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: 2026-10-19 Bewertete Modelle: 451

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

451/451

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#287#287	Seed-2.0-Litenone	6.0	Bytedance Seed	$0.114	7.49s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.1% Instabile Tests 3 Eingabe-Token 314,113 Ausgabe-Token 17,558 Denk-Token 0 Antwortzeit (Durchschnitt) 7.49s Antwortzeit (Gesamt) 172.19s Antwortzeit (Maximum) 75.99s Falsche Antwort: 14 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.0 Programmierung : 5.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#180#180	GLM 5.3 FlashXmedium	7.1	Z.ai	$0.114	7.37s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 8 Eingabe-Token 205,100 Ausgabe-Token 8,639 Denk-Token 21,409 Antwortzeit (Durchschnitt) 7.37s Antwortzeit (Gesamt) 169.54s Antwortzeit (Maximum) 74.39s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 7.3 Programmierung : 6.0 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#286#286	Inkling Smallmedium	6.0	Thinkingmachines	$0.113 ↓	6.03s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.7% Instabile Tests 3 Eingabe-Token 100,255 Ausgabe-Token 6,422 Denk-Token 49,847 Antwortzeit (Durchschnitt) 6.03s Antwortzeit (Gesamt) 138.65s Antwortzeit (Maximum) 17.26s Falsche Antwort: 6 Anweisungen nicht befolgt: 4 Ungültiger Werkzeugaufruf: 2 API-Fehler: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 10.0 Programmierung : 7.8 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 8.5 Rätsellösen : 5.8 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#371#371	Granite 4.2 8Bhigh	4.7	IBM Granite	$0.111	235.35s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 8.2 Erfolgsquote pro Versuch 37.7% Instabile Tests 10 Eingabe-Token 282,658 Ausgabe-Token 198,563 Denk-Token 462,804 Antwortzeit (Durchschnitt) 235.35s Antwortzeit (Gesamt) 5413.09s Antwortzeit (Maximum) 685.87s Zeitüberschreitung: 10 Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 6.9 Programmierung : 3.8 Kombiniert : 5.0 Datenanalyse und -extraktion : 3.8 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 6.4 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#377#377	Laguna S 2.1low	4.6	Poolside	$0.108 ↓	88.24s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 20 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 23.2% Instabile Tests 6 Eingabe-Token 232,641 Ausgabe-Token 69,335 Denk-Token 426,182 Antwortzeit (Durchschnitt) 88.24s Antwortzeit (Gesamt) 2029.57s Antwortzeit (Maximum) 814.73s Falsche Antwort: 16 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 3.4 Programmierung : 3.8 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 4.3 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#399#399	Qwen3.5-9Bmedium	4.0	Qwen	$0.106	110.18s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 20 Zuverlässigkeit 8.7 Erfolgsquote pro Versuch 26.1% Instabile Tests 6 Eingabe-Token 387,323 Ausgabe-Token 48,562 Denk-Token 410,431 Antwortzeit (Durchschnitt) 110.18s Antwortzeit (Gesamt) 1873.00s Antwortzeit (Maximum) 569.97s Zeitüberschreitung: 11 Keine Antwort: 3 Falsche Antwort: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.2 Anti-KI-Tricks : 5.1 Programmierung : 2.9 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.6 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 2.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#444#444	Gemini 3 Flash Previewhigh	1.8	Google	$0.105	52.45s
Modellkarte anzeigen Gesamttests 1 Falsche Tests 0 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 4.4% Instabile Tests 0 Eingabe-Token 134,050 Ausgabe-Token 1,029 Denk-Token 11,528 Antwortzeit (Durchschnitt) 52.45s Antwortzeit (Gesamt) 52.45s Antwortzeit (Maximum) 52.45s Agentenaufgaben : 10.0 Anti-KI-Tricks : 0.0 Programmierung : 0.0 Kombiniert : 0.0 Datenanalyse und -extraktion : 0.0 Domänenspezifisch : 0.0 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 0.0 Rätsellösen : 0.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#328#328	Step 3.5 Flashmedium	5.4	Stepfun	$0.105	190.48s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 49.3% Instabile Tests 3 Eingabe-Token 139,086 Ausgabe-Token 193,584 Denk-Token 413,546 Antwortzeit (Durchschnitt) 190.48s Antwortzeit (Gesamt) 3238.23s Antwortzeit (Maximum) 1597.85s Falsche Antwort: 6 Anweisungen nicht befolgt: 3 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 10.0 Programmierung : 2.4 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.3 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#336#336	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.105 ↑	8.43s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 29.0% Instabile Tests 6 Eingabe-Token 272,479 Ausgabe-Token 40,677 Denk-Token 23,104 Antwortzeit (Durchschnitt) 8.43s Antwortzeit (Gesamt) 176.93s Antwortzeit (Maximum) 65.61s Falsche Antwort: 13 API-Fehler: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.2 Anti-KI-Tricks : 3.6 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.2 Rätsellösen : 3.2 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#251#251	LongCat 2.0none	6.4	Meituan	$0.104	8.50s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.0% Instabile Tests 3 Eingabe-Token 276,199 Ausgabe-Token 17,473 Denk-Token 0 Antwortzeit (Durchschnitt) 8.50s Antwortzeit (Gesamt) 195.60s Antwortzeit (Maximum) 81.77s Falsche Antwort: 13 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 4.