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)
#386#386	Nemotron 3 Supernone	4.5	NVIDIA	$0.016 ↑	7.11s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 9.5 Erfolgsquote pro Versuch 27.5% Instabile Tests 3 Eingabe-Token 146,361 Ausgabe-Token 9,073 Denk-Token 1 Antwortzeit (Durchschnitt) 7.11s Antwortzeit (Gesamt) 163.46s Antwortzeit (Maximum) 30.51s Falsche Antwort: 16 Anweisungen nicht befolgt: 2 Agentenaufgaben : 2.8 Anti-KI-Tricks : 4.8 Programmierung : 3.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.5 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#30#30	Muse Spark Openhigh	9.2	Meta	$1.782	151.96s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 76.8% Instabile Tests 1 Eingabe-Token 270,889 Ausgabe-Token 10,688 Denk-Token 328,857 Antwortzeit (Durchschnitt) 151.96s Antwortzeit (Gesamt) 3495.01s Antwortzeit (Maximum) 960.01s Zeitüberschreitung: 2 Falsche Antwort: 2 API-Fehler: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#71#71	DeepSeek V4.1 Flashmax	8.6	DeepSeek	$1.204 ↑	61.58s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 69.6% Instabile Tests 2 Eingabe-Token 414,054 Ausgabe-Token 7,635 Denk-Token 900,536 Antwortzeit (Durchschnitt) 61.58s Antwortzeit (Gesamt) 1416.24s Antwortzeit (Maximum) 335.08s Falsche Antwort: 6 API-Fehler: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#148#148	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.140	91.67s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 59.4% Instabile Tests 3 Eingabe-Token 313,368 Ausgabe-Token 12,289 Denk-Token 259,270 Antwortzeit (Durchschnitt) 91.67s Antwortzeit (Gesamt) 1833.43s Antwortzeit (Maximum) 301.78s Falsche Antwort: 5 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.6 Programmierung : 5.5 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#394#394	GLM 4.7 Flashmedium	4.2	Z.ai	$0.193	150.90s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 30.4% Instabile Tests 8 Eingabe-Token 228,711 Ausgabe-Token 42,254 Denk-Token 422,121 Antwortzeit (Durchschnitt) 150.90s Antwortzeit (Gesamt) 2414.33s Antwortzeit (Maximum) 1539.97s Falsche Antwort: 10 Keine Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Zeitüberschreitung: 2 Agentenaufgaben : 3.9 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
#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
#439#439	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
#94#94	Kimi K3max	8.3	Moonshot AI	$3.409 ↓	139.41s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 9.3 Erfolgsquote pro Versuch 78.3% Instabile Tests 2 Eingabe-Token 170,700 Ausgabe-Token 7,719 Denk-Token 225,608 Antwortzeit (Durchschnitt) 139.41s Antwortzeit (Gesamt) 2788.26s Antwortzeit (Maximum) 766.58s API-Fehler: 2 Keine Antwort: 2 Zusätzliche Formatierung: 1 Zeitüberschreitung: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 6.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#134#134	Muse Wonderhigh	7.7	Meta	$3.426	22.96s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 9.3 Erfolgsquote pro Versuch 66.7% Instabile Tests 1 Eingabe-Token 94,153 Ausgabe-Token 9,606 Denk-Token 142,834 Antwortzeit (Durchschnitt) 22.96s Antwortzeit (Gesamt) 528.08s Antwortzeit (Maximum) 143.21s API-Fehler: 6 Falsche Antwort: 2 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 9.8 Allgemeinwissen : 2.8
#393#393	MiniMax M2.5medium	4.3	Minimax	$0.440 ↑	102.32s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 9.3 Erfolgsquote pro Versuch 42.0% Instabile Tests 9 Eingabe-Token 188,239 Ausgabe-Token 27,822 Denk-Token 262,674 Antwortzeit (Durchschnitt) 102.32s Antwortzeit (Gesamt) 1637.05s Antwortzeit (Maximum) 600.81s Falsche Antwort: 7 Zeitüberschreitung: 5 Anweisungen nicht befolgt: 3 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 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
#147#147	GLM 5.1medium	7.5	Z.ai	$1.546 ↑	66.38s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 9.2 Erfolgsquote pro Versuch 66.7% Instabile Tests 4 Eingabe-Token 331,577 Ausgabe-Token 17,919 Denk-Token 230,789 Antwortzeit (Durchschnitt) 66.38s Antwortzeit (Gesamt) 1460.31s Antwortzeit (Maximum) 308.75s Falsche Antwort: 5 Zeitüberschreitung: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 4.6 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 8.2 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#332#332	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
#32#32	Muse Wondermedium	9.2	Meta	$3.397	21.58s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 9.1 Erfolgsquote pro Versuch 76.8% Instabile Tests 1 Eingabe-Token 241,489 Ausgabe-Token 11,575 Denk-Token 109,971 Antwortzeit (Durchschnitt) 21.58s Antwortzeit (Gesamt) 496.40s Antwortzeit (Maximum) 162.73s API-Fehler: 4 Falsche Antwort: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.6 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 4.7
#142#142	Muse Wonderxhigh	7.7	Meta	$4.012	34.40s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 9.1 Erfolgsquote pro Versuch 65.2% Instabile Tests 2 Eingabe-Token 93,060 Ausgabe-Token 10,305 Denk-Token 171,683 Antwortzeit (Durchschnitt) 34.40s Antwortzeit (Gesamt) 791.16s Antwortzeit (Maximum) 236.64s API-Fehler: 6 Falsche Antwort: 3 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 2.8
#389#389	Granite 4.2 8Bnone	4.4	IBM Granite	$0.037	84.66s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 20 Zuverlässigkeit 9.1 Erfolgsquote pro Versuch 15.9% Instabile Tests 2 Eingabe-Token 226,872 Ausgabe-Token 133,268 Denk-Token 0 Antwortzeit (Durchschnitt) 84.66s Antwortzeit (Gesamt) 1947.17s Antwortzeit (Maximum) 747.17s Falsche Antwort: 11 Zusätzliche Formatierung: 4 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 4.9 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 2.9 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 3.0 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#124#124	Muse Wondermax	7.9	Meta	$4.766	44.39s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 9.0 Erfolgsquote pro Versuch 75.4% Instabile Tests 3 Eingabe-Token 93,126 Ausgabe-Token 10,497 Denk-Token 209,138 Antwortzeit (Durchschnitt) 44.39s Antwortzeit (Gesamt) 1021.02s Antwortzeit (Maximum) 287.79s API-Fehler: 4 Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 2.8
#149#149	Mistral Large 4high	7.5	Mistral	$1.391	263.69s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 6 Eingabe-Token 230,895 Ausgabe-Token 161,281 Denk-Token 510,655 Antwortzeit (Durchschnitt) 263.69s Antwortzeit (Gesamt) 6064.89s Antwortzeit (Maximum) 1727.29s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Zeitüberschreitung: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 3.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 8.4 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#150#150	Seed-2.0-Codehigh	7.5	Bytedance Seed	$1.448	124.87s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 5 Eingabe-Token 297,321 Ausgabe-Token 8,997 Denk-Token 423,853 Antwortzeit (Durchschnitt) 124.87s Antwortzeit (Gesamt) 2871.96s Antwortzeit (Maximum) 675.30s Falsche Antwort: 6 API-Fehler: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 6.2 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.8 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#322#322	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
#105#105	Seed-2.0-Codelow	8.1	Bytedance Seed	$0.881	73.02s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 8.9 Erfolgsquote pro Versuch 78.3% Instabile Tests 6 Eingabe-Token 237,604 Ausgabe-Token 9,617 Denk-Token 244,190 Antwortzeit (Durchschnitt) 73.02s Antwortzeit (Gesamt) 1679.49s Antwortzeit (Maximum) 485.92s Falsche Antwort: 7 API-Fehler: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.7 Programmierung : 7.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 9.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#280#280	Granite 4.2 8Bmedium	6.1	IBM Granite	$0.029	50.47s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 8.9 Erfolgsquote pro Versuch 37.7% Instabile Tests 1 Eingabe-Token 259,708 Ausgabe-Token 16,567 Denk-Token 33,580 Antwortzeit (Durchschnitt) 50.47s Antwortzeit (Gesamt) 1160.91s Antwortzeit (Maximum) 557.96s Falsche Antwort: 9 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.4 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 3.8 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#325#325	North Mini Codemedium	5.4	Cohere	$0.000	140.39s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 8.9 Erfolgsquote pro Versuch 42.0% Instabile Tests 4 Eingabe-Token 166,347 Ausgabe-Token 423,884 Denk-Token 1,394,387 Antwortzeit (Durchschnitt) 140.39s Antwortzeit (Gesamt) 3229.07s Antwortzeit (Maximum) 786.72s Falsche Antwort: 10 Zusätzliche Formatierung: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 8.4 Programmierung : 4.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#369#369	North Mini Codedefault	4.7	Cohere	$0.000	29.47s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 8.9 Erfolgsquote pro Versuch 17.4% Instabile Tests 0 Eingabe-Token 177,989 Ausgabe-Token 26,954 Denk-Token 0 Antwortzeit (Durchschnitt) 29.47s Antwortzeit (Gesamt) 677.70s Antwortzeit (Maximum) 159.85s Falsche Antwort: 13 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Agentenaufgaben : 3.0 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
#188#188	Ember-1low	7.0	Fireworks	$1.488	34.90s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 8.8 Erfolgsquote pro Versuch 65.2% Instabile Tests 5 Eingabe-Token 211,908 Ausgabe-Token 14,158 Denk-Token 42,608 Antwortzeit (Durchschnitt) 34.90s Antwortzeit (Gesamt) 802.79s Antwortzeit (Maximum) 121.29s API-Fehler: 6 Falsche Antwort: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 8.2 Programmierung : 10.0 Kombiniert : 6.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.2 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#329#329	Ember-1none	5.4	Fireworks	$0.786	22.65s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 8.8 Erfolgsquote pro Versuch 43.5% Instabile Tests 4 Eingabe-Token 202,617 Ausgabe-Token 11,832 Denk-Token 0 Antwortzeit (Durchschnitt) 22.65s Antwortzeit (Gesamt) 520.91s Antwortzeit (Maximum) 93.12s Falsche Antwort: 10 API-Fehler: 5 Agentenaufgaben : 6.1 Anti-KI-Tricks : 5.2 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.4 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 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