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)
#181#181	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 69.7% Instabile Tests 5 Eingabe-Token 40,961 Ausgabe-Token 2,518 Denk-Token 81,801 Antwortzeit (Durchschnitt) 22.16s Antwortzeit (Gesamt) 443.22s Antwortzeit (Maximum) 136.29s Falsche Antwort: 5 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.0 Kombiniert : 2.3 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#231#231	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.65s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 45.5% Instabile Tests 3 Eingabe-Token 51,369 Ausgabe-Token 8,008 Denk-Token 58,568 Antwortzeit (Durchschnitt) 8.65s Antwortzeit (Gesamt) 190.35s Antwortzeit (Maximum) 48.19s Falsche Antwort: 10 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.7 Programmierung : 3.6 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 3.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#271#271	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
#307#307	Ling 3.0 Tinylow	3.8	Inclusionai	$0.000	66.16s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 19.7% Instabile Tests 1 Eingabe-Token 99,662 Ausgabe-Token 146,555 Denk-Token 732,977 Antwortzeit (Durchschnitt) 66.16s Antwortzeit (Gesamt) 1389.33s Antwortzeit (Maximum) 252.08s Keine Antwort: 7 Falsche Antwort: 5 Anweisungen nicht befolgt: 4 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.5 Programmierung : 2.9 Kombiniert : 3.0 Datenanalyse und -extraktion : 2.8 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 6.6 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#310#310	Ling 3.0 Tinymedium	3.8	Inclusionai	$0.000	68.08s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 24.2% Instabile Tests 3 Eingabe-Token 103,898 Ausgabe-Token 148,304 Denk-Token 774,972 Antwortzeit (Durchschnitt) 68.08s Antwortzeit (Gesamt) 1429.66s Antwortzeit (Maximum) 262.20s Keine Antwort: 7 Falsche Antwort: 5 Anweisungen nicht befolgt: 4 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.5 Programmierung : 2.9 Kombiniert : 3.0 Datenanalyse und -extraktion : 2.7 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 6.8 Rätsellösen : 3.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#3🥉 #3	GPT-6 Astramax	9.9	OpenAI	$3.803	61.27s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 1 Zuverlässigkeit 9.5 Erfolgsquote pro Versuch 95.5% Instabile Tests 0 Eingabe-Token 79,058 Ausgabe-Token 4,853 Denk-Token 55,377 Antwortzeit (Durchschnitt) 61.27s Antwortzeit (Gesamt) 1347.96s Antwortzeit (Maximum) 960.01s Zeitüberschreitung: 1 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 : 10.0
#78#78	GLM 5.2medium	7.8	Z.ai	$0.224 ↓	23.28s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 6 Zuverlässigkeit 9.5 Erfolgsquote pro Versuch 80.3% Instabile Tests 4 Eingabe-Token 37,199 Ausgabe-Token 12,261 Denk-Token 49,500 Antwortzeit (Durchschnitt) 23.28s Antwortzeit (Gesamt) 488.94s Antwortzeit (Maximum) 101.36s Falsche Antwort: 3 Keine Antwort: 2 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#61#61	Qwen3.8 2.4T A95Blow	8.1	Qwen	$2.672	118.97s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 72.7% Instabile Tests 2 Eingabe-Token 113,279 Ausgabe-Token 121,045 Denk-Token 374,496 Antwortzeit (Durchschnitt) 118.97s Antwortzeit (Gesamt) 2617.41s Antwortzeit (Maximum) 534.21s Falsche Antwort: 4 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 7.8 Kombiniert : 8.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.2 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#110#110	Qwen3.8 2.4T A95Bhigh	7.4	Qwen	$2.357	120.59s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 74.2% Instabile Tests 4 Eingabe-Token 108,931 Ausgabe-Token 112,801 Denk-Token 343,227 Antwortzeit (Durchschnitt) 120.59s Antwortzeit (Gesamt) 2653.05s Antwortzeit (Maximum) 532.28s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#272#272	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
#217#217	Nemotron 3 Supermedium	5.7	NVIDIA	$0.050 ↑	52.31s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 9.1 Erfolgsquote pro Versuch 40.9% Instabile Tests 3 Eingabe-Token 81,438 Ausgabe-Token 17,674 Denk-Token 97,900 Antwortzeit (Durchschnitt) 52.31s Antwortzeit (Gesamt) 1046.21s Antwortzeit (Maximum) 431.98s Falsche Antwort: 5 API-Fehler: 4 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Zeitüberschreitung: 1 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
#71#71	Kimi K3max	7.9	Moonshot AI	$3.467	142.84s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 9.0 Erfolgsquote pro Versuch 77.3% Instabile Tests 2 Eingabe-Token 34,960 Ausgabe-Token 2,887 Denk-Token 221,241 Antwortzeit (Durchschnitt) 142.84s Antwortzeit (Gesamt) 2714.02s Antwortzeit (Maximum) 766.58s API-Fehler: 2 Keine Antwort: 2 Zusätzliche Formatierung: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 6.