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#300#300	Ring 2.6 1tmedium	5.7	Inclusionai	$0.102 ↑	65.52s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.5% Instabile Tests 3 Eingabe-Token 113,613 Ausgabe-Token 122,706 Denk-Token 42,325 Antwortzeit (Durchschnitt) 65.52s Antwortzeit (Gesamt) 1376.01s Antwortzeit (Maximum) 304.19s Falsche Antwort: 6 API-Fehler: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 10.0 Programmierung : 5.3 Kombiniert : 7.3 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#160#160	Gemma 4 26B A4Bmedium	7.3	Google	$0.101 ↓	105.03s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 1 Eingabe-Token 224,367 Ausgabe-Token 27,095 Denk-Token 242,256 Antwortzeit (Durchschnitt) 105.03s Antwortzeit (Gesamt) 2310.63s Antwortzeit (Maximum) 912.19s Keine Antwort: 2 Zeitüberschreitung: 2 Falsche Antwort: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 2.9 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#211#211	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
#241#241	Solar Pro 4medium	6.4	Upstage	$0.098 ↑	133.93s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 60.9% Instabile Tests 5 Eingabe-Token 299,558 Ausgabe-Token 33,248 Denk-Token 374,819 Antwortzeit (Durchschnitt) 133.93s Antwortzeit (Gesamt) 3080.36s Antwortzeit (Maximum) 519.91s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Keine Antwort: 1 Agentenaufgaben : 4.7 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
#349#349	Laguna S 2.1medium	5.0	Poolside	$0.092 ↑	63.06s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 24.6% Instabile Tests 4 Eingabe-Token 230,291 Ausgabe-Token 99,030 Denk-Token 287,794 Antwortzeit (Durchschnitt) 63.06s Antwortzeit (Gesamt) 1450.31s Antwortzeit (Maximum) 560.31s Falsche Antwort: 14 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 3.4 Anti-KI-Tricks : 3.4 Programmierung : 5.3 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 4.2 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#271#271	Gemini 3.1 Flash Lite Previewnone	6.2	Google	$0.090	3.60s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.1% Instabile Tests 1 Eingabe-Token 261,962 Ausgabe-Token 12,799 Denk-Token 2,961 Antwortzeit (Durchschnitt) 3.60s Antwortzeit (Gesamt) 82.91s Antwortzeit (Maximum) 48.59s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 7.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#210#210	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
#145#145	Qwen3.8 27Blow	7.6	Qwen	~$0.089	46.60s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 1 Eingabe-Token 315,290 Ausgabe-Token 1,607 Denk-Token 207,536 Antwortzeit (Durchschnitt) 46.60s Antwortzeit (Gesamt) 1071.83s Antwortzeit (Maximum) 376.04s Falsche Antwort: 5 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 6.1 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
#53#53	GLM 5.3 Flashmax	9.0	Z.ai	$0.089	54.04s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 82.6% Instabile Tests 3 Eingabe-Token 255,743 Ausgabe-Token 8,684 Denk-Token 207,435 Antwortzeit (Durchschnitt) 54.04s Antwortzeit (Gesamt) 1242.97s Antwortzeit (Maximum) 333.47s Falsche Antwort: 2 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#92#92	Claude Haiku 5.5high	8.3	Anthropic	$0.088	10.41s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.8% Instabile Tests 4 Eingabe-Token 346,451 Ausgabe-Token 10,136 Denk-Token 95,504 Antwortzeit (Durchschnitt) 10.41s Antwortzeit (Gesamt) 239.38s Antwortzeit (Maximum) 52.61s Falsche Antwort: 4 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 6.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#411#411	Grok 4.20 Betadefault	3.6	X AI	$0.087 ↓	1.19s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 12 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 29.0% Instabile Tests 1 Eingabe-Token 40,597 Ausgabe-Token 1,657 Denk-Token 0 Antwortzeit (Durchschnitt) 1.19s Antwortzeit (Gesamt) 21.43s Antwortzeit (Maximum) 6.48s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.0 Programmierung : 1.8 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#237#237	Laguna XS 2.1medium	6.4	Poolside	$0.083	48.97s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 46.4% Instabile Tests 3 Eingabe-Token 352,516 Ausgabe-Token 33,786 Denk-Token 504,506 Antwortzeit (Durchschnitt) 48.97s Antwortzeit (Gesamt) 1126.35s Antwortzeit (Maximum) 422.72s Falsche Antwort: 10 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 2 Agentenaufgaben : 6.1 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#158#158	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
#315#315	Nemotron 3 Supermedium	5.5	NVIDIA	$0.081 ↑	56.40s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 9.5 Erfolgsquote pro Versuch 42.0% Instabile Tests 4 Eingabe-Token 229,346 Ausgabe-Token 18,597 Denk-Token 129,338 Antwortzeit (Durchschnitt) 56.40s Antwortzeit (Gesamt) 1184.46s Antwortzeit (Maximum) 431.98s Falsche Antwort: 6 API-Fehler: 4 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 8.3 Programmierung : 3.1 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 7.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#288#288	Gemini 3.1 Flash Liteminimal	5.9	Google	$0.080	3.95s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 49.3% Instabile Tests 3 Eingabe-Token 238,785 Ausgabe-Token 12,875 Denk-Token 0 Antwortzeit (Durchschnitt) 3.95s Antwortzeit (Gesamt) 90.76s Antwortzeit (Maximum) 50.03s Falsche Antwort: 9 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.0 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