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)
#284#284	MiniMax M2.5medium	4.6	Minimax	$0.327 ↑	69.08s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 9 Eingabe-Token 142,621 Ausgabe-Token 20,409 Denk-Token 251,820 Antwortzeit (Durchschnitt) 69.08s Antwortzeit (Gesamt) 1036.24s Antwortzeit (Maximum) 251.36s Falsche Antwort: 7 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 3 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.9 Programmierung : 3.4 Kombiniert : 3.7 Datenanalyse und -extraktion : 4.6 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 7.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#287#287	Laguna M.1none	4.4	Poolside	$0.009 ↕	2.89s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 15 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 27.3% Instabile Tests 3 Eingabe-Token 38,147 Ausgabe-Token 2,054 Denk-Token 0 Antwortzeit (Durchschnitt) 2.89s Antwortzeit (Gesamt) 43.28s Antwortzeit (Maximum) 15.42s Falsche Antwort: 10 API-Fehler: 4 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.4 Programmierung : 2.5 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#308#308	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.4	NVIDIA	$0.000	17.13s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.3% Instabile Tests 5 Eingabe-Token 11,661 Ausgabe-Token 48,491 Denk-Token 180,695 Antwortzeit (Durchschnitt) 17.13s Antwortzeit (Gesamt) 222.66s Antwortzeit (Maximum) 147.45s Falsche Antwort: 7 API-Fehler: 6 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 6.4 Programmierung : 1.1 Kombiniert : 1.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 7.3 Rätsellösen : 2.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#276#276	Trinity Large Previewnone	4.8	Arcee AI	$0.008 ↑	2.98s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 21.2% Instabile Tests 2 Eingabe-Token 29,828 Ausgabe-Token 2,169 Denk-Token 0 Antwortzeit (Durchschnitt) 2.98s Antwortzeit (Gesamt) 56.57s Antwortzeit (Maximum) 14.34s Falsche Antwort: 12 Anweisungen nicht befolgt: 3 API-Fehler: 2 Anti-KI-Tricks : 3.1 Programmierung : 3.7 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 3.5 Rätsellösen : 3.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#295#295	Hy3 previewnone	4.0	Tencent	$0.007 ↕	12.92s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 22.7% 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 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
#296#296	MiMo-V2-Flashnone	4.0	Xiaomi	$0.025 ↑	2.76s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 6.7 Erfolgsquote pro Versuch 24.2% Instabile Tests 4 Eingabe-Token 36,851 Ausgabe-Token 68,882 Denk-Token 0 Antwortzeit (Durchschnitt) 2.76s Antwortzeit (Gesamt) 46.99s Antwortzeit (Maximum) 19.68s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 3.2 Programmierung : 4.3 Kombiniert : 1.5 Datenanalyse und -extraktion : 2.9 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#233#233	DeepSeek V4 Flash 0423none	5.4	DeepSeek	$0.037 ↓	36.17s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.3% Instabile Tests 4 Eingabe-Token 240,230 Ausgabe-Token 100,726 Denk-Token 0 Antwortzeit (Durchschnitt) 36.17s Antwortzeit (Gesamt) 795.83s Antwortzeit (Maximum) 247.27s Falsche Antwort: 13 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.0 Programmierung : 4.2 Kombiniert : 4.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#234#234	Laguna S 2.1medium	5.4	Poolside	$0.053 ↓	58.42s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 24.2% Instabile Tests 3 Eingabe-Token 86,647 Ausgabe-Token 97,298 Denk-Token 242,297 Antwortzeit (Durchschnitt) 58.42s Antwortzeit (Gesamt) 1285.26s Antwortzeit (Maximum) 560.31s Falsche Antwort: 13 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 2 Anweisungen nicht befolgt: 1 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
#239#239	DeepSeek V4 Flash 0731none	5.4	DeepSeek	$0.011 ↓	20.72s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.3% Instabile Tests 4 Eingabe-Token 94,566 Ausgabe-Token 25,426 Denk-Token 0 Antwortzeit (Durchschnitt) 20.72s Antwortzeit (Gesamt) 455.81s Antwortzeit (Maximum) 387.15s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 3.4 Programmierung : 4.3 Kombiniert : 3.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 5.0 Rätsellösen : 3.2 Werkzeugaufrufe : 9.5 Allgemeinwissen : 3.0
