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: 2026-06-04 Bewertete Modelle: 163

163/163

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#144#144	GPT-5.4 Mininone	4.9	OpenAI	$0.038	1.13s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.2% Instabile Tests 3 Eingabe-Token 34,244 Ausgabe-Token 2,541 Denk-Token 0 Antwortzeit (Durchschnitt) 1.13s Antwortzeit (Gesamt) 23.82s Antwortzeit (Maximum) 2.52s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 3.1 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.4 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#161#161	Qwen3.5-9Bmedium	4.2	Qwen	$0.035 ↓	82.24s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 18 Zuverlässigkeit 6.7 Erfolgsquote pro Versuch 27.0% Instabile Tests 5 Eingabe-Token 17,070 Ausgabe-Token 29,045 Denk-Token 209,516 Antwortzeit (Durchschnitt) 82.24s Antwortzeit (Gesamt) 1315.88s Antwortzeit (Maximum) 226.38s Zeitüberschreitung: 11 Keine Antwort: 2 Falsche Antwort: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 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
#27#27	Gemma 4 31Bmedium	7.8	Google	$0.035 ↓	56.55s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.8% Instabile Tests 1 Eingabe-Token 17,957 Ausgabe-Token 22,356 Denk-Token 65,726 Antwortzeit (Durchschnitt) 56.55s Antwortzeit (Gesamt) 1074.41s Antwortzeit (Maximum) 437.40s API-Fehler: 2 Zeitüberschreitung: 2 Falsche Antwort: 2 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#75#75	Ring-2.6-1Tmedium	6.9	Inclusionai	$0.033	61.29s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.3% Instabile Tests 3 Eingabe-Token 35,892 Ausgabe-Token 21,752 Denk-Token 42,754 Antwortzeit (Durchschnitt) 61.29s Antwortzeit (Gesamt) 1164.50s Antwortzeit (Maximum) 304.19s Falsche Antwort: 6 API-Fehler: 2 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 10.0 Programmierung : 5.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#114#114	Qwen3.5 Plus 2026-04-20none	5.7	Qwen	$0.032 ↓	4.39s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 41.3% Instabile Tests 4 Eingabe-Token 38,910 Ausgabe-Token 11,145 Denk-Token 0 Antwortzeit (Durchschnitt) 4.39s Antwortzeit (Gesamt) 92.26s Antwortzeit (Maximum) 33.34s Falsche Antwort: 12 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 3.9 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.2 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#153#153	Qwen3.6 35B A3Bnone	4.6	Qwen	$0.031 ↑	3.73s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.2% Instabile Tests 5 Eingabe-Token 19,329 Ausgabe-Token 27,755 Denk-Token 0 Antwortzeit (Durchschnitt) 3.73s Antwortzeit (Gesamt) 70.86s Antwortzeit (Maximum) 22.52s Falsche Antwort: 13 API-Fehler: 2 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.6 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.2 Rätsellösen : 3.2 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#31#31	DeepSeek V4 Flashhigh	7.7	DeepSeek	$0.029 ↓	45.85s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 74.6% Instabile Tests 4 Eingabe-Token 39,745 Ausgabe-Token 10,310 Denk-Token 123,501 Antwortzeit (Durchschnitt) 45.85s Antwortzeit (Gesamt) 962.79s Antwortzeit (Maximum) 218.13s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.3 Programmierung : 7.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#88#88	Qwen3.7 Plusnone	6.4	Qwen	$0.028	2.85s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.6% Instabile Tests 0 Eingabe-Token 42,510 Ausgabe-Token 6,578 Denk-Token 0 Antwortzeit (Durchschnitt) 2.85s Antwortzeit (Gesamt) 59.86s Antwortzeit (Maximum) 29.38s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#118#118	Qwen3.6 27Bnone	5.6	Qwen	$0.028 ↓	3.72s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.6% Instabile Tests 6 Eingabe-Token 52,721 Ausgabe-Token 3,812 Denk-Token 0 Antwortzeit (Durchschnitt) 3.72s Antwortzeit (Gesamt) 78.08s Antwortzeit (Maximum) 11.82s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.8 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 5.2 Befolgung von Anweisungen : 6.2 Rätsellösen : 5.3 Werkzeugaufrufe : 9.5 Allgemeinwissen : 3.0
#61#61	Gemini 3.1 Flash Litelow	7.2	Google	$0.028	1.89s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 61.9% Instabile Tests 2 Eingabe-Token 36,892 Ausgabe-Token 2,732 Denk-Token 9,260 Antwortzeit (Durchschnitt) 1.89s Antwortzeit (Gesamt) 39.62s Antwortzeit (Maximum) 5.66s Falsche Antwort: 9 Anti-KI-Tricks : 7.3 Programmierung : 5.5 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 Allgemeinwissen : 3.0
#135#135	Kimi K2.5none	5.2	Moonshot AI	$0.028 ↑	13.18s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 3 Eingabe-Token 36,034 Ausgabe-Token 6,657 Denk-Token 0 Antwortzeit (Durchschnitt) 13.18s Antwortzeit (Gesamt) 184.47s Antwortzeit (Maximum) 42.13s Falsche Antwort: 15 Anti-KI-Tricks : 3.6 Programmierung : 5.5 Kombiniert : 2.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#98#98	GLM 5none	6.1	Z.ai	$0.027 ↑	4.03s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 44.4% Instabile Tests 1 Eingabe-Token 37,135 Ausgabe-Token 1,989 Denk-Token 0 Antwortzeit (Durchschnitt) