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)
#421#421	Xing4.0 29b A4bnone	3.3	Xingchen AGI	$0.000	42.72s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 23 Zuverlässigkeit 8.8 Erfolgsquote pro Versuch 7.3% Instabile Tests 4 Eingabe-Token 153,665 Ausgabe-Token 26,540 Denk-Token 0 Antwortzeit (Durchschnitt) 42.72s Antwortzeit (Gesamt) 982.66s Antwortzeit (Maximum) 634.11s Falsche Antwort: 13 Anweisungen nicht befolgt: 5 API-Fehler: 3 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 3.3 Programmierung : 3.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 2.9 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 4.0 Rätsellösen : 3.1 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#399#399	Qwen3.5-9Bmedium	4.0	Qwen	$0.106	110.18s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 20 Zuverlässigkeit 8.7 Erfolgsquote pro Versuch 26.1% Instabile Tests 6 Eingabe-Token 387,323 Ausgabe-Token 48,562 Denk-Token 410,431 Antwortzeit (Durchschnitt) 110.18s Antwortzeit (Gesamt) 1873.00s Antwortzeit (Maximum) 569.97s Zeitüberschreitung: 11 Keine Antwort: 3 Falsche Antwort: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.2 Anti-KI-Tricks : 5.1 Programmierung : 2.9 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.6 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 2.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#196#196	Ember-1high	6.9	Fireworks	$2.405	58.14s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 8.6 Erfolgsquote pro Versuch 71.0% Instabile Tests 8 Eingabe-Token 195,489 Ausgabe-Token 12,475 Denk-Token 108,748 Antwortzeit (Durchschnitt) 58.14s Antwortzeit (Gesamt) 1337.19s Antwortzeit (Maximum) 255.06s API-Fehler: 7 Falsche Antwort: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 8.7 Programmierung : 8.2 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.1 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#214#214	Ember-1max	6.7	Fireworks	$3.264	97.34s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 8.3 Erfolgsquote pro Versuch 59.4% Instabile Tests 6 Eingabe-Token 153,399 Ausgabe-Token 7,803 Denk-Token 179,098 Antwortzeit (Durchschnitt) 97.34s Antwortzeit (Gesamt) 2238.73s Antwortzeit (Maximum) 587.08s API-Fehler: 8 Falsche Antwort: 3 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.7 Programmierung : 5.2 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.4 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.2 Rätsellösen : 7.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#371#371	Granite 4.2 8Bhigh	4.7	IBM Granite	$0.111	235.35s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 8.2 Erfolgsquote pro Versuch 37.7% Instabile Tests 10 Eingabe-Token 282,658 Ausgabe-Token 198,563 Denk-Token 462,804 Antwortzeit (Durchschnitt) 235.35s Antwortzeit (Gesamt) 5413.09s Antwortzeit (Maximum) 685.87s Zeitüberschreitung: 10 Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 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
#154#154	Seed-2.0-Codemedium	7.4	Bytedance Seed	$1.275	100.65s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 8.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 7 Eingabe-Token 244,499 Ausgabe-Token 8,744 Denk-Token 375,349 Antwortzeit (Durchschnitt) 100.65s Antwortzeit (Gesamt) 2314.88s Antwortzeit (Maximum) 626.58s Falsche Antwort: 6 API-Fehler: 4 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.9 Programmierung : 8.9 Kombiniert : 4.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#407#407	Xing4.0 29b A4bmedium	3.7	Xingchen AGI	$0.000	371.69s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 22 Zuverlässigkeit 7.3 Erfolgsquote pro Versuch 26.1% Instabile Tests 11 Eingabe-Token 98,467 Ausgabe-Token 3,385 Denk-Token 104,595 Antwortzeit (Durchschnitt) 371.69s Antwortzeit (Gesamt) 8548.88s Antwortzeit (Maximum) 971.85s Falsche Antwort: 9 Zeitüberschreitung: 6 API-Fehler: 4 Anweisungen nicht befolgt: 3 Agentenaufgaben : 3.0 Anti-KI-Tricks : 3.8 Programmierung : 4.2 Kombiniert : 3.0 Datenanalyse und -extraktion : 2.9 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.2 Befolgung von Anweisungen : 4.3 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#420#420	MiMo-V2-Flashdefault	3.3	Xiaomi	$0.025 ↑	2.76s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 6.7 Erfolgsquote pro Versuch 23.2% 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 Agentenaufgaben : 0.0 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
#326#326	Hy4 previewlow	5.4	Tencent	$1.844	207.21s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 20 Zuverlässigkeit 6.5 Erfolgsquote pro Versuch 21.7% Instabile Tests 4 Eingabe-Token 162,180 Ausgabe-Token 5,030 Denk-Token 682,447 Antwortzeit (Durchschnitt) 207.21s Antwortzeit (Gesamt) 4765.91s Antwortzeit (Maximum) 597.45s Falsche Antwort: 13 API-Fehler: 5 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 4.7 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
#363#363	Hy4 previewnone	4.9	Tencent	$0.165	40.38s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 20 Zuverlässigkeit 6.2 Erfolgsquote pro Versuch 15.9% Instabile Tests 1 Eingabe-Token 185,167 Ausgabe-Token 9,430 Denk-Token 0 Antwortzeit (Durchschnitt) 40.38s Antwortzeit (Gesamt) 928.76s Antwortzeit (Maximum) 95.32s Falsche Antwort: 14 API-Fehler: 2 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.3 Programmierung : 3.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 8.7 Domänenspezifisch : 6.8 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 7.0 Rätsellösen : 4.6 Werkzeugaufrufe : 3.0 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
