 479,012 Antwortzeit (Durchschnitt) 122.19s Antwortzeit (Gesamt) 2810.40s Antwortzeit (Maximum) 573.57s Keine Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Falsche Antwort: 2 API-Fehler: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.7 Programmierung : 6.0 Kombiniert : 8.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 8.4 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#178#178	Solar Pro 4low	6.7	Upstage	$0.101 ↑	145.21s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 7 Eingabe-Token 384,974 Ausgabe-Token 13,946 Denk-Token 371,916 Antwortzeit (Durchschnitt) 145.21s Antwortzeit (Gesamt) 3339.87s Antwortzeit (Maximum) 640.89s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 8.2 Programmierung : 5.5 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.0 Rätsellösen : 9.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#177#177	Qwen3.5-Flashnone	6.7	Qwen	$0.089	26.52s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 37.7% Instabile Tests 2 Eingabe-Token 463,872 Ausgabe-Token 219,122 Denk-Token 0 Antwortzeit (Durchschnitt) 26.52s Antwortzeit (Gesamt) 609.94s Antwortzeit (Maximum) 480.96s Falsche Antwort: 14 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#176#176	Grok Build 0.1medium	6.7	X AI	$1.419	55.13s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 58.0% Instabile Tests 1 Eingabe-Token 358,616 Ausgabe-Token 9,651 Denk-Token 520,155 Antwortzeit (Durchschnitt) 55.13s Antwortzeit (Gesamt) 1268.10s Antwortzeit (Maximum) 252.69s Falsche Antwort: 6 Zusätzliche Formatierung: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.4 Anti-KI-Tricks : 8.3 Programmierung : 5.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#175#175	Grok 4.7xhigh	6.7	X AI	$3.398	123.96s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 73.9% Instabile Tests 6 Eingabe-Token 310,049 Ausgabe-Token 6,094 Denk-Token 566,221 Antwortzeit (Durchschnitt) 123.96s Antwortzeit (Gesamt) 2851.07s Antwortzeit (Maximum) 775.64s Keine Antwort: 4 Falsche Antwort: 3 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.7 Programmierung : 5.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#174#174	Solar Pro 4xhigh	6.7	Upstage	$0.067	142.76s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 58.0% Instabile Tests 2 Eingabe-Token 150,033 Ausgabe-Token 22,347 Denk-Token 402,143 Antwortzeit (Durchschnitt) 142.76s Antwortzeit (Gesamt) 3283.43s Antwortzeit (Maximum) 491.42s Falsche Antwort: 5 Anweisungen nicht befolgt: 3 Keine Antwort: 2 Zusätzliche Formatierung: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.3 Programmierung : 5.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.4 Rätsellösen : 8.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#173#173	Space Bunny Alphamax	6.7	Stealth	$0.000	36.24s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.4% Instabile Tests 5 Eingabe-Token 315,136 Ausgabe-Token 219,014 Denk-Token 0 Antwortzeit (Durchschnitt) 36.24s Antwortzeit (Gesamt) 833.43s Antwortzeit (Maximum) 320.00s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 Agentenaufgaben : 6.1 Anti-KI-Tricks : 6.4 Programmierung : 5.7 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 5.9 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#172#172	GPT-6 Solnone	6.8	OpenAI	$0.551	9.02s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 4 Eingabe-Token 235,086 Ausgabe-Token 7,989 Denk-Token 0 Antwortzeit (Durchschnitt) 9.02s Antwortzeit (Gesamt) 207.45s Antwortzeit (Maximum) 57.02s Falsche Antwort: 10 Agentenaufgaben : 5.0 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 : 10.0 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#171#171	Mercury 2.5 Previewmedium	6.8	Inception	$0.039 ↑	6.66s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 1 Eingabe-Token 397,291 Ausgabe-Token 6,355 Denk-Token 143,752 Antwortzeit (Durchschnitt) 6.66s Antwortzeit (Gesamt) 153.29s Antwortzeit (Maximum) 74.63s Falsche Antwort: 4 API-Fehler: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 10.0 Programmierung : 7.8 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#170#170	Inklinglow	6.8	Thinkingmachines	$0.298 ↓	6.81s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.5% Instabile Tests 4 Eingabe-Token 213,901 Ausgabe-Token 9,623 Denk-Token 12,414 Antwortzeit (Durchschnitt) 6.81s Antwortzeit (Gesamt) 156.70s Antwortzeit (Maximum) 44.24s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Agentenaufgaben : 10.0 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
#169#169	Qwen3.5-Flashmedium	6.8	Qwen	$0.184	83.68s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 6 Eingabe-Token 349,177 Ausgabe-Token 54,279 Denk-Token 477,389 Antwortzeit (Durchschnitt) 83.68s Antwortzeit (Gesamt) 1840.92s Antwortzeit (Maximum) 515.38s Falsche Antwort: 5 Zeitüberschreitung: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 3.7 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#168#168	Kimi K2.6medium	6.8	Moonshot AI	$0.729 ↓	121.25s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 4 Eingabe-Token 226,880 Ausgabe-Token 65,346 Denk-Token 331,325 Antwortzeit (Durchschnitt) 121.25s Antwortzeit (Gesamt) 2667.55s Antwortzeit (Maximum) 876.20s Falsche Antwort: 4 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 7.0 Programmierung : 5.7 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#167#167	Claude Opus 4.8none	6.9	Anthropic	$2.334	7.54s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 2 Eingabe-Token 345,059 Ausgabe-Token 24,343 Denk-Token 0 Antwortzeit (Durchschnitt) 7.54s Antwortzeit (Gesamt) 173.31s Antwortzeit (Maximum) 65.07s Falsche Antwort: 5 Zusätzliche Formatierung: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 9.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#166#166	Claude Sonnet 5.5low	6.9	Anthropic	$0.909	7.46s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 46.4% Instabile Tests 2 Eingabe-Token 291,853 Ausgabe-Token 24,116 Denk-Token 8,327 Antwortzeit (Durchschnitt) 7.46s Antwortzeit (Gesamt) 171.47s Antwortzeit (Maximum) 46.61s Zusätzliche Formatierung: 5 Anweisungen nicht befolgt: 5 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Falsche Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.5 Programmierung : 3.2 Kombiniert : 7.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#165#165	GPT-5.6 Lunalow	6.9	OpenAI	$0.049 ↓	6.96s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.5% Instabile Tests 5 Eingabe-Token 202,680 Ausgabe-Token 9,230 Denk-Token 18,771 Antwortzeit (Durchschnitt) 6.96s Antwortzeit (Gesamt) 160.19s Antwortzeit (Maximum) 45.74s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 8.5 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#164#164	Gemma 4 31Bmedium	6.9	Google	$0.144 ↓	78.76s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 3 Eingabe-Token 251,164 Ausgabe-Token 36,112 Denk-Token 241,203 Antwortzeit (Durchschnitt) 78.76s Antwortzeit (Gesamt) 1653.96s Antwortzeit (Maximum) 437.40s Falsche Antwort: 4 API-Fehler: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 4.3 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#163#163	Ember-1high	6.9	Fireworks	$2.405	58.14s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 8.6 Erfolgsquote pro Versuch 71.0% Instabile Tests 8 Eingabe-Token 195,489 Ausgabe-Token 12,475 Denk-Token 108,748 Antwortzeit (Durchschnitt) 58.14s Antwortzeit (Gesamt) 1337.19s Antwortzeit (Maximum) 255.06s API-Fehler: 7 Falsche Antwort: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 8.7 Programmierung : 8.2 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.1 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#162#162	Gemini 3.1 Flash Litemedium	6.9	Google	$0.153	6.27s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.4% Instabile Tests 2 Eingabe-Token 228,023 Ausgabe-Token 10,779 Denk-Token 53,188 Antwortzeit (Durchschnitt) 6.27s Antwortzeit (Gesamt) 144.10s Antwortzeit (Maximum) 47.78s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 9.1 Programmierung : 5.5 Kombiniert : 7.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#161#161	Muse Glimmer 30Blow	6.9	Meta	$0.266	22.40s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 6 Eingabe-Token 307,228 Ausgabe-Token 36,044 Denk-Token 71,621 Antwortzeit (Durchschnitt) 22.40s Antwortzeit (Gesamt) 515.14s Antwortzeit (Maximum) 234.92s Falsche Antwort: 6 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 1 Agentenaufgaben : 6.1 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
#160#160	Gemini 3 Flash Previewlow	6.9	Google	$0.254	8.51s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 72.5% Instabile Tests 2 Eingabe-Token 251,677 Ausgabe-Token 11,196 Denk-Token 31,204 Antwortzeit (Durchschnitt) 8.51s Antwortzeit (Gesamt) 195.76s Antwortzeit (Maximum) 52.64s Falsche Antwort: 7 Agentenaufgaben : 5.0 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
#159#159	Grok 4.6low	6.9	X AI	$0.781	16.44s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 1 Eingabe-Token 263,427 Ausgabe-Token 6,006 Denk-Token 36,309 Antwortzeit (Durchschnitt) 16.44s Antwortzeit (Gesamt) 378.14s Antwortzeit (Maximum) 57.97s Falsche Antwort: 8 Agentenaufgaben : 5.0 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
#158#158	Qwen3.5-122B-A10Bmedium	7.0	Qwen	$1.152 ↓	66.96s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 5 Eingabe-Token 251,695 Ausgabe-Token 49,415 Denk-Token 472,775 Antwortzeit (Durchschnitt) 66.96s Antwortzeit (Gesamt) 1539.99s Antwortzeit (Maximum) 519.30s Falsche Antwort: 5 Ungültiger Werkzeugaufruf: 2 Zeitüberschreitung: 2 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 6.0 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 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 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow