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)
#236#236	GPT-5.6 Lunanone	5.4	OpenAI	$0.029 ↓	1.50s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.4% Instabile Tests 3 Eingabe-Token 101,332 Ausgabe-Token 6,709 Denk-Token 0 Antwortzeit (Durchschnitt) 1.50s Antwortzeit (Gesamt) 33.05s Antwortzeit (Maximum) 10.57s Falsche Antwort: 14 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 3.8 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 7.1 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#243#243	Seed-2.0-Codenone	5.3	Bytedance Seed	$0.151	14.67s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 8.6 Erfolgsquote pro Versuch 36.4% Instabile Tests 5 Eingabe-Token 159,749 Ausgabe-Token 23,433 Denk-Token 0 Antwortzeit (Durchschnitt) 14.67s Antwortzeit (Gesamt) 322.71s Antwortzeit (Maximum) 132.84s Falsche Antwort: 11 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Anti-KI-Tricks : 3.0 Programmierung : 3.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.2 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#248#248	Inklingnone	5.2	Thinkingmachines	$0.147	3.47s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 28.8% Instabile Tests 1 Eingabe-Token 104,120 Ausgabe-Token 10,554 Denk-Token 0 Antwortzeit (Durchschnitt) 3.47s Antwortzeit (Gesamt) 76.28s Antwortzeit (Maximum) 48.02s Falsche Antwort: 13 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 4.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.6 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#260#260	Mercury 2.5 Previewlow	5.0	Inception	$0.011	1.31s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.0% Instabile Tests 8 Eingabe-Token 133,525 Ausgabe-Token 7,259 Denk-Token 24,716 Antwortzeit (Durchschnitt) 1.31s Antwortzeit (Gesamt) 28.77s Antwortzeit (Maximum) 7.29s Falsche Antwort: 12 Anweisungen nicht befolgt: 2 API-Fehler: 1 Keine Antwort: 1 Anti-KI-Tricks : 5.6 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 8.2 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#262#262	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	17.89s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.4% Instabile Tests 5 Eingabe-Token 135,831 Ausgabe-Token 42,099 Denk-Token 0 Antwortzeit (Durchschnitt) 17.89s Antwortzeit (Gesamt) 393.53s Antwortzeit (Maximum) 115.89s Falsche Antwort: 8 API-Fehler: 3 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.2 Programmierung : 3.1 Kombiniert : 4.8 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#266#266	Ling-2.6-flashnone	4.9	Inclusionai	$0.002 ↑	10.71s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 30.3% Instabile Tests 2 Eingabe-Token 114,384 Ausgabe-Token 14,903 Denk-Token 0 Antwortzeit (Durchschnitt) 10.71s Antwortzeit (Gesamt) 214.28s Antwortzeit (Maximum) 36.03s Falsche Antwort: 9 Ungültiger Werkzeugaufruf: 3 API-Fehler: 2 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 6.8 Programmierung : 5.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 2.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#306#306	Laguna Xs.2none	3.8	Poolside	$0.004 ↕	806ms
Modellkarte anzeigen Gesamttests 19 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 22.7% Instabile Tests 0 Eingabe-Token 33,675 Ausgabe-Token 2,826 Denk-Token 0 Antwortzeit (Durchschnitt) 806ms Antwortzeit (Gesamt) 12.09s Antwortzeit (Maximum) 2.01s Falsche Antwort: 8 API-Fehler: 4 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.0 Programmierung : 8.3 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#288#288	Elephant Alphanone	4.3	Openrouter	$0.000	1.22s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 25.8% Instabile Tests 1 Eingabe-Token 33,743 Ausgabe-Token 2,573 Denk-Token 0 Antwortzeit (Durchschnitt) 1.22s Antwortzeit (Gesamt) 22.03s Antwortzeit (Maximum) 3.81s Falsche Antwort: 9 API-Fehler: 3 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.6 Programmierung : 4.2 Kombiniert : 1.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 4.2 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#227#227	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
#237#237	MiMo-V2.5-Pronone	5.4	Xiaomi	$0.068 ↓	4.24s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 33.3% Instabile Tests 4 Eingabe-Token 124,808 Ausgabe-Token 15,362 Denk-Token 0 Antwortzeit (Durchschnitt) 4.24s Antwortzeit (Gesamt) 93.28s Antwortzeit (Maximum) 53.13s Falsche Antwort: 12 Anweisungen nicht befolgt: 4 Keine Antwort: 1 Anti-KI-Tricks : 3.3 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#238#238	Kimi K2.5none	5.4	Moonshot AI	$0.101 ↓	18.03s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.3% Instabile Tests 4 Eingabe-Token 89,320 Ausgabe-Token 26,643 Denk-Token 0 Antwortzeit (Durchschnitt) 18.03s Antwortzeit (Gesamt) 288.42s Antwortzeit (Maximum) 102.83s Falsche Antwort: 16 Keine Antwort: 1 Anti-KI-Tricks : 3.6 Programmierung : 5.5 Kombiniert : 2.