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)
#22#22	GPT-5.6 Solhigh	9.5	OpenAI	$1.595 ↑	13.59s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 89.9% Instabile Tests 3 Eingabe-Token 195,567 Ausgabe-Token 5,841 Denk-Token 26,230 Antwortzeit (Durchschnitt) 13.59s Antwortzeit (Gesamt) 312.61s Antwortzeit (Maximum) 59.99s Falsche Antwort: 4 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.7 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 4.7
#442#442	Claude Opus 5.5none	0.2	Anthropic	$0.015	13.58s
Modellkarte anzeigen Gesamttests 1 Falsche Tests 0 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 4.4% Instabile Tests 0 Eingabe-Token 73 Ausgabe-Token 6 Denk-Token 729 Antwortzeit (Durchschnitt) 13.58s Antwortzeit (Gesamt) 13.58s Antwortzeit (Maximum) 13.58s Agentenaufgaben : 0.0 Anti-KI-Tricks : 0.0 Programmierung : 0.0 Kombiniert : 0.0 Datenanalyse und -extraktion : 0.0 Domänenspezifisch : 3.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 0.0 Rätsellösen : 0.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#395#395	Ling 3.0 Tinydefault	3.8	Inclusionai	$0.000	13.39s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 21 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 8.7% Instabile Tests 0 Eingabe-Token 184,579 Ausgabe-Token 110,071 Denk-Token 0 Antwortzeit (Durchschnitt) 13.39s Antwortzeit (Gesamt) 294.48s Antwortzeit (Maximum) 240.61s Falsche Antwort: 13 Anweisungen nicht befolgt: 4 API-Fehler: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 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
#116#116	Claude Fable 5.1high	7.9	Anthropic	$3.471	13.30s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 85.5% Instabile Tests 1 Eingabe-Token 144,676 Ausgabe-Token 8,184 Denk-Token 32,282 Antwortzeit (Durchschnitt) 13.30s Antwortzeit (Gesamt) 305.83s Antwortzeit (Maximum) 40.17s Falsche Antwort: 3 API-Fehler: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 10.0 Programmierung : 8.4 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
#28#28	Claude Opus 5medium	9.4	Anthropic	$2.870	13.24s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 84.1% Instabile Tests 1 Eingabe-Token 356,605 Ausgabe-Token 26,715 Denk-Token 17,041 Antwortzeit (Durchschnitt) 13.24s Antwortzeit (Gesamt) 304.46s Antwortzeit (Maximum) 78.80s Falsche Antwort: 3 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#71#71	Muse Spark 1.1low	8.6	Meta	$0.885	13.21s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 72.5% Instabile Tests 4 Eingabe-Token 291,368 Ausgabe-Token 13,469 Denk-Token 108,952 Antwortzeit (Durchschnitt) 13.21s Antwortzeit (Gesamt) 303.92s Antwortzeit (Maximum) 54.15s Falsche Antwort: 5 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 7.9 Programmierung : 10.0 Kombiniert : 6.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.3 Rätsellösen : 8.3 Werkzeugaufrufe : 9.8 Allgemeinwissen : 3.0
#290#290	Ling 3.0 Flashhigh	5.8	Inclusionai	$0.021 ↕	13.08s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 60.9% Instabile Tests 4 Eingabe-Token 132,044 Ausgabe-Token 92,135 Denk-Token 207,321 Antwortzeit (Durchschnitt) 13.08s Antwortzeit (Gesamt) 287.79s Antwortzeit (Maximum) 75.27s Falsche Antwort: 7 API-Fehler: 2 Ungültiger Werkzeugaufruf: 2 Agentenaufgaben : 3.0 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
#357#357	GLM 4.7 Flashnone	4.8	Z.ai	$0.027	13.04s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 29.0% Instabile Tests 3 Eingabe-Token 255,363 Ausgabe-Token 27,395 Denk-Token 0 Antwortzeit (Durchschnitt) 13.04s Antwortzeit (Gesamt) 221.61s Antwortzeit (Maximum) 97.15s Falsche Antwort: 15 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 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
#410#410	Hy3 previewnone	3.3	Tencent	$0.007 ↕	12.92s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 21.7% Instabile Tests 2 Eingabe-Token 27,172 Ausgabe-Token 2,661 Denk-Token 0 Antwortzeit (Durchschnitt) 12.92s Antwortzeit (Gesamt) 232.64s Antwortzeit (Maximum) 35.84s Falsche Antwort: 8 API-Fehler: 4 Anweisungen nicht befolgt: 4 Zusätzliche Formatierung: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.8 Programmierung : 2.7 Kombiniert : 1.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#246#246	Qwen3.6 27Bnone	6.3	Qwen	$0.148 ↓	12.71s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.8% Instabile Tests 6 Eingabe-Token 250,919 Ausgabe-Token 20,816 Denk-Token 0 Antwortzeit (Durchschnitt) 12.71s Antwortzeit (Gesamt) 292.29s Antwortzeit (Maximum) 156.31s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 3.8 Programmierung : 5.5 Kombiniert : 3.2 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 5.2 Befolgung von Anweisungen : 6.2 Rätsellösen : 5.3 Werkzeugaufrufe : 9.5 Allgemeinwissen : 3.0
#334#334	Mistral Small 4medium	5.1	Mistral	$0.126 ↑	12.68s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 42.0% Instabile Tests 8 Eingabe-Token 321,955 Ausgabe-Token 41,555 Denk-Token 94,946 Antwortzeit (Durchschnitt) 12.68s Antwortzeit (Gesamt) 291.66s Antwortzeit (Maximum) 59.15s Falsche Antwort: 14 Anweisungen nicht befolgt: 2 API-Fehler: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 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
#19#19	GPT-6 Solmedium	9.5	OpenAI	$0.703	12.12s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 94.2% Instabile Tests 1 Eingabe-Token 194,520 Ausgabe-Token 5,396 Denk-Token 25,991 Antwortzeit (Durchschnitt) 12.12s Antwortzeit (Gesamt) 278.70s Antwortzeit (Maximum) 82.74s Falsche Antwort: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 8.2 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
#378#378	KAT Coder AIR V2.5default	4.4	Kwaipilot	$0.070	11.96s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.8% Instabile Tests 7 Eingabe-Token 69,376 Ausgabe-Token 7,792 Denk-Token 89,960 Antwortzeit (Durchschnitt) 11.96s Antwortzeit (Gesamt) 275.18s Antwortzeit (Maximum) 121.05s Falsche Antwort: 13 Zusätzliche Formatierung: 3 API-Fehler: 2 Agentenaufgaben : 3.0 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
#370#370	Owl Alphamedium	4.6	Openrouter	$0.000	11.95s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.2% Instabile Tests 1 Eingabe-Token 43,478 Ausgabe-Token 2,974 Denk-Token 0 Antwortzeit (Durchschnitt) 11.95s Antwortzeit (Gesamt) 250.88s Antwortzeit (Maximum) 58.63s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 API-Fehler: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.8 Programmierung : 5.4 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#48#48	Gemini 3.5 Flash Litehigh	9.0	Google	$0.624	11.92s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 84.1% Instabile Tests 2 Eingabe-Token 244,529 Ausgabe-Token 6,784 Denk-Token 213,142 Antwortzeit (Durchschnitt) 11.92s Antwortzeit (Gesamt) 274.14s Antwortzeit (Maximum) 53.09s Falsche Antwort: 5 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 8.4 Kombiniert : 9.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#23#23	GPT-5.5low	9.5	OpenAI	$1.822	11.91s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 87.0% Instabile Tests 0 Eingabe-Token 177,939 Ausgabe-Token 6,283 Denk-Token 24,782 Antwortzeit (Durchschnitt) 11.91s Antwortzeit (Gesamt) 273.82s Antwortzeit (Maximum) 56.19s Falsche Antwort: 3 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 : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#159#159	Claude Fable 5.1medium	7.3	Anthropic	$3.197	11.87s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 78.3% Instabile Tests 6 Eingabe-Token 157,142 Ausgabe-Token 8,149 Denk-Token 24,357 Antwortzeit (Durchschnitt) 11.87s Antwortzeit (Gesamt) 272.91s Antwortzeit (Maximum) 36.59s Falsche Antwort: 3 Keine Antwort: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.2 Programmierung : 7.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.3 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 2.8
