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: 2026-10-17 Bewertete Modelle: 442

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

442/442

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#289#289	DeepSeek V4.1 Flashnone	5.8	DeepSeek	$0.391 ↑	16.63s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 36.2% Instabile Tests 3 Eingabe-Token 337,756 Ausgabe-Token 292,779 Denk-Token 0 Antwortzeit (Durchschnitt) 16.63s Antwortzeit (Gesamt) 382.53s Antwortzeit (Maximum) 247.66s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 7.4 Anti-KI-Tricks : 3.7 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#38#38	Claude Haiku 5.5xhigh	9.1	Anthropic	$0.140	16.58s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 81.2% Instabile Tests 2 Eingabe-Token 394,509 Ausgabe-Token 10,349 Denk-Token 188,919 Antwortzeit (Durchschnitt) 16.58s Antwortzeit (Gesamt) 381.40s Antwortzeit (Maximum) 92.74s Falsche Antwort: 2 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#187#187	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
#321#321	Hy3 previewmedium	5.3	Tencent	$0.049 ↕	16.28s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 0 Eingabe-Token 27,030 Ausgabe-Token 73,544 Denk-Token 0 Antwortzeit (Durchschnitt) 16.28s Antwortzeit (Gesamt) 293.12s Antwortzeit (Maximum) 46.04s API-Fehler: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 10.0 Programmierung : 5.3 Kombiniert : 5.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#40#40	Muse Wonderlow	9.1	Meta	$2.637	16.00s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 76.8% Instabile Tests 1 Eingabe-Token 244,997 Ausgabe-Token 11,148 Denk-Token 71,699 Antwortzeit (Durchschnitt) 16.00s Antwortzeit (Gesamt) 367.91s Antwortzeit (Maximum) 83.98s Falsche Antwort: 4 API-Fehler: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.9 Werkzeugaufrufe : 9.8 Allgemeinwissen : 3.0
#110#110	GPT-5.4 Nanomedium	8.0	OpenAI	$0.235 ↑	15.95s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 4 Eingabe-Token 237,088 Ausgabe-Token 8,235 Denk-Token 102,675 Antwortzeit (Durchschnitt) 15.95s Antwortzeit (Gesamt) 366.93s Antwortzeit (Maximum) 94.06s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 6.1 Kombiniert : 9.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 4.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#397#397	Nemotron 3.5 Lightningnone	3.8	NVIDIA	$0.009 ↕	15.92s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 20 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 15.9% Instabile Tests 2 Eingabe-Token 97,418 Ausgabe-Token 4,779 Denk-Token 0 Antwortzeit (Durchschnitt) 15.92s Antwortzeit (Gesamt) 366.20s Antwortzeit (Maximum) 339.57s Falsche Antwort: 16 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 4.8 Programmierung : 3.1 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#308#308	Ling 3.1 Flashnone	5.5	Inclusionai	$0.000	15.75s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 33.3% Instabile Tests 5 Eingabe-Token 286,758 Ausgabe-Token 85,777 Denk-Token 0 Antwortzeit (Durchschnitt) 15.75s Antwortzeit (Gesamt) 362.23s Antwortzeit (Maximum) 90.95s Falsche Antwort: 9 Anweisungen nicht befolgt: 5 Keine Antwort: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 3.6 Programmierung : 4.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 8.0 Rätsellösen : 7.7 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#12#12	GPT-6.1 Solhigh	9.6	OpenAI	$0.755	15.46s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 94.2% Instabile Tests 1 Eingabe-Token 174,960 Ausgabe-Token 5,780 Denk-Token 34,728 Antwortzeit (Durchschnitt) 15.46s Antwortzeit (Gesamt) 355.66s Antwortzeit (Maximum) 139.76s Falsche Antwort: 2 Agentenaufgaben : 10.0 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 : 4.7
#389#389	Qwen3.6 Plus Previewmedium	4.0	Qwen	$0.000	15.25s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 39.1% Instabile Tests 0 Eingabe-Token 32,639 Ausgabe-Token 1,153 Denk-Token 62,197 Antwortzeit (Durchschnitt) 15.25s Antwortzeit (Gesamt) 182.96s Antwortzeit (Maximum) 43.55s API-Fehler: 8 Falsche Antwort: 2 Agentenaufgaben : 0.0 Anti-KI-Tricks : 8.3 Programmierung : 1.0 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#331#331	KAT Coder AIR V2.5high	5.2	Kwaipilot	$0.077	15.23s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 40.6% Instabile Tests 5 Eingabe-Token 50,423 Ausgabe-Token 4,144 Denk-Token 110,510 Antwortzeit (Durchschnitt) 15.23s Antwortzeit (Gesamt) 350.26s Antwortzeit (Maximum) 118.35s Falsche Antwort: 9 API-Fehler: 4 Zusätzliche Formatierung: 3 Agentenaufgaben : 3.0 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
#227#227	GLM 5.3low	6.5	Z.ai	$0.215 ↓	15.18s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 5 Eingabe-Token 247,871 Ausgabe-Token 10,791 Denk-Token 17,315 Antwortzeit (Durchschnitt) 15.18s Antwortzeit (Gesamt) 349.06s Antwortzeit (Maximum) 83.60s Falsche Antwort: 8 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.2 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
