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)
#310#310	GPT-6 Lunanone	5.5	OpenAI	$0.026	20.48s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 40.6% Instabile Tests 5 Eingabe-Token 222,357 Ausgabe-Token 6,855 Denk-Token 0 Antwortzeit (Durchschnitt) 20.48s Antwortzeit (Gesamt) 470.96s Antwortzeit (Maximum) 98.62s Falsche Antwort: 13 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 6.2 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#323#323	Granite 4.2 8Blow	5.3	IBM Granite	$0.036	58.20s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 9.2 Erfolgsquote pro Versuch 33.3% Instabile Tests 1 Eingabe-Token 332,917 Ausgabe-Token 18,989 Denk-Token 42,362 Antwortzeit (Durchschnitt) 58.20s Antwortzeit (Gesamt) 1338.65s Antwortzeit (Maximum) 566.80s Falsche Antwort: 11 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 6.1 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
#331#331	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
#345#345	KAT Coder AIR V2.5low	5.0	Kwaipilot	$0.046	10.21s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 42.0% Instabile Tests 6 Eingabe-Token 61,094 Ausgabe-Token 6,532 Denk-Token 53,882 Antwortzeit (Durchschnitt) 10.21s Antwortzeit (Gesamt) 234.86s Antwortzeit (Maximum) 86.23s Falsche Antwort: 7 Zusätzliche Formatierung: 4 API-Fehler: 3 Anweisungen nicht befolgt: 2 Agentenaufgaben : 3.0 Anti-KI-Tricks : 7.3 Programmierung : 3.5 Kombiniert : 6.4 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#386#386	gpt-oss-120bnone	4.2	OpenAI	$0.016 ↓	28.63s
Modellkarte anzeigen Gesamttests 20 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.8% Instabile Tests 3 Eingabe-Token 131,652 Ausgabe-Token 16,869 Denk-Token 53,081 Antwortzeit (Durchschnitt) 28.63s Antwortzeit (Gesamt) 486.69s Antwortzeit (Maximum) 140.90s Falsche Antwort: 9 API-Fehler: 3 Anweisungen nicht befolgt: 2 Agentenaufgaben : 6.1 Anti-KI-Tricks : 6.5 Programmierung : 1.5 Kombiniert : 1.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#387#387	GLM 5 Turbonone	4.2	Z.ai	$0.047 ↑	2.82s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 29.0% Instabile Tests 2 Eingabe-Token 32,525 Ausgabe-Token 1,815 Denk-Token 0 Antwortzeit (Durchschnitt) 2.82s Antwortzeit (Gesamt) 59.29s Antwortzeit (Maximum) 8.21s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 Agentenaufgaben : 0.0 Anti-KI-Tricks : 3.0 Programmierung : 3.9 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#405#405	Elephant Alphamedium	3.5	Openrouter	$0.000	1.27s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 15 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 27.5% Instabile Tests 1 Eingabe-Token 33,744 Ausgabe-Token 2,596 Denk-Token 0 Antwortzeit (Durchschnitt) 1.27s Antwortzeit (Gesamt) 22.82s Antwortzeit (Maximum) 3.70s Falsche Antwort: 9 API-Fehler: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 6.6 Programmierung : 3.7 Kombiniert : 1.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.3 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#439#439	Solar Decidedefault	1.0	Upstage	$0.009 ↑	6.01s
Modellkarte anzeigen Gesamttests 7 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 14.5% Instabile Tests 3 Eingabe-Token 47,586 Ausgabe-Token 51 Denk-Token 0 Antwortzeit (Durchschnitt) 6.01s Antwortzeit (Gesamt) 42.05s Antwortzeit (Maximum) 13.10s Falsche Antwort: 5 Agentenaufgaben : 0.0 Anti-KI-Tricks : 0.8 Programmierung : 0.0 Kombiniert : 0.0 Datenanalyse und -extraktion : 3.7 Domänenspezifisch : 4.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 5.0 Rätsellösen : 1.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#416#416	Laguna Xs.2default	3.1	Poolside	$0.004 ↕	806ms
Modellkarte anzeigen Gesamttests 19 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 21.7% Instabile Tests 0 Eingabe-Token 33,675 Ausgabe-Token 2,826 Denk-Token 0 Antwortzeit (Durchschnitt) 806ms Antwortzeit (Gesamt) 12.09s Antwortzeit (Maximum) 2.01s Falsche Antwort: 8 API-Fehler: 4 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 3.0 Programmierung : 0.8 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#292#292	Trinity Large Thinkinghigh	5.7	Arcee AI	$0.794 ↑	74.52s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.0% Instabile Tests 8 Eingabe-Token 283,116 Ausgabe-Token 277,920 Denk-Token 665,124 Antwortzeit (Durchschnitt) 74.52s Antwortzeit (Gesamt) 1713.90s Antwortzeit (Maximum) 510.21s Falsche Antwort: 10 Anweisungen nicht befolgt: 4 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.7 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 6.3 Rätsellösen : 4.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#294#294	GPT-5.4 Mininone	5.7	OpenAI	$0.170	3.34s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.4% Instabile Tests 2 Eingabe-Token 172,438 Ausgabe-Token 8,828 Denk-Token 0 Antwortzeit (Durchschnitt) 3.34s Antwortzeit (Gesamt) 76.84s Antwortzeit (Maximum) 41.98s Falsche Antwort: 14 Anweisungen nicht befolgt: 3 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.1 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.4 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#295#295	Mistral Large 4none	5.7	Mistral	$0.290	20.43s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 31.9% Instabile Tests 2 Eingabe-Token 257,872 Ausgabe-Token 54,388 Denk-Token 0 Antwortzeit (Durchschnitt) 20.43s Antwortzeit (Gesamt) 469.88s Antwortzeit (Maximum) 192.80s Falsche Antwort: 15 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 3.6 Programmierung : 4.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 6.5 Rätsellösen : 7.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#304#304	Qwen3.5-35B-A3Bnone	5.6	Qwen	$0.120 ↓	18.31s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 37.7% Instabile Tests 4 Eingabe-Token 218,886 Ausgabe-Token 135,768 Denk-Token 0 Antwortzeit (Durchschnitt) 18.31s Antwortzeit (Gesamt) 421.19s Antwortzeit (Maximum) 209.15s Falsche Antwort: 14 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 3.4 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#307#307	Kimi K2.6none	5.5	Moonshot AI	$0.486 ↑	26.34s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.4% Instabile Tests 3 Eingabe-Token 241,357 Ausgabe-Token 64,021 Denk-Token 1 Antwortzeit (Durchschnitt) 26.34s Antwortzeit (Gesamt) 605.78s Antwortzeit (Maximum) 238.89s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 4.6 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#313#313	Seed-2.0-Codenone	5.4	Bytedance Seed	$0.257	17.51s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 9.0 Erfolgsquote pro Versuch 37.7% Instabile Tests 6 Eingabe-Token 319,668 Ausgabe-Token 32,069 Denk-Token 0 Antwortzeit (Durchschnitt) 17.51s Antwortzeit (Gesamt) 402.66s Antwortzeit (Maximum) 132.84s Falsche Antwort: 12 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Agentenaufgaben : 6.1 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
#318#318	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
#322#322	GPT-5.6 Lunanone	5.3	OpenAI	$0.042 ↓	3.78s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.8% Instabile Tests 3 Eingabe-Token 230,744 Ausgabe-Token 8,000 Denk-Token 0 Antwortzeit (Durchschnitt) 3.78s Antwortzeit (Gesamt) 86.83s Antwortzeit (Maximum) 53.77s Falsche Antwort: 15 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 4.8 Programmierung : 3.8 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 7.1 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#329#329	Ling 3.0 Flashnone	5.2	Inclusionai	$0.004 ↕	3.40s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 26.1% Instabile Tests 0 Eingabe-Token 123,993 Ausgabe-Token 12,777 Denk-Token 0 