#213#213	GLM 5.3 Flashlow	6.6	Z.ai	$0.038	11.82s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 58.0% Instabile Tests 4 Eingabe-Token 255,173 Ausgabe-Token 9,891 Denk-Token 17,277 Antwortzeit (Durchschnitt) 11.82s Antwortzeit (Gesamt) 271.92s Antwortzeit (Maximum) 90.45s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.7 Programmierung : 5.4 Kombiniert : 3.8 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#64#64	Muse Spark 1.2low	8.7	Meta	$0.881	11.81s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 78.3% Instabile Tests 3 Eingabe-Token 254,914 Ausgabe-Token 10,303 Denk-Token 121,928 Antwortzeit (Durchschnitt) 11.81s Antwortzeit (Gesamt) 271.60s Antwortzeit (Maximum) 56.77s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 Agentenaufgaben : 10.0 Anti-KI-Tricks : 9.2 Programmierung : 8.4 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#119#119	Gemini 3.5 Flashmedium	7.9	Google	$1.316	11.78s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 81.2% Instabile Tests 2 Eingabe-Token 296,760 Ausgabe-Token 4,371 Denk-Token 92,284 Antwortzeit (Durchschnitt) 11.78s Antwortzeit (Gesamt) 271.03s Antwortzeit (Maximum) 84.47s Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 10.0 Programmierung : 7.9 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#264#264	Claude Fable 5.1low	6.2	Anthropic	$3.395	11.40s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.1% Instabile Tests 3 Eingabe-Token 209,116 Ausgabe-Token 10,031 Denk-Token 16,042 Antwortzeit (Durchschnitt) 11.40s Antwortzeit (Gesamt) 262.14s Antwortzeit (Maximum) 34.77s Zusätzliche Formatierung: 4 Falsche Antwort: 4 Anweisungen nicht befolgt: 3 API-Fehler: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 6.5 Programmierung : 3.4 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#215#215	GLM 5.2none	6.6	Z.ai	$0.250 ↑	11.27s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 3 Eingabe-Token 247,919 Ausgabe-Token 17,685 Denk-Token 0 Antwortzeit (Durchschnitt) 11.27s Antwortzeit (Gesamt) 259.32s Antwortzeit (Maximum) 79.65s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 8.3 Programmierung : 3.7 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#13#13	GPT-5.6 Sollow	9.6	OpenAI	$1.244	11.13s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 87.0% Instabile Tests 2 Eingabe-Token 191,653 Ausgabe-Token 5,473 Denk-Token 17,084 Antwortzeit (Durchschnitt) 11.13s Antwortzeit (Gesamt) 256.08s Antwortzeit (Maximum) 57.11s Falsche Antwort: 4 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#228#228	GLM 5.1none	6.5	Z.ai	$0.451 ↑	11.10s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.8% Instabile Tests 5 Eingabe-Token 258,956 Ausgabe-Token 20,076 Denk-Token 0 Antwortzeit (Durchschnitt) 11.10s Antwortzeit (Gesamt) 255.39s Antwortzeit (Maximum) 107.19s Falsche Antwort: 12 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 4.0 Programmierung : 3.9 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#234#234	Beam 1.0 501B A23Bmax	6.4	Reflection	$0.799	11.10s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.5% Instabile Tests 2 Eingabe-Token 199,105 Ausgabe-Token 4,274 Denk-Token 195,495 Antwortzeit (Durchschnitt) 11.10s Antwortzeit (Gesamt) 255.26s Antwortzeit (Maximum) 54.48s Falsche Antwort: 6 API-Fehler: 3 Anweisungen nicht befolgt: 2 Agentenaufgaben : 3.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.4 Rätsellösen : 7.8 Werkzeugaufrufe : 3.0 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