#9#9	Gemini 3.7 Flashhigh	9.8	Google	$0.528	15.10s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 95.7% Instabile Tests 2 Eingabe-Token 233,400 Ausgabe-Token 6,922 Denk-Token 173,178 Antwortzeit (Durchschnitt) 15.10s Antwortzeit (Gesamt) 347.23s Antwortzeit (Maximum) 91.63s Falsche Antwort: 2 Agentenaufgaben : 10.0 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
#78#78	Claude Sonnet 5medium	8.5	Anthropic	$1.438	15.01s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.8% Instabile Tests 3 Eingabe-Token 353,658 Ausgabe-Token 54,891 Denk-Token 18,370 Antwortzeit (Durchschnitt) 15.01s Antwortzeit (Gesamt) 345.16s Antwortzeit (Maximum) 69.26s Falsche Antwort: 5 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 9.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#72#72	Claude Sonnet 5.5xhigh	8.6	Anthropic	$1.516	14.98s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 79.7% Instabile Tests 4 Eingabe-Token 342,579 Ausgabe-Token 12,848 Denk-Token 70,193 Antwortzeit (Durchschnitt) 14.98s Antwortzeit (Gesamt) 344.60s Antwortzeit (Maximum) 54.92s Falsche Antwort: 3 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#152#152	GLM 5.3 FlashXhigh	7.4	Z.ai	$0.210	14.94s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 5 Eingabe-Token 235,914 Ausgabe-Token 8,147 Denk-Token 89,581 Antwortzeit (Durchschnitt) 14.94s Antwortzeit (Gesamt) 343.65s Antwortzeit (Maximum) 91.16s Falsche Antwort: 8 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.2 Programmierung : 8.2 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#232#232	Qwen3.5-122B-A10Bnone	6.4	Qwen	$0.308 ↓	14.79s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.2% Instabile Tests 2 Eingabe-Token 405,921 Ausgabe-Token 97,112 Denk-Token 0 Antwortzeit (Durchschnitt) 14.79s Antwortzeit (Gesamt) 340.25s Antwortzeit (Maximum) 212.63s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 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
#394#394	Laguna M.1medium	3.9	Poolside	$0.033 ↕	14.73s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.5% Instabile Tests 2 Eingabe-Token 44,969 Ausgabe-Token 58,087 Denk-Token 0 Antwortzeit (Durchschnitt) 14.73s Antwortzeit (Gesamt) 220.93s Antwortzeit (Maximum) 53.14s API-Fehler: 4 Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 6.5 Programmierung : 1.5 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#286#286	Qwen3.7 Flashnone	5.9	Qwen	$0.028	14.70s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.2% Instabile Tests 3 Eingabe-Token 410,787 Ausgabe-Token 117,742 Denk-Token 0 Antwortzeit (Durchschnitt) 14.70s Antwortzeit (Gesamt) 338.13s Antwortzeit (Maximum) 186.24s Falsche Antwort: 14 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 3.0 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#20#20	GPT-5.6 Solmedium	9.5	OpenAI	$1.700	14.57s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 91.3% Instabile Tests 3 Eingabe-Token 191,341 Ausgabe-Token 5,665 Denk-Token 32,340 Antwortzeit (Durchschnitt) 14.57s Antwortzeit (Gesamt) 335.16s Antwortzeit (Maximum) 79.40s Falsche Antwort: 4 Agentenaufgaben : 10.0 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
#265#265	Gemini 3.5 Flashnone	6.1	Google	$1.752	14.13s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 4 Eingabe-Token 246,061 Ausgabe-Token 3,828 Denk-Token 149,767 Antwortzeit (Durchschnitt) 14.13s Antwortzeit (Gesamt) 268.55s Antwortzeit (Maximum) 85.26s API-Fehler: 4 Falsche Antwort: 4 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 10.0 Programmierung : 8.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 2.8
#105#105	Claude Opus 4.7medium	8.1	Anthropic	$3.636	14.12s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 81.2% Instabile Tests 2 Eingabe-Token 437,293 Ausgabe-Token 29,102 Denk-Token 28,876 Antwortzeit (Durchschnitt) 14.12s Antwortzeit (Gesamt) 310.55s Antwortzeit (Maximum) 150.60s Falsche Antwort: 3 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 5.2 Anti-KI-Tricks : 8.3 Programmierung : 7.6 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
#155#155	DeepSeek V4 Pro 0423none	7.4	DeepSeek	$0.083 ↓	14.05s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 49.3% Instabile Tests 4 Eingabe-Token 304,186 Ausgabe-Token 40,118 Denk-Token 5,886 Antwortzeit (Durchschnitt) 14.05s Antwortzeit (Gesamt) 323.17s Antwortzeit (Maximum) 119.44s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 3.2 Programmierung : 5.6 Kombiniert : 7.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#10#10	Gemini 3.6 Flashmedium	9.8	Google	$0.577 ↓	14.03s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 95.7% Instabile Tests 2 Eingabe-Token 188,003 Ausgabe-Token 2,914 Denk-Token 113,210 Antwortzeit (Durchschnitt) 14.03s Antwortzeit (Gesamt) 322.73s Antwortzeit (Maximum) 77.15s Falsche Antwort: 2 Agentenaufgaben : 10.0 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
#90#90	GPT-5.6 Terrahigh	8.3	OpenAI	$0.698 ↓	13.62s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 2 Eingabe-Token 197,239 Ausgabe-Token 6,083 Denk-Token 53,982 Antwortzeit (Durchschnitt) 13.62s Antwortzeit (Gesamt) 313.21s Antwortzeit (Maximum) 91.49s Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 7.6 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 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 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