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)
#162#162	LongCat 2.0high	7.3	Meituan	$0.778 ↑	151.67s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.6% Instabile Tests 4 Eingabe-Token 275,080 Ausgabe-Token 32,447 Denk-Token 372,188 Antwortzeit (Durchschnitt) 151.67s Antwortzeit (Gesamt) 3488.43s Antwortzeit (Maximum) 941.66s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Zeitüberschreitung: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.9 Programmierung : 7.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 3.6 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#165#165	Qwen3.5-27Bnone	7.2	Qwen	$0.116	9.98s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.8% Instabile Tests 2 Eingabe-Token 283,977 Ausgabe-Token 36,422 Denk-Token 0 Antwortzeit (Durchschnitt) 9.98s Antwortzeit (Gesamt) 229.52s Antwortzeit (Maximum) 124.53s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 4.8 Programmierung : 5.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#185#185	Step 5 Previewhigh	7.0	Stepfun	$4.513	154.41s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 9.5 Erfolgsquote pro Versuch 52.2% Instabile Tests 4 Eingabe-Token 243,381 Ausgabe-Token 1,581,325 Denk-Token 0 Antwortzeit (Durchschnitt) 154.41s Antwortzeit (Gesamt) 3551.40s Antwortzeit (Maximum) 455.72s Keine Antwort: 7 Falsche Antwort: 3 API-Fehler: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.5 Programmierung : 2.9 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 7.3 Rätsellösen : 5.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#194#194	Claude Sonnet 5.5low	6.9	Anthropic	$0.909	7.46s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 46.4% Instabile Tests 2 Eingabe-Token 291,853 Ausgabe-Token 24,116 Denk-Token 8,327 Antwortzeit (Durchschnitt) 7.46s Antwortzeit (Gesamt) 171.47s Antwortzeit (Maximum) 46.61s Zusätzliche Formatierung: 5 Anweisungen nicht befolgt: 5 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Falsche Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.5 Programmierung : 3.2 Kombiniert : 7.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#216#216	Qwen3.7 Flashmedium	6.6	Qwen	$0.076	51.80s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.3% Instabile Tests 8 Eingabe-Token 300,394 Ausgabe-Token 14,081 Denk-Token 500,844 Antwortzeit (Durchschnitt) 51.80s Antwortzeit (Gesamt) 1191.42s Antwortzeit (Maximum) 593.64s Falsche Antwort: 8 Anweisungen nicht befolgt: 4 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.2 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 5.8 Rätsellösen : 7.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#217#217	LongCat 2.0low	6.6	Meituan	$0.630 ↑	115.00s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 55.1% Instabile Tests 5 Eingabe-Token 262,387 Ausgabe-Token 7,344 Denk-Token 338,881 Antwortzeit (Durchschnitt) 115.00s Antwortzeit (Gesamt) 2645.11s Antwortzeit (Maximum) 560.39s Falsche Antwort: 8 API-Fehler: 2 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 6.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#218#218	Mercury 2medium	6.6	Inception	$0.121	4.40s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.6% Instabile Tests 5 Eingabe-Token 189,300 Ausgabe-Token 10,854 Denk-Token 86,089 Antwortzeit (Durchschnitt) 4.40s Antwortzeit (Gesamt) 96.81s Antwortzeit (Maximum) 34.92s Falsche Antwort: 9 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 6.9 Programmierung : 8.2 Kombiniert : 6.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#237#237	Kimi K2.5medium	6.4	Moonshot AI	$0.841 ↑	125.76s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 60.9% Instabile Tests 8 Eingabe-Token 292,271 Ausgabe-Token 55,025 Denk-Token 186,071 Antwortzeit (Durchschnitt) 125.76s Antwortzeit (Gesamt) 2137.84s Antwortzeit (Maximum) 566.79s Falsche Antwort: 5 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 7.3 Programmierung : 6.1 Kombiniert : 6.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#242#242	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	70.48s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.4% Instabile Tests 7 Eingabe-Token 255,887 Ausgabe-Token 154,879 Denk-Token 603,518 Antwortzeit (Durchschnitt) 70.48s Antwortzeit (Gesamt) 1620.93s Antwortzeit (Maximum) 480.52s Falsche Antwort: 9 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 8.7 Programmierung : 5.8 Kombiniert : 6.9 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 8.3 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#243#243	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	66.13s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 58.0% Instabile Tests 6 Eingabe-Token 260,850 Ausgabe-Token 125,908 Denk-Token 516,424 Antwortzeit (Durchschnitt) 66.13s Antwortzeit (Gesamt) 1520.96s Antwortzeit (Maximum) 417.36s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 6.9 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 7.9 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#254#254	Space Bunny Alphamedium	6.3	Stealth	$0.000	32.88s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.1% Instabile Tests 5 Eingabe-Token 267,840 Ausgabe-Token 192,115 Denk-Token 0 Antwortzeit (Durchschnitt) 32.88s Antwortzeit (Gesamt) 756.28s Antwortzeit (Maximum) 197.32s Falsche Antwort: 11 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 5.2 Programmierung : 5.4 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#271#271	Step 5 Previewmedium	6.1	Stepfun	$4.136	136.10s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 53.6% Instabile Tests 5 Eingabe-Token 261,842 Ausgabe-Token 1,434,621 Denk-Token 0 Antwortzeit (Durchschnitt) 136.10s Antwortzeit (Gesamt) 3130.27s Antwortzeit (Maximum) 438.09s Keine Antwort: 6 Falsche Antwort: 3 Anweisungen nicht befolgt: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 6.4 Programmierung : 2.8 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#278#278	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
#280#280	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
#296#296	Seed 2.1 Turbonone	5.7	Bytedance Seed	$0.182	9.65s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 52.2% Instabile Tests 3 Eingabe-Token 298,242 Ausgabe-Token 13,105 Denk-Token 0 Antwortzeit (Durchschnitt) 9.65s Antwortzeit (Gesamt) 221.91s Antwortzeit (Maximum) 71.45s Falsche Antwort: 12 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 4.8 Programmierung : 4.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#302#302	Step 5 Previewlow	5.6	Stepfun	$4.110	138.27s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 58.0% Instabile Tests 7 Eingabe-Token 261,256 Ausgabe-Token 1,425,268 Denk-Token 0 Antwortzeit (Durchschnitt) 138.27s Antwortzeit (Gesamt) 3180.10s Antwortzeit (Maximum) 436.56s Keine Antwort: 7 API-Fehler: 2 Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.4 Anti-KI-Tricks : 6.9 Programmierung : 2.7 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#437#437	Solar Decide Flashdefault	1.7	Upstage	$0.003	1.33s
Modellkarte anzeigen Gesamttests 7 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 13.0% Instabile Tests 0 Eingabe-Token 47,586 Ausgabe-Token 51 Denk-Token 0 Antwortzeit (Durchschnitt) 1.33s Antwortzeit (Gesamt) 9.32s Antwortzeit (Maximum) 1.66s Falsche Antwort: 4 Agentenaufgaben : 0.0 Anti-KI-Tricks : 0.8 Programmierung : 0.0 Kombiniert : 0.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.4 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 1.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#440#440	Tev1 4B Experimentaldefault	1.0	Togethercomputer	$0.002	498ms
Modellkarte anzeigen Gesamttests 7 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 13.0% Instabile Tests 0 Eingabe-Token 33,864 Ausgabe-Token 96 Denk-Token 0 Antwortzeit (Durchschnitt) 498ms Antwortzeit (Gesamt) 3.49s Antwortzeit (Maximum) 602ms Falsche Antwort: 4 Agentenaufgaben : 0.0 Anti-KI-Tricks : 2.5 Programmierung : 0.0 Kombiniert : 0.0 Datenanalyse und -extraktion : 3.0 Domänenspezifisch : 6.7 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 1.7 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#424#424	Decider V1.2default	2.6	Perplexity	$0.001	517ms
Modellkarte anzeigen Gesamttests 12 Falsche Tests 7 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 24.6% Instabile Tests 1 Eingabe-Token 48,363 Ausgabe-Token 67 Denk-Token 0 Antwortzeit (Durchschnitt) 517ms Antwortzeit (Gesamt) 6.20s Antwortzeit (Maximum) 776ms Falsche Antwort: 5 API-Fehler: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 5.8 Programmierung : 4.5 Kombiniert : 0.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 1.7 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#303#303	GLM 5none	5.6	Z.ai	$0.140 ↑	8.74s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.6% Instabile Tests 1 Eingabe-Token 190,675 Ausgabe-Token 5,577 Denk-Token 0 Antwortzeit (Durchschnitt) 8.74s Antwortzeit (Gesamt) 131.17s Antwortzeit (Maximum) 74.80s Falsche Antwort: 13 Agentenaufgaben : 5.0 Anti-KI-Tricks : 4.8 Programmierung : 4.0 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#222#222	Claude Sonnet 5.5medium	6.5	Anthropic	$1.100	8.03s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.6% Instabile Tests 1 Eingabe-Token 361,183 Ausgabe-Token 26,609 Denk-Token 11,139 Antwortzeit (Durchschnitt) 8.03s Antwortzeit (Gesamt) 184.80s Antwortzeit (Maximum) 51.18s Zusätzliche Formatierung: 8 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Falsche Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.5 Programmierung : 3.4 Kombiniert : 8.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#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
#231#231	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
#259#259	Space Bunny Alphaxhigh	6.2	Stealth	$0.000	60.03s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.1% Instabile Tests 8 Eingabe-Token 363,310 Ausgabe-Token 381,919 Denk-Token 0 Antwortzeit (Durchschnitt) 60.03s Antwortzeit (Gesamt) 1380.67s Antwortzeit (Maximum) 459.99s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.2 Anti-KI-Tricks : 6.4 Programmierung : 6.6 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 5.6 Rätsellösen : 7.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#277#277	MiMo-V2.6-Pronone	6.0	Xiaomi	$0.193	9.66s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.5% Instabile Tests 2 Eingabe-Token 278,866 Ausgabe-Token 82,069 Denk-Token 0 Antwortzeit (Durchschnitt) 9.66s Antwortzeit (Gesamt) 222.07s Antwortzeit (Maximum) 106.86s Falsche Antwort: 10 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.5 Programmierung : 5.6 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.9 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