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#258#258	Granite 4.2 8Blow	5.1	IBM Granite	$0.012	54.36s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 9.0 Erfolgsquote pro Versuch 31.8% Instabile Tests 0 Eingabe-Token 74,721 Ausgabe-Token 9,205 Denk-Token 18,723 Antwortzeit (Durchschnitt) 54.36s Antwortzeit (Gesamt) 1195.97s Antwortzeit (Maximum) 566.80s Falsche Antwort: 10 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 3.0 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#138#138	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.116	93.10s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 8.7 Erfolgsquote pro Versuch 57.6% Instabile Tests 3 Eingabe-Token 125,704 Ausgabe-Token 10,781 Denk-Token 247,541 Antwortzeit (Durchschnitt) 93.10s Antwortzeit (Gesamt) 1768.91s Antwortzeit (Maximum) 301.78s Falsche Antwort: 5 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 6.6 Programmierung : 5.5 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#254#254	Granite 4.2 8Bmedium	5.2	IBM Granite	$0.009	45.97s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 8.7 Erfolgsquote pro Versuch 34.9% Instabile Tests 1 Eingabe-Token 52,909 Ausgabe-Token 7,058 Denk-Token 12,272 Antwortzeit (Durchschnitt) 45.97s Antwortzeit (Gesamt) 1011.42s Antwortzeit (Maximum) 557.96s Falsche Antwort: 9 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.4 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 3.8 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#263#263	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 8.7 Erfolgsquote pro Versuch 18.2% Instabile Tests 0 Eingabe-Token 130,501 Ausgabe-Token 26,786 Denk-Token 0 Antwortzeit (Durchschnitt) 29.95s Antwortzeit (Gesamt) 658.83s Antwortzeit (Maximum) 159.85s Falsche Antwort: 12 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 3.0 Programmierung : 3.9 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.5 Werkzeugaufrufe : 9.5 Allgemeinwissen : 3.0
#143#143	Seed-2.0-Codehigh	6.9	Bytedance Seed	$1.273	124.18s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 8.6 Erfolgsquote pro Versuch 63.6% Instabile Tests 5 Eingabe-Token 81,970 Ausgabe-Token 7,186 Denk-Token 403,389 Antwortzeit (Durchschnitt) 124.18s Antwortzeit (Gesamt) 2732.03s Antwortzeit (Maximum) 675.30s API-Fehler: 5 Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 6.2 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.8 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#248#248	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
#294#294	GLM 4.7 Flashmedium	4.3	Z.ai	$0.168	134.34s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 8.6 Erfolgsquote pro Versuch 31.8% Instabile Tests 8 Eingabe-Token 79,104 Ausgabe-Token 42,254 Denk-Token 377,280 Antwortzeit (Durchschnitt) 134.34s Antwortzeit (Gesamt) 2015.13s Antwortzeit (Maximum) 1539.97s Falsche Antwort: 9 Keine Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Zeitüberschreitung: 2 Anti-KI-Tricks : 4.7 Programmierung : 3.2 Kombiniert : 2.9 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 3.6 Befolgung von Anweisungen : 6.2 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#296#296	Granite 4.2 8Bnone	4.3	IBM Granite	$0.026	86.27s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 8.6 Erfolgsquote pro Versuch 16.7% Instabile Tests 2 Eingabe-Token 57,786 Ausgabe-Token 130,805 Denk-Token 0 Antwortzeit (Durchschnitt) 86.27s Antwortzeit (Gesamt) 1897.96s Antwortzeit (Maximum) 747.17s Falsche Antwort: 11 Zusätzliche Formatierung: 4 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.9 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 2.9 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 3.0 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#86#86	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 8.5 Erfolgsquote pro Versuch 77.3% Instabile Tests 6 Eingabe-Token 85,657 Ausgabe-Token 8,142 Denk-Token 233,167 Antwortzeit (Durchschnitt) 72.24s Antwortzeit (Gesamt) 1589.31s Antwortzeit (Maximum) 485.92s Falsche Antwort: 6 API-Fehler: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.7 Programmierung : 7.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 9.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#216#216	North Mini Codemedium	5.7	Cohere	$0.000	141.99s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 8.5 Erfolgsquote pro Versuch 43.9% Instabile Tests 4 Eingabe-Token 81,742 Ausgabe-Token 423,884 Denk-Token 1,340,907 Antwortzeit (Durchschnitt) 141.99s Antwortzeit (Gesamt) 3123.87s Antwortzeit (Maximum) 786.72s Falsche Antwort: 9 Zusätzliche Formatierung: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.4 Programmierung : 4.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#134#134	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 8.1 Erfolgsquote pro Versuch 65.2% Instabile Tests 4 Eingabe-Token 82,592 Ausgabe-Token 16,089 Denk-Token 199,800 Antwortzeit (Durchschnitt) 58.80s Antwortzeit (Gesamt) 1234.72s Antwortzeit (Maximum) 308.75s Falsche Antwort: 4 Keine Antwort: 2 Zeitüberschreitung: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.6 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 8.2 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#287#287	Granite 4.2 8Bhigh	4.6	IBM Granite	$0.084	235.89s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 7.6 Erfolgsquote pro Versuch 39.4% Instabile Tests 10 Eingabe-Token 43,278 Ausgabe-Token 181,083 Denk-Token 431,132 Antwortzeit (Durchschnitt) 235.89s Antwortzeit (Gesamt) 5189.64s Antwortzeit (Maximum) 685.87s Zeitüberschreitung: 10 Falsche Antwort: 6 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 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
#147#147	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 7.3 Erfolgsquote pro Versuch 63.6% Instabile Tests 7 Eingabe-Token 76,036 Ausgabe-Token 7,267 Denk-Token 364,176 Antwortzeit (Durchschnitt) 101.05s Antwortzeit (Gesamt) 2223.19s Antwortzeit (Maximum) 626.58s API-Fehler: 6 Falsche Antwort: 4 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.9 Programmierung : 8.9 Kombiniert : 4.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 4.7 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