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)
#423#423	Command A+high	3.2	Cohere	$0.079	89.96s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 23 Zuverlässigkeit 3.5 Erfolgsquote pro Versuch 0.0% Instabile Tests 0 Eingabe-Token 117,966 Ausgabe-Token 5,149 Denk-Token 23,514 Antwortzeit (Durchschnitt) 89.96s Antwortzeit (Gesamt) 2069.01s Antwortzeit (Maximum) 156.00s API-Fehler: 22 Falsche Antwort: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 3.0 Programmierung : 3.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 3.0 Rätsellösen : 3.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#258#258	Solar Pro 4high	6.3	Upstage	$0.077 ↑	128.91s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 6 Eingabe-Token 209,002 Ausgabe-Token 24,675 Denk-Token 377,528 Antwortzeit (Durchschnitt) 128.91s Antwortzeit (Gesamt) 2965.04s Antwortzeit (Maximum) 491.07s Falsche Antwort: 6 Anweisungen nicht befolgt: 3 API-Fehler: 1 Zusätzliche Formatierung: 1 Keine Antwort: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 8.7 Programmierung : 5.7 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 7.9 Rätsellösen : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#340#340	KAT Coder AIR V2.5high	5.2	Kwaipilot	$0.077	15.23s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 40.6% Instabile Tests 5 Eingabe-Token 50,423 Ausgabe-Token 4,144 Denk-Token 110,510 Antwortzeit (Durchschnitt) 15.23s Antwortzeit (Gesamt) 350.26s Antwortzeit (Maximum) 118.35s Falsche Antwort: 9 API-Fehler: 4 Zusätzliche Formatierung: 3 Agentenaufgaben : 3.0 Anti-KI-Tricks : 6.9 Programmierung : 4.3 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#221#221	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
#135#135	GPT-6 Lunahigh	7.7	OpenAI	$0.074	20.37s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.9% Instabile Tests 4 Eingabe-Token 229,986 Ausgabe-Token 6,037 Denk-Token 95,550 Antwortzeit (Durchschnitt) 20.37s Antwortzeit (Gesamt) 468.52s Antwortzeit (Maximum) 106.93s Falsche Antwort: 6 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.2 Anti-KI-Tricks : 10.0 Programmierung : 7.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 8.4 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#427#427	Command A+low	3.0	Cohere	$0.073	92.50s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 23 Zuverlässigkeit 3.5 Erfolgsquote pro Versuch 1.5% Instabile Tests 1 Eingabe-Token 114,874 Ausgabe-Token 1,992 Denk-Token 23,529 Antwortzeit (Durchschnitt) 92.50s Antwortzeit (Gesamt) 2127.40s Antwortzeit (Maximum) 128.54s API-Fehler: 22 Falsche Antwort: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 3.0 Programmierung : 3.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 3.0 Rätsellösen : 3.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#170#170	Qwen3.8 27Bmedium	7.2	Qwen	~$0.073	40.09s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 66.7% Instabile Tests 2 Eingabe-Token 277,164 Ausgabe-Token 1,913 Denk-Token 168,783 Antwortzeit (Durchschnitt) 40.09s Antwortzeit (Gesamt) 881.89s Antwortzeit (Maximum) 214.63s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 8.7 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.3 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#140#140	Qwen3.7 Flashlow	7.7	Qwen	$0.071 ↑	41.03s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 6 Eingabe-Token 318,058 Ausgabe-Token 16,035 Denk-Token 315,072 Antwortzeit (Durchschnitt) 41.03s Antwortzeit (Gesamt) 943.75s Antwortzeit (Maximum) 394.54s Falsche Antwort: 7 Anweisungen nicht befolgt: 3 API-Fehler: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 6.7 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 8.5 Rätsellösen : 7.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#372#372	Qwen3 Coder Nextmedium	4.7	Qwen	$0.071 ↑	16.97s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 20 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 24.6% Instabile Tests 4 Eingabe-Token 311,647 Ausgabe-Token 40,395 Denk-Token 0 Antwortzeit (Durchschnitt) 16.97s Antwortzeit (Gesamt) 305.55s Antwortzeit (Maximum) 151.35s Falsche Antwort: 15 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.5 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 6.3 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#387#387	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
#290#290	Gemini 3.1 Flash Litenone	5.9	Google	$0.069	3.58s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 47.8% Instabile Tests 4 Eingabe-Token 202,069 Ausgabe-Token 11,961 Denk-Token 0 Antwortzeit (Durchschnitt) 3.58s Antwortzeit (Gesamt) 82.24s Antwortzeit (Maximum) 43.82s Falsche Antwort: 12 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 7.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#402#402	Grok 4.1 Fastmedium	3.9	X AI	$0.069 ↑	23.85s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.7% Instabile Tests 6 Eingabe-Token 42,845 Ausgabe-Token 2,006 Denk-Token 96,334 Antwortzeit (Durchschnitt) 23.85s Antwortzeit (Gesamt) 286.16s Antwortzeit (Maximum) 121.79s Anweisungen nicht befolgt: 4 Falsche Antwort: 4 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 8.7 Programmierung : 0.8 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.8 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#374#374	GPT-5.4 Nanonone	4.6	OpenAI	$0.068	4.42s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 26.1% Instabile Tests 4 Eingabe-Token 246,687 Ausgabe-Token 14,894 Denk-Token 0 Antwortzeit (Durchschnitt) 4.42s Antwortzeit (Gesamt) 101.75s Antwortzeit (Maximum) 45.38s Falsche Antwort: 16 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Agentenaufgaben : 3.9 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