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#241#241	Inkling Smallnone	5.3	Thinkingmachines	$0.054 ↓	1.51s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 24.2% Instabile Tests 1 Eingabe-Token 94,733 Ausgabe-Token 8,770 Denk-Token 0 Antwortzeit (Durchschnitt) 1.51s Antwortzeit (Gesamt) 33.21s Antwortzeit (Maximum) 12.35s Falsche Antwort: 15 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.1 Programmierung : 3.6 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.2 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#242#242	Laguna XS 2.1none	5.3	Poolside	$0.008	1.55s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.3% Instabile Tests 3 Eingabe-Token 91,607 Ausgabe-Token 13,377 Denk-Token 0 Antwortzeit (Durchschnitt) 1.55s Antwortzeit (Gesamt) 34.01s Antwortzeit (Maximum) 19.02s Falsche Antwort: 14 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 5.3 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 3.8 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#250#250	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
#251#251	Mistral Small 4none	5.1	Mistral	$0.022	1.20s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 25.8% Instabile Tests 1 Eingabe-Token 104,717 Ausgabe-Token 9,812 Denk-Token 0 Antwortzeit (Durchschnitt) 1.20s Antwortzeit (Gesamt) 26.41s Antwortzeit (Maximum) 13.16s Falsche Antwort: 16 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.4 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#252#252	Mistral Small 4medium	5.1	Mistral	$0.097	10.80s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 8 Eingabe-Token 140,559 Ausgabe-Token 40,268 Denk-Token 93,329 Antwortzeit (Durchschnitt) 10.80s Antwortzeit (Gesamt) 237.60s Antwortzeit (Maximum) 59.15s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 API-Fehler: 1 Keine Antwort: 1 Anti-KI-Tricks : 5.6 Programmierung : 4.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 7.3 Rätsellösen : 3.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#254#254	Qwen3 Coder Nextnone	5.1	Qwen	$0.026 ↑	8.63s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 25.8% Instabile Tests 1 Eingabe-Token 134,227 Ausgabe-Token 11,808 Denk-Token 0 Antwortzeit (Durchschnitt) 8.63s Antwortzeit (Gesamt) 146.72s Antwortzeit (Maximum) 45.14s Falsche Antwort: 14 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 3.6 Programmierung : 4.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#255#255	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.68s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.3% Instabile Tests 2 Eingabe-Token 141,052 Ausgabe-Token 16,464 Denk-Token 0 Antwortzeit (Durchschnitt) 4.68s Antwortzeit (Gesamt) 103.02s Antwortzeit (Maximum) 55.36s Falsche Antwort: 14 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.4 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
#263#263	GPT-4o-mininone	5.0	OpenAI	$0.010	1.92s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 22.7% Instabile Tests 0 Eingabe-Token 53,145 Ausgabe-Token 2,913 Denk-Token 0 Antwortzeit (Durchschnitt) 1.92s Antwortzeit (Gesamt) 30.71s Antwortzeit (Maximum) 7.58s Falsche Antwort: 15 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 4.8 Programmierung : 3.2 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#267#267	Nemotron 3 Supernone	4.8	NVIDIA	$0.008 ↑	6.04s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 9.2 Erfolgsquote pro Versuch 27.3% Instabile Tests 2 Eingabe-Token 63,528 Ausgabe-Token 6,432 Denk-Token 0 Antwortzeit (Durchschnitt) 6.04s Antwortzeit (Gesamt) 132.96s Antwortzeit (Maximum) 20.00s Falsche Antwort: 15 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 3.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.5 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#270#270	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
#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
#274#274	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.070	12.46s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.4% Instabile Tests 7 Eingabe-Token 69,376 Ausgabe-Token 97,752 Denk-Token 0 Antwortzeit (Durchschnitt) 12.46s Antwortzeit (Gesamt) 274.11s Antwortzeit (Maximum) 121.05s Falsche Antwort: 13 Zusätzliche Formatierung: 3 API-Fehler: 1 Anti-KI-Tricks : 5.3 Programmierung : 3.3 Kombiniert : 3.8 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#275#275	GLM 4.7 Flashnone	4.8	Z.ai	$0.016	8.81s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.3% Instabile Tests 3 Eingabe-Token 101,513 Ausgabe-Token 22,992 Denk-Token 0 Antwortzeit (Durchschnitt) 8.81s Antwortzeit (Gesamt) 140.88s Antwortzeit (Maximum) 97.15s Falsche Antwort: 14 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 5.2 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 6.4 Werkzeugaufrufe : 2.8 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