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)
#447#447	Microsoft-Decision-1default	1.4	Microsoft	$0.002	982ms
Modellkarte anzeigen Gesamttests 12 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 7.3% Instabile Tests 1 Eingabe-Token 41,466 Ausgabe-Token 69 Denk-Token 0 Antwortzeit (Durchschnitt) 982ms Antwortzeit (Gesamt) 11.78s Antwortzeit (Maximum) 1.41s Falsche Antwort: 11 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.4 Programmierung : 2.2 Kombiniert : 0.0 Datenanalyse und -extraktion : 3.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 1.7 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#435#435	Drex v1.5default	2.4	Nace AI	$0.002	986ms
Modellkarte anzeigen Gesamttests 12 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 17.4% Instabile Tests 0 Eingabe-Token 42,804 Ausgabe-Token 27,468 Denk-Token 0 Antwortzeit (Durchschnitt) 986ms Antwortzeit (Gesamt) 11.84s Antwortzeit (Maximum) 1.38s Falsche Antwort: 8 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.0 Programmierung : 4.5 Kombiniert : 0.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 1.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#382#382	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
#434#434	Decider V1.1 27Bdefault	2.6	Perplexity	$0.002	320ms
Modellkarte anzeigen Gesamttests 12 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 17.4% Instabile Tests 0 Eingabe-Token 73,557 Ausgabe-Token 69 Denk-Token 0 Antwortzeit (Durchschnitt) 320ms Antwortzeit (Gesamt) 3.84s Antwortzeit (Maximum) 491ms Falsche Antwort: 8 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.0 Programmierung : 4.9 Kombiniert : 0.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 1.7 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#449#449	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
#433#433	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
#428#428	Span-02default	2.8	Respan	$0.001	1.36s
Modellkarte anzeigen Gesamttests 12 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 26.1% Instabile Tests 0 Eingabe-Token 70,626 Ausgabe-Token 0 Denk-Token 0 Antwortzeit (Durchschnitt) 1.36s Antwortzeit (Gesamt) 16.37s Antwortzeit (Maximum) 5.71s Falsche Antwort: 6 Agentenaufgaben : 0.0 Anti-KI-Tricks : 5.8 Programmierung : 4.9 Kombiniert : 0.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 5.0 Rätsellösen : 1.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#441#441	Decider Flash V1.2default	1.9	Perplexity	$0.001	462ms
Modellkarte anzeigen Gesamttests 12 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 13.0% Instabile Tests 0 Eingabe-Token 49,176 Ausgabe-Token 69 Denk-Token 0 Antwortzeit (Durchschnitt) 462ms Antwortzeit (Gesamt) 5.55s Antwortzeit (Maximum) 661ms Falsche Antwort: 9 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.0 Programmierung : 2.2 Kombiniert : 0.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 1.0 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#445#445	LFM2-24B-A2Bdefault	1.8	Liquid	$0.001	782ms
Modellkarte anzeigen Gesamttests 16 Falsche Tests 14 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 11.6% Instabile Tests 1 Eingabe-Token 10,771 Ausgabe-Token 1,173 Denk-Token 0 Antwortzeit (Durchschnitt) 782ms Antwortzeit (Gesamt) 10.94s Antwortzeit (Maximum) 3.15s Falsche Antwort: 9 API-Fehler: 4 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 2.5 Programmierung : 0.0 Kombiniert : 1.5 Datenanalyse und -extraktion : 3.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.8 Werkzeugaufrufe : 3.0 Allgemeinwissen : 0.0
#450#450	Nimble v3 9Bdefault	0.8	Bespoke Labs	~$0.001	363ms
Modellkarte anzeigen Gesamttests 7 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 4.4% Instabile Tests 0 Eingabe-Token 103,770 Ausgabe-Token 0 Denk-Token 0 Antwortzeit (Durchschnitt) 363ms Antwortzeit (Gesamt) 2.54s Antwortzeit (Maximum) 1.24s Falsche Antwort: 5 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 2.5 Programmierung : 0.0 Kombiniert : 0.0 Datenanalyse und -extraktion : 3.0 Domänenspezifisch : 2.0 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 1.5 Rätsellösen : 1.7 Werkzeugaufrufe : 0.0 Allgemeinwissen : 0.0
#97#97	Ling 3.1 Flashmedium	8.3	Inclusionai	$0.000	88.74s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 71.0% Instabile Tests 3 Eingabe-Token 369,495 Ausgabe-Token 172,852 Denk-Token 476,002 Antwortzeit (Durchschnitt) 88.74s Antwortzeit (Gesamt) 2041.10s Antwortzeit (Maximum) 567.88s Keine Antwort: 4 Falsche Antwort: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 6.