#207#207	Solar Pro 4xhigh	6.7	Upstage	$0.067	142.76s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 58.0% Instabile Tests 2 Eingabe-Token 150,033 Ausgabe-Token 22,347 Denk-Token 402,143 Antwortzeit (Durchschnitt) 142.76s Antwortzeit (Gesamt) 3283.43s Antwortzeit (Maximum) 491.42s Falsche Antwort: 5 Anweisungen nicht befolgt: 3 Keine Antwort: 2 Zusätzliche Formatierung: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.3 Programmierung : 5.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.4 Rätsellösen : 8.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#357#357	Qwen3 Coder Nextdefault	4.9	Qwen	$0.067 ↑	19.73s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 24.6% Instabile Tests 1 Eingabe-Token 250,329 Ausgabe-Token 45,168 Denk-Token 0 Antwortzeit (Durchschnitt) 19.73s Antwortzeit (Gesamt) 355.09s Antwortzeit (Maximum) 208.38s Falsche Antwort: 15 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 3.6 Programmierung : 4.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#151#151	GPT-5.6 Lunamedium	7.4	OpenAI	$0.065 ↓	9.64s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.3% Instabile Tests 3 Eingabe-Token 212,780 Ausgabe-Token 6,849 Denk-Token 41,137 Antwortzeit (Durchschnitt) 9.64s Antwortzeit (Gesamt) 221.62s Antwortzeit (Maximum) 58.09s Falsche Antwort: 9 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 7.4 Anti-KI-Tricks : 8.3 Programmierung : 5.4 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#417#417	Command A+medium	3.4	Cohere	$0.064	91.72s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 23 Zuverlässigkeit 3.5 Erfolgsquote pro Versuch 0.0% Instabile Tests 0 Eingabe-Token 118,771 Ausgabe-Token 4,127 Denk-Token 14,668 Antwortzeit (Durchschnitt) 91.72s Antwortzeit (Gesamt) 2109.54s Antwortzeit (Maximum) 112.76s API-Fehler: 22 Falsche Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.0 Programmierung : 3.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 3.0 Rätsellösen : 3.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#138#138	Claude Haiku 5.5medium	7.7	Anthropic	$0.063	7.71s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 7 Eingabe-Token 298,334 Ausgabe-Token 10,328 Denk-Token 55,846 Antwortzeit (Durchschnitt) 7.71s Antwortzeit (Gesamt) 177.29s Antwortzeit (Maximum) 47.70s Falsche Antwort: 5 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.7 Programmierung : 6.3 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#173#173	Qwen3.7 Flashhigh	7.2	Qwen	$0.063	45.48s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 7 Eingabe-Token 293,775 Ausgabe-Token 13,527 Denk-Token 396,291 Antwortzeit (Durchschnitt) 45.48s Antwortzeit (Gesamt) 1045.97s Antwortzeit (Maximum) 431.47s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#75#75	Claude Haiku 5.5low	8.6	Anthropic	$0.061	7.51s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.8% Instabile Tests 3 Eingabe-Token 296,301 Ausgabe-Token 10,672 Denk-Token 50,978 Antwortzeit (Durchschnitt) 7.51s Antwortzeit (Gesamt) 172.74s Antwortzeit (Maximum) 44.43s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.7 Programmierung : 7.9 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#327#327	MiMo-V2.6-Flashnone	5.4	Xiaomi	$0.060	6.20s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.4% Instabile Tests 2 Eingabe-Token 276,697 Ausgabe-Token 75,728 Denk-Token 0 Antwortzeit (Durchschnitt) 6.20s Antwortzeit (Gesamt) 142.63s Antwortzeit (Maximum) 62.57s Falsche Antwort: 15 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 4.8 Programmierung : 3.7 Kombiniert : 3.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#416#416	Grok 4.20none	3.4	X AI	$0.057 ↓	1.11s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 12 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 26.1% Instabile Tests 0 Eingabe-Token 41,313 Ausgabe-Token 1,923 Denk-Token 0 Antwortzeit (Durchschnitt) 1.11s Antwortzeit (Gesamt) 19.96s Antwortzeit (Maximum) 6.04s Falsche Antwort: 10 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.8 Programmierung : 1.1 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#161#161	GLM 5.3 Flashhigh	7.3	Z.ai	$0.056	29.11s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 4 Eingabe-Token 225,013 Ausgabe-Token 12,197 Denk-Token 87,143 Antwortzeit (Durchschnitt) 29.11s Antwortzeit (Gesamt) 669.54s Antwortzeit (Maximum) 163.41s Falsche Antwort: 4 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 7.4 Anti-KI-Tricks : 8.3 Programmierung : 8.2 Kombiniert : 6.4 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
#337#337	Inkling Smalllow	5.2	Thinkingmachines	$0.055 ↓	1.99s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.8% Instabile Tests 4 Eingabe-Token 81,447 Ausgabe-Token 2,715 Denk-Token 11,971 Antwortzeit (Durchschnitt) 1.99s Antwortzeit (Gesamt) 45.67s Antwortzeit (Maximum) 5.82s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 API-Fehler: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 9.2 Programmierung : 4.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.3 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#296#296	DeepSeek V4.1 Flash 1017none	5.8	DeepSeek	$0.055	3.46s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.2% Instabile Tests 1 Eingabe-Token 293,927 Ausgabe-Token 16,806 Denk-Token 0 Antwortzeit (Durchschnitt) 3.46s Antwortzeit (Gesamt) 79.48s Antwortzeit (Maximum) 43.95s Falsche Antwort: 14 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.6 Programmierung : 5.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.4 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