#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
#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
#426#426	Command A+none	3.0	Cohere	$0.000	77.87s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 23 Zuverlässigkeit 0.0 Erfolgsquote pro Versuch 0.0% Instabile Tests 0 Eingabe-Token 0 Ausgabe-Token 0 Denk-Token 0 Antwortzeit (Durchschnitt) 77.87s Antwortzeit (Gesamt) 1791.03s Antwortzeit (Maximum) 106.37s API-Fehler: 23 Agentenaufgaben : 3.0 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
#355#355	Grok 4.20 Betamedium	4.9	X AI	$0.750 ↑	9.75s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 4 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 63.8% Instabile Tests 1 Eingabe-Token 35,955 Ausgabe-Token 1,647 Denk-Token 91,565 Antwortzeit (Durchschnitt) 9.75s Antwortzeit (Gesamt) 175.48s Antwortzeit (Maximum) 31.36s Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 8.7 Programmierung : 3.3 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 0.0
#359#359	Gemini 3 PRO Previewmedium	4.9	Google	$0.385 ↑	9.05s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 60.9% Instabile Tests 0 Eingabe-Token 28,848 Ausgabe-Token 1,490 Denk-Token 10,102 Antwortzeit (Durchschnitt) 9.05s Antwortzeit (Gesamt) 90.53s Antwortzeit (Maximum) 26.24s API-Fehler: 4 Falsche Antwort: 3 Agentenaufgaben : 0.0 Anti-KI-Tricks : 10.0 Programmierung : 3.0 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#392#392	Gemini 3.1 Flash Lite Previewhigh	4.3	Google	$2.310	68.14s
Modellkarte anzeigen Gesamttests 16 Falsche Tests 3 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 56.5% Instabile Tests 0 Eingabe-Token 28,980 Ausgabe-Token 1,283 Denk-Token 1,533,310 Antwortzeit (Durchschnitt) 68.14s Antwortzeit (Gesamt) 1090.28s Antwortzeit (Maximum) 280.52s Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 7.5 Programmierung : 0.0 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#398#398	Qwen3.6 Plus Previewmedium	4.0	Qwen	$0.000	15.25s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 39.1% Instabile Tests 0 Eingabe-Token 32,639 Ausgabe-Token 1,153 Denk-Token 62,197 Antwortzeit (Durchschnitt) 15.25s Antwortzeit (Gesamt) 182.96s Antwortzeit (Maximum) 43.55s API-Fehler: 8 Falsche Antwort: 2 Agentenaufgaben : 0.0 Anti-KI-Tricks : 8.3 Programmierung : 1.0 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#400#400	Grok 4.20 Multi Agent Betamedium	3.9	X AI	$5.599 ↑	9.69s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 46.4% Instabile Tests 5 Eingabe-Token 721,952 Ausgabe-Token 294,668 Denk-Token 305,374 Antwortzeit (Durchschnitt) 9.69s Antwortzeit (Gesamt) 155.07s Antwortzeit (Maximum) 35.28s Falsche Antwort: 4 API-Fehler: 2 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Agentenaufgaben : 0.0 Anti-KI-Tricks : 6.9 Programmierung : 3.3 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 0.0
#401#401	Hunter Alphamedium	3.9	OpenRouter	$0.000	10.33s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 50.7% Instabile Tests 6 Eingabe-Token 28,927 Ausgabe-Token 4,682 Denk-Token 17,969 Antwortzeit (Durchschnitt) 10.33s Antwortzeit (Gesamt) 175.58s Antwortzeit (Maximum) 30.53s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 7.3 Programmierung : 1.0 Kombiniert : 2.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 7.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#411#411	Grok 4.20 Betadefault	3.6	X AI	$0.087 ↓	1.19s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 12 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 29.0% Instabile Tests 1 Eingabe-Token 40,597 Ausgabe-Token 1,657 Denk-Token 0 Antwortzeit (Durchschnitt) 1.19s Antwortzeit (Gesamt) 21.43s Antwortzeit (Maximum) 6.48s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.0 Programmierung : 1.8 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#413#413	Elephant Alphadefault	3.6	Openrouter	$0.000	1.22s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 24.6% Instabile Tests 1 Eingabe-Token 33,743 Ausgabe-Token 2,573 Denk-Token 0 Antwortzeit (Durchschnitt) 1.22s Antwortzeit (Gesamt) 22.03s Antwortzeit (Maximum) 3.81s Falsche Antwort: 9 API-Fehler: 3 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 6.6 Programmierung : 4.2 Kombiniert : 1.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 4.2 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#414#414	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
#415#415	Hunter Alphadefault	3.5	OpenRouter	$0.000	4.70s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 12 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 36.2% Instabile Tests 4 Eingabe-Token 34,329 Ausgabe-Token 2,264 Denk-Token 0 Antwortzeit (Durchschnitt) 4.70s Antwortzeit (Gesamt) 79.86s Antwortzeit (Maximum) 15.17s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 API-Fehler: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 3.5 Programmierung : 1.0 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 6.4 Rätsellösen : 5.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#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

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