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#125#125	Ling 3.1 Flashhigh	7.9	Inclusionai	$0.000	87.39s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 69.6% Instabile Tests 2 Eingabe-Token 324,691 Ausgabe-Token 181,251 Denk-Token 506,441 Antwortzeit (Durchschnitt) 87.39s Antwortzeit (Gesamt) 2010.08s Antwortzeit (Maximum) 665.85s Keine Antwort: 4 Falsche Antwort: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#146#146	Space Bunny Alphahigh	7.5	Stealth	$0.000	29.38s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 4 Eingabe-Token 302,228 Ausgabe-Token 181,271 Denk-Token 0 Antwortzeit (Durchschnitt) 29.38s Antwortzeit (Gesamt) 675.79s Antwortzeit (Maximum) 234.56s Falsche Antwort: 10 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.4 Programmierung : 6.2 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.2 Rätsellösen : 8.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#181#181	Minimax M3.1 Flashlow	7.1	Minimax	$0.000	14.84s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.1% Instabile Tests 1 Eingabe-Token 285,795 Ausgabe-Token 10,087 Denk-Token 86,695 Antwortzeit (Durchschnitt) 14.84s Antwortzeit (Gesamt) 341.25s Antwortzeit (Maximum) 133.79s Falsche Antwort: 9 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.5 Programmierung : 5.7 Kombiniert : 7.2 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#194#194	Minimax M3.1 Flashmax	6.9	Minimax	$0.000	40.94s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.4% Instabile Tests 6 Eingabe-Token 398,523 Ausgabe-Token 7,992 Denk-Token 303,691 Antwortzeit (Durchschnitt) 40.94s Antwortzeit (Gesamt) 941.68s Antwortzeit (Maximum) 256.57s Falsche Antwort: 8 Ungültiger Werkzeugaufruf: 2 API-Fehler: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.2 Anti-KI-Tricks : 6.4 Programmierung : 10.0 Kombiniert : 6.4 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 5.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#206#206	Space Bunny Alphamax	6.7	Stealth	$0.000	36.24s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.4% Instabile Tests 5 Eingabe-Token 315,136 Ausgabe-Token 219,014 Denk-Token 0 Antwortzeit (Durchschnitt) 36.24s Antwortzeit (Gesamt) 833.43s Antwortzeit (Maximum) 320.00s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 Agentenaufgaben : 6.1 Anti-KI-Tricks : 6.4 Programmierung : 5.7 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 5.9 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#217#217	Apodex 1.1 Minihigh	6.7	Apodex	$0.000	31.25s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 9 Eingabe-Token 365,069 Ausgabe-Token 133,336 Denk-Token 344,133 Antwortzeit (Durchschnitt) 31.25s Antwortzeit (Gesamt) 718.67s Antwortzeit (Maximum) 114.61s Falsche Antwort: 9 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 5.5 Kombiniert : 4.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 8.0 Rätsellösen : 8.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#228#228	Minimax M3.1 Flashhigh	6.5	Minimax	$0.000	34.00s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.5% Instabile Tests 8 Eingabe-Token 357,984 Ausgabe-Token 70,004 Denk-Token 209,434 Antwortzeit (Durchschnitt) 34.00s Antwortzeit (Gesamt) 781.92s Antwortzeit (Maximum) 280.72s Falsche Antwort: 8 Anweisungen nicht befolgt: 4 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 6.4 Programmierung : 5.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 5.3 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#243#243	Minimax M3.1 Flashxhigh	6.4	Minimax	$0.000	21.71s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.5% Instabile Tests 5 Eingabe-Token 318,768 Ausgabe-Token 9,865 Denk-Token 155,441 Antwortzeit (Durchschnitt) 21.71s Antwortzeit (Gesamt) 499.37s Antwortzeit (Maximum) 87.61s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 6.5 Programmierung : 6.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 4.9 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#249#249	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
#250#250	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
#256#256	Minimax M3.1 Flashmedium	6.3	Minimax	$0.000	19.52s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.1% Instabile Tests 9 Eingabe-Token 363,168 Ausgabe-Token 10,380 Denk-Token 132,146 Antwortzeit (Durchschnitt) 19.52s Antwortzeit (Gesamt) 449.04s Antwortzeit (Maximum) 181.80s Falsche Antwort: 9 Anweisungen nicht befolgt: 3 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 7.4 Anti-KI-Tricks : 6.4 Programmierung : 5.5 Kombiniert : 7.2 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 4.8 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#260#260	Ling 3.1 Flashlow	6.3	Inclusionai	$0.000	85.22s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 66.7% Instabile Tests 6 Eingabe-Token 271,890 Ausgabe-Token 190,841 Denk-Token 513,329 Antwortzeit (Durchschnitt) 85.22s Antwortzeit (Gesamt) 1960.12s Antwortzeit (Maximum) 432.81s Keine Antwort: 4 Anweisungen nicht befolgt: 3 Falsche Antwort: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 10.0 Programmierung : 5.6 Kombiniert : 6.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.9 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#262#262	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
#267#267	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

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