Antwortzeit (Durchschnitt) 3.40s Antwortzeit (Gesamt) 74.77s Antwortzeit (Maximum) 17.51s Falsche Antwort: 13 API-Fehler: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 4.8 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#336#336	Mercury 2.5low	5.1	Inception	$0.020	3.34s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 37.7% Instabile Tests 5 Eingabe-Token 326,083 Ausgabe-Token 7,224 Denk-Token 33,078 Antwortzeit (Durchschnitt) 3.34s Antwortzeit (Gesamt) 76.80s Antwortzeit (Maximum) 47.06s Falsche Antwort: 14 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 6.9 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 2.9 Rätsellösen : 5.9 Werkzeugaufrufe : 9.8 Allgemeinwissen : 3.0
#341#341	Mercury 2.5 Previewlow	5.0	Inception	$0.015 ↑	4.92s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 44.9% Instabile Tests 8 Eingabe-Token 235,438 Ausgabe-Token 8,136 Denk-Token 28,734 Antwortzeit (Durchschnitt) 4.92s Antwortzeit (Gesamt) 113.24s Antwortzeit (Maximum) 84.47s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 API-Fehler: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 5.6 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 8.2 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#364#364	DeepSeek V3.2none	4.6	DeepSeek	$0.119 ↑	22.44s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.8% Instabile Tests 5 Eingabe-Token 342,158 Ausgabe-Token 32,853 Denk-Token 25,013 Antwortzeit (Durchschnitt) 22.44s Antwortzeit (Gesamt) 516.03s Antwortzeit (Maximum) 122.50s Falsche Antwort: 9 API-Fehler: 3 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 3.2 Programmierung : 3.1 Kombiniert : 4.8 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#373#373	Ling 2.6 Flashdefault	4.5	Inclusionai	$0.002 ↑	10.21s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 29.0% Instabile Tests 2 Eingabe-Token 114,384 Ausgabe-Token 14,903 Denk-Token 0 Antwortzeit (Durchschnitt) 10.21s Antwortzeit (Gesamt) 214.31s Antwortzeit (Maximum) 36.03s Falsche Antwort: 9 API-Fehler: 3 Ungültiger Werkzeugaufruf: 3 Anweisungen nicht befolgt: 2 Agentenaufgaben : 3.0 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
#427#427	GPT-6 Luna Decisionsdefault	2.4	OpenAI	$0.005	495ms
Modellkarte anzeigen Gesamttests 12 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 13.0% Instabile Tests 0 Eingabe-Token 47,583 Ausgabe-Token 0 Denk-Token 0 Antwortzeit (Durchschnitt) 495ms Antwortzeit (Gesamt) 5.94s Antwortzeit (Maximum) 842ms Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 2.3 Programmierung : 2.5 Kombiniert : 0.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 1.7 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#428#428	Kev 4Bdefault	2.4	Jaredpalmer	$0.002	5.63s
Modellkarte anzeigen Gesamttests 12 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 15.9% Instabile Tests 1 Eingabe-Token 42,804 Ausgabe-Token 28,061 Denk-Token 0 Antwortzeit (Durchschnitt) 5.63s Antwortzeit (Gesamt) 67.61s Antwortzeit (Maximum) 17.79s Falsche Antwort: 9 Agentenaufgaben : 0.0 Anti-KI-Tricks : 2.3 Programmierung : 4.5 Kombiniert : 0.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 2.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#430#430	Classify-1default	2.2	Scaledown	$0.008	4.58s
Modellkarte anzeigen Gesamttests 12 Falsche Tests 9 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 18.8% Instabile Tests 2 Eingabe-Token 195,645 Ausgabe-Token 164 Denk-Token 0 Antwortzeit (Durchschnitt) 4.58s Antwortzeit (Gesamt) 55.01s Antwortzeit (Maximum) 13.35s Falsche Antwort: 8 API-Fehler: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.0 Programmierung : 2.7 Kombiniert : 0.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 1.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0

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