AI BENCHY

KI-Benchmark-Bestenliste

Name: AI BENCHY Modell-Benchmark-Ergebnisse
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-04-24 Bewertete Modelle: 115

115/115

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#31#31	Grok 4.20 Betamedium	8.0	X AI	$0.633	9.81s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 6 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 74.1% Instabile Tests: 2 Ausgabe-Token: 1,568 Denk-Token: 91,909 Antwortzeit: Durchschn. 9.81s · Gesamt 176.62s · Max. 31.36s Anweisungen nicht befolgt: 3 Falsche Antwort: 3 Anti-KI-Tricks : 8.7 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 8.3 Rätsellösen : 8.2 Werkzeugaufrufe : 3.0
#32#32	Claude Sonnet 4.6medium	8.0	Anthropic	$1.161	12.66s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 5 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 74.1% Instabile Tests: 1 Ausgabe-Token: 42,068 Denk-Token: 26,784 Antwortzeit: Durchschn. 12.66s · Gesamt 126.62s · Max. 46.35s Zusätzliche Formatierung: 2 Falsche Antwort: 2 Zeitüberschreitung: 1 Anti-KI-Tricks : 6.5 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#33#33	DeepSeek V3.2medium	8.0	DeepSeek	$0.028	43.49s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 6 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 79.6% Instabile Tests: 4 Ausgabe-Token: 7,554 Denk-Token: 45,588 Antwortzeit: Durchschn. 43.49s · Gesamt 782.73s · Max. 180.92s Falsche Antwort: 3 Zeitüberschreitung: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.4 Programmierung : 4.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0
#34#34	GPT-5.2 Chatnone	7.9	OpenAI	$0.291	6.84s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 6 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 75.9% Instabile Tests: 3 Ausgabe-Token: 17,346 Denk-Token: 0 Antwortzeit: Durchschn. 6.84s · Gesamt 123.17s · Max. 38.52s Falsche Antwort: 5 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.7 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 7.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#35#35	Gemini 3.1 Flash Lite Previewnone	7.9	Google	$0.016	1.30s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 6 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 70.4% Instabile Tests: 1 Ausgabe-Token: 5,361 Denk-Token: 0 Antwortzeit: Durchschn. 1.30s · Gesamt 23.42s · Max. 3.39s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 7.5 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#36#36	Step 3.5 Flashmedium	7.9	Stepfun	$0.000	26.78s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 6 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 70.6% Instabile Tests: 2 Ausgabe-Token: 71,904 Denk-Token: 155,607 Antwortzeit: Durchschn. 26.78s · Gesamt 294.58s · Max. 170.45s Anweisungen nicht befolgt: 3 Falsche Antwort: 3 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0
#37#37	DeepSeek V4 Flashhigh	7.8	DeepSeek	$0.021	47.47s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 79.6% Instabile Tests: 5 Ausgabe-Token: 1,757 Denk-Token: 55,907 Antwortzeit: Durchschn. 47.47s · Gesamt 854.45s · Max. 255.28s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0
#38#38	GLM 5V Turbomedium	7.8	Z.ai	$0.291	14.96s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 77.8% Instabile Tests: 6 Ausgabe-Token: 2,351 Denk-Token: 58,941 Antwortzeit: Durchschn. 14.96s · Gesamt 269.32s · Max. 67.08s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 7.2 Programmierung : 10.0 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 7.0
#39#39	Qwen3.5-Flashmedium	7.8	Qwen	$0.080	66.72s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 81.5% Instabile Tests: 6 Ausgabe-Token: 2,073 Denk-Token: 191,899 Antwortzeit: Durchschn. 66.72s · Gesamt 1201.03s · Max. 234.29s Zeitüberschreitung: 4 API-Fehler: 1 Anweisungen nicht befolgt: 1 Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0
#40#40	GLM 5.1medium	7.8	Z.ai	$0.201	24.13s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 6 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 75.9% Instabile Tests: 3 Ausgabe-Token: 8,005 Denk-Token: 49,090 Antwortzeit: Durchschn. 24.13s · Gesamt 410.25s · Max. 118.52s Falsche Antwort: 3 Zeitüberschreitung: 2 API-Fehler: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.7 Kombiniert : 9.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 8.2 Werkzeugaufrufe : 3.0
#41#41	MiMo-V2.5medium	7.8	Xiaomi	$0.253	13.71s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 6 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 74.1% Instabile Tests: 3 Ausgabe-Token: 2,840 Denk-Token: 116,242 Antwortzeit: Durchschn. 13.71s · Gesamt 246.73s · Max. 86.93s Zusätzliche Formatierung: 2 Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 2.7 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0
#42#42	Kimi K2.6medium	7.7	Moonshot AI	$0.722	45.20s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 74.1% Instabile Tests: 4 Ausgabe-Token: 80,759 Denk-Token: 179,814 Antwortzeit: Durchschn. 45.20s · Gesamt 768.37s · Max. 215.85s Anweisungen nicht befolgt: 3 Zeitüberschreitung: 2 Falsche Antwort: 2 Anti-KI-Tricks : 7.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.0 Werkzeugaufrufe : 10.0
#43#43	MiMo-V2-Omnimedium	7.7	Xiaomi	$0.153	16.76s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 61.1% Instabile Tests: 0 Ausgabe-Token: 928 Denk-Token: 72,661 Antwortzeit: Durchschn. 16.76s · Gesamt 301.61s · Max. 158.78s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 8.3 Rätsellösen : 6.5 Werkzeugaufrufe : 10.0
#44#44	GPT-5.3 Chatnone	7.7	OpenAI	$0.340	5.88s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 68.5% Instabile Tests: 3 Ausgabe-Token: 20,784 Denk-Token: 0 Antwortzeit: Durchschn. 5.88s · Gesamt 105.90s · Max. 18.33s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 6.7 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 8.3 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#45#45	Claude Opus 4.6medium	7.6	Anthropic	$1.446	21.08s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 6 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 70.4% Instabile Tests: 2 Ausgabe-Token: 29,829 Denk-Token: 18,938 Antwortzeit: Durchschn. 21.08s · Gesamt 231.84s · Max. 83.40s Zusätzliche Formatierung: 4 Falsche Antwort: 2 Anti-KI-Tricks : 6.4 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#46#46	GPT-5.4 Nanomedium	7.6	OpenAI	$0.083	11.21s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 68.5% Instabile Tests: 2 Ausgabe-Token: 2,946 Denk-Token: 58,132 Antwortzeit: Durchschn. 11.21s · Gesamt 201.80s · Max. 94.06s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 4.0 Werkzeugaufrufe : 10.0
#47#47	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.037	69.70s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 66.7% Instabile Tests: 2 Ausgabe-Token: 2,419 Denk-Token: 79,238 Antwortzeit: Durchschn. 69.70s · Gesamt 1045.47s · Max. 262.83s Zeitüberschreitung: 4 Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.6 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0
#48#48	GPT-5.2medium	7.5	OpenAI	$0.352	14.04s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 72.2% Instabile Tests: 4 Ausgabe-Token: 2,705 Denk-Token: 18,977 Antwortzeit: Durchschn. 14.04s · Gesamt 154.41s · Max. 77.80s Anweisungen nicht befolgt: 3 Falsche Antwort: 2 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 6.5 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 3.7 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 4.7
#49#49	MiMo-V2-Flashmedium	7.5	Xiaomi	$0.038	23.36s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 70.4% Instabile Tests: 3 Ausgabe-Token: 12,387 Denk-Token: 115,182 Antwortzeit: Durchschn. 23.36s · Gesamt 280.34s · Max. 96.01s Falsche Antwort: 3 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.1 Programmierung : 4.7 Kombiniert : 9.8 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#50#50	Claude Sonnet 4.6none	7.4	Anthropic	$0.262	4.98s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 64.8% Instabile Tests: 1 Ausgabe-Token: 7,433 Denk-Token: 0 Antwortzeit: Durchschn. 4.98s · Gesamt 54.83s · Max. 23.84s Zusätzliche Formatierung: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.8 Programmierung : 10.0 Kombiniert : 9.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 6.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#51#51	Qwen3.5-35B-A3Bmedium	7.4	Qwen	$0.398	44.51s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 8 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 79.6% Instabile Tests: 7 Ausgabe-Token: 10,137 Denk-Token: 208,761 Antwortzeit: Durchschn. 44.51s · Gesamt 801.21s · Max. 106.00s Zeitüberschreitung: 4 Falsche Antwort: 2 API-Fehler: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 4.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 2.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0
#52#52	GPT-5.4 Minimedium	7.3	OpenAI	$0.299	15.22s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 9 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 70.4% Instabile Tests: 6 Ausgabe-Token: 2,131 Denk-Token: 59,567 Antwortzeit: Durchschn. 15.22s · Gesamt 273.90s · Max. 102.91s Anweisungen nicht befolgt: 5 Falsche Antwort: 4 Anti-KI-Tricks : 8.6 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 7.4 Rätsellösen : 6.8 Werkzeugaufrufe : 4.7
#53#53	GPT-5 Minimedium	7.0	OpenAI	$0.128	23.98s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 9 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 61.1% Instabile Tests: 3 Ausgabe-Token: 6,379 Denk-Token: 53,482 Antwortzeit: Durchschn. 23.98s · Gesamt 431.56s · Max. 88.15s Anweisungen nicht befolgt: 4 Falsche Antwort: 4 Zeitüberschreitung: 1 Anti-KI-Tricks : 7.1 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 8.0 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0
#54#54	Kimi K2.5medium	7.0	Moonshot AI	$0.220	72.43s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 9 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 72.2% Instabile Tests: 7 Ausgabe-Token: 42,176 Denk-Token: 84,870 Antwortzeit: Durchschn. 72.43s · Gesamt 796.70s · Max. 150.77s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 2 Keine Antwort: 1 Anti-KI-Tricks : 7.3 Programmierung : 4.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0
#55#55	Grok 4.20medium	7.0	X AI	$0.743	10.33s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 9 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 66.7% Instabile Tests: 5 Ausgabe-Token: 1,744 Denk-Token: 109,882 Antwortzeit: Durchschn. 10.33s · Gesamt 185.87s · Max. 29.87s Anweisungen nicht befolgt: 4 Falsche Antwort: 3 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 8.2 Programmierung : 4.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.8 Befolgung von Anweisungen : 7.3 Rätsellösen : 6.4 Werkzeugaufrufe : 3.0
#56#56	Gemma 4 31Bnone	6.9	Google	$0.003	4.02s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 8 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 55.6% Instabile Tests: 0 Ausgabe-Token: 1,359 Denk-Token: 0 Antwortzeit: Durchschn. 4.02s · Gesamt 64.33s · Max. 26.13s Falsche Antwort: 5 API-Fehler: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.5 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.5 Werkzeugaufrufe : 3.0
#57#57	Qwen3.5 Plus 2026-02-15none	6.8	Qwen	$0.017	2.60s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 9 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 53.7% Instabile Tests: 2 Ausgabe-Token: 2,461 Denk-Token: 0 Antwortzeit: Durchschn. 2.60s · Gesamt 31.23s · Max. 6.65s Falsche Antwort: 9 Anti-KI-Tricks : 4.8 Programmierung : 6.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#58#58	GPT-5.5none	6.8	OpenAI	$0.195	1.83s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 9 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 61.1% Instabile Tests: 4 Ausgabe-Token: 1,910 Denk-Token: 0 Antwortzeit: Durchschn. 1.83s · Gesamt 32.86s · Max. 5.56s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.9 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.2 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0
#59#59	Hunter Alphamedium	6.7	OpenRouter	$0.000	10.33s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 10 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 64.8% Instabile Tests: 6 Ausgabe-Token: 4,724 Denk-Token: 17,921 Antwortzeit: Durchschn. 10.33s · Gesamt 175.60s · Max. 30.53s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 7.3 Programmierung : 3.0 Kombiniert : 4.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 7.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.1 Werkzeugaufrufe : 10.0
#60#60	Nemotron 3 Supermedium	6.7	NVIDIA	$0.000	19.06s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 9 Zuverlässigkeit: k. A. Erfolgsquote pro Versuch: 55.6% Instabile Tests: 3 Ausgabe-Token: 11,947 Denk-Token: 29,768 Antwortzeit: Durchschn. 19.06s · Gesamt 305.04s · Max. 87.80s Anweisungen nicht befolgt: 4 Falsche Antwort: 3 API-Fehler: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 7.2 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0

Schnellvergleich

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7none Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsSeed-2.0-Litemedium Gemini 3 Flash PreviewmediumvsHY3 PreviewhighKostenlos verfügbar Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsClaude Opus 4.7none Claude Opus 4.7nonevsGPT-5.5medium GPT-5.5mediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsSeed-2.0-Litemedium

KI-Benchmark-Bestenliste

Modelle filtern

Schnellvergleich