#240#240	Laguna S 2.1high	5.4	Poolside	$0.114 ↓	111.60s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.3% Instabile Tests 5 Eingabe-Token 208,937 Ausgabe-Token 175,588 Denk-Token 409,276 Antwortzeit (Durchschnitt) 111.60s Antwortzeit (Gesamt) 2455.24s Antwortzeit (Maximum) 1190.11s Falsche Antwort: 11 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.4 Programmierung : 5.3 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 4.6 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#244#244	Ling-2.6-1Tnone	5.3	Inclusionai	$0.016 ↑	8.59s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 18.2% Instabile Tests 0 Eingabe-Token 106,423 Ausgabe-Token 11,555 Denk-Token 0 Antwortzeit (Durchschnitt) 8.59s Antwortzeit (Gesamt) 163.20s Antwortzeit (Maximum) 25.72s Falsche Antwort: 12 API-Fehler: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.4 Programmierung : 3.8 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 3.1 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#246#246	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.051 ↓	5.57s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 28.8% Instabile Tests 5 Eingabe-Token 93,990 Ausgabe-Token 45,905 Denk-Token 0 Antwortzeit (Durchschnitt) 5.57s Antwortzeit (Gesamt) 111.32s Antwortzeit (Maximum) 39.54s Falsche Antwort: 13 API-Fehler: 2 Anweisungen nicht befolgt: 2 Keine Antwort: 1 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
#256#256	Qwen3.5-9Bnone	5.1	Qwen	$0.021 ↑	19.19s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 19.7% Instabile Tests 1 Eingabe-Token 144,416 Ausgabe-Token 37,484 Denk-Token 0 Antwortzeit (Durchschnitt) 19.19s Antwortzeit (Gesamt) 422.25s Antwortzeit (Maximum) 382.06s Falsche Antwort: 14 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 3.1 Programmierung : 3.9 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#258#258	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
#265#265	Mercury 2.5 Previewnone	4.9	Inception	$0.018	3.51s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.3% Instabile Tests 5 Eingabe-Token 130,296 Ausgabe-Token 82,585 Denk-Token 0 Antwortzeit (Durchschnitt) 3.51s Antwortzeit (Gesamt) 77.28s Antwortzeit (Maximum) 60.70s Falsche Antwort: 16 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.8 Programmierung : 4.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#271#271	GPT-5.4 Nanonone	4.8	OpenAI	$0.041	2.56s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.3% Instabile Tests 4 Eingabe-Token 115,933 Ausgabe-Token 13,794 Denk-Token 0 Antwortzeit (Durchschnitt) 2.56s Antwortzeit (Gesamt) 56.37s Antwortzeit (Maximum) 25.50s Falsche Antwort: 15 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Anti-KI-Tricks : 3.5 Programmierung : 4.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#281#281	Mercury 2none	4.7	Inception	$0.030	825ms
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 24.2% Instabile Tests 2 Eingabe-Token 89,637 Ausgabe-Token 9,584 Denk-Token 0 Antwortzeit (Durchschnitt) 825ms Antwortzeit (Gesamt) 18.14s Antwortzeit (Maximum) 4.52s Falsche Antwort: 17 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.0 Programmierung : 3.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#282#282	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
#289#289	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
#301#301	Ling 3.0 Tinyhigh	3.8	Inclusionai	$0.000	75.68s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 24.2% Instabile Tests 3 Eingabe-Token 115,314 Ausgabe-Token 133,965 Denk-Token 816,718 Antwortzeit (Durchschnitt) 75.68s Antwortzeit (Gesamt) 1589.20s Antwortzeit (Maximum) 345.15s Keine Antwort: 7 Falsche Antwort: 6 Anweisungen nicht befolgt: 3 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.4 Programmierung : 2.9 Kombiniert : 3.0 Datenanalyse und -extraktion : 2.8 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 6.8 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#302#302	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
#305#305	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
#303#303	Grok 4.1 Fastnone	3.8	X AI	$0.008 ↓	1.62s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 19.7% Instabile Tests 3 Eingabe-Token 36,608 Ausgabe-Token 1,723 Denk-Token 0 Antwortzeit (Durchschnitt) 1.62s Antwortzeit (Gesamt) 19.48s Antwortzeit (Maximum) 5.51s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 3.2 Programmierung : 1.8 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 3.0 Rätsellösen : 3.0 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#228#228	Hy4 previewlow	5.6	Tencent	$1.745	214.25s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 5.4 Erfolgsquote pro Versuch 19.7% Instabile Tests 3 Eingabe-Token 45,154 Ausgabe-Token 4,022 Denk-Token 678,516 Antwortzeit (Durchschnitt) 214.25s Antwortzeit (Gesamt) 4713.56s Antwortzeit (Maximum) 597.45s API-Fehler: 14 Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 6.0 Programmierung : 5.2 Kombiniert : 2.9 Datenanalyse und -extraktion : 8.7 Domänenspezifisch : 4.5 Allgemeine Intelligenz : 7.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.3 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#247#247	Dots 3 Note Previewnone	5.2	Dots Studio	$0.000	3.53s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 16.7% Instabile Tests 1 Eingabe-Token 116,155 Ausgabe-Token 19,679 Denk-Token 0 Antwortzeit (Durchschnitt) 3.53s Antwortzeit (Gesamt) 77.68s Antwortzeit (Maximum) 24.48s Falsche Antwort: 15 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.1 Programmierung : 4.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 4.8 Rätsellösen : 3.3 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 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