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: 2026-09-04 Bewertete Modelle: 316

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

316/316

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#314#314	Nemotron 3 Nano Omni 30b A3b Reasoningnone	3.2	NVIDIA	$0.000	728ms
Modellkarte anzeigen Gesamttests 19 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 15.2% Instabile Tests 2 Eingabe-Token 11,661 Ausgabe-Token 1,302 Denk-Token 0 Antwortzeit (Durchschnitt) 728ms Antwortzeit (Gesamt) 9.47s Antwortzeit (Maximum) 2.21s Falsche Antwort: 9 API-Fehler: 6 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 3.3 Kombiniert : 1.5 Datenanalyse und -extraktion : 3.8 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 4.8 Rätsellösen : 3.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#315#315	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
#4#4	GPT-6 Astrahigh	9.9	OpenAI	$3.474	18.65s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 1 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 97.0% Instabile Tests 1 Eingabe-Token 79,290 Ausgabe-Token 4,847 Denk-Token 48,775 Antwortzeit (Durchschnitt) 18.65s Antwortzeit (Gesamt) 410.28s Antwortzeit (Maximum) 254.93s Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#5#5	GPT-6 Astraxhigh	9.9	OpenAI	$5.156	28.44s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 1 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 97.0% Instabile Tests 1 Eingabe-Token 79,662 Ausgabe-Token 5,055 Denk-Token 82,128 Antwortzeit (Durchschnitt) 28.44s Antwortzeit (Gesamt) 625.68s Antwortzeit (Maximum) 381.11s Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#9#9	GPT-6 Astralow	9.5	OpenAI	$1.289	5.09s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 2 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 90.9% Instabile Tests 0 Eingabe-Token 78,100 Ausgabe-Token 4,155 Denk-Token 5,989 Antwortzeit (Durchschnitt) 5.09s Antwortzeit (Gesamt) 112.04s Antwortzeit (Maximum) 28.60s Falsche Antwort: 2 Anti-KI-Tricks : 10.0 Programmierung : 10.0 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 : 3.0
#14#14	GPT-6 Astramedium	9.4	OpenAI	$1.774	8.08s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 3 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 90.9% Instabile Tests 2 Eingabe-Token 79,264 Ausgabe-Token 4,789 Denk-Token 14,838 Antwortzeit (Durchschnitt) 8.08s Antwortzeit (Gesamt) 177.70s Antwortzeit (Maximum) 73.48s Falsche Antwort: 3 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 : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 2.8
#41#41	Muse Spark 1.2high	8.7	Meta	$1.771	26.59s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 74.2% Instabile Tests 5 Eingabe-Token 117,037 Ausgabe-Token 6,983 Denk-Token 375,104 Antwortzeit (Durchschnitt) 26.59s Antwortzeit (Gesamt) 584.89s Antwortzeit (Maximum) 192.00s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.1 Programmierung : 10.0 Kombiniert : 8.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#63#63	Muse Glimmer 30Bxhigh	8.1	Meta	$0.471 ↓	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
#106#106	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
#149#149	Solar Pro 4medium	6.8	Upstage	$0.047	127.64s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 62.1% Instabile Tests 4 Eingabe-Token 87,902 Ausgabe-Token 30,743 Denk-Token 335,668 Antwortzeit (Durchschnitt) 127.64s Antwortzeit (Gesamt) 2808.09s Antwortzeit (Maximum) 519.91s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.2 Programmierung : 5.5 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 9.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#157#157	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
#174#174	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
#232#232	Nemotron 3.5 Lightninghigh	5.6	NVIDIA	$0.134 ↕	58.26s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 50.0% Instabile Tests 12 Eingabe-Token 118,016 Ausgabe-Token 148,344 Denk-Token 506,253 Antwortzeit (Durchschnitt) 58.26s Antwortzeit (Gesamt) 1281.79s Antwortzeit (Maximum) 285.26s Falsche Antwort: 11 Anweisungen nicht befolgt: 4 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 5.5 Programmierung : 4.4 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.7 Befolgung von Anweisungen : 8.5 Rätsellösen : 3.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#240#240	KAT-Coder-Air V2.5low	5.4	Kwaipilot	$0.046	10.63s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 43.9% Instabile Tests 6 Eingabe-Token 61,094 Ausgabe-Token 6,532 Denk-Token 53,882 Antwortzeit (Durchschnitt) 10.63s Antwortzeit (Gesamt) 233.77s Antwortzeit (Maximum) 86.23s Falsche Antwort: 7 Zusätzliche Formatierung: 4 API-Fehler: 2 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 7.3 Programmierung : 3.5 Kombiniert : 6.4 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#255#255	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
#93#93	Nemotron 3 Ultramedium	7.6	NVIDIA	$0.701 ↕	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
#179#179	Ling-3.0-flashhigh	6.4	Inclusionai	$0.021 ↕	13.70s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 63.6% Instabile Tests 4 Eingabe-Token 132,044 Ausgabe-Token 92,135 Denk-Token 207,321 Antwortzeit (Durchschnitt) 13.70s Antwortzeit (Gesamt) 287.75s Antwortzeit (Maximum) 75.27s Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 2 API-Fehler: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.7 Kombiniert : 2.9 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#225#225	KAT-Coder-Air V2.5high	5.6	Kwaipilot	$0.077	15.87s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 42.4% Instabile Tests 5 Eingabe-Token 50,423 Ausgabe-Token 4,144 Denk-Token 110,510 Antwortzeit (Durchschnitt) 15.87s Antwortzeit (Gesamt) 349.16s Antwortzeit (Maximum) 118.35s Falsche Antwort: 9 API-Fehler: 3 Zusätzliche Formatierung: 3 Anti-KI-Tricks : 6.9 Programmierung : 4.3 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#275#275	Nemotron 3.5 Lightninglow	4.8	NVIDIA	$0.140 ↕	59.81s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 42.4% Instabile Tests 9 Eingabe-Token 138,792 Ausgabe-Token 142,972 Denk-Token 522,202 Antwortzeit (Durchschnitt) 59.81s Antwortzeit (Gesamt) 1315.80s Antwortzeit (Maximum) 312.21s Falsche Antwort: 14 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.9 Programmierung : 4.0 Kombiniert : 6.3 Datenanalyse und -extraktion : 2.9 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.7 Befolgung von Anweisungen : 8.4 Rätsellösen : 3.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#292#292	Laguna M.1none	4.4	Poolside	$0.009 ↕	2.89s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 15 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 27.3% Instabile Tests 3 Eingabe-Token 38,147 Ausgabe-Token 2,054 Denk-Token 0 Antwortzeit (Durchschnitt) 2.89s Antwortzeit (Gesamt) 43.28s Antwortzeit (Maximum) 15.42s Falsche Antwort: 10 API-Fehler: 4 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.4 Programmierung : 2.5 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#302#302	Ling 3.0 Tinynone	4.0	Inclusionai	$0.000	14.02s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 20 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 9.1% Instabile Tests 0 Eingabe-Token 184,579 Ausgabe-Token 110,071 Denk-Token 0 Antwortzeit (Durchschnitt) 14.02s Antwortzeit (Gesamt) 294.46s Antwortzeit (Maximum) 240.61s Falsche Antwort: 13 Anweisungen nicht befolgt: 4 API-Fehler: 1 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 4.2 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 3.1 Rätsellösen : 3.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#97#97	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
#53#53	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
#81#81	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
#124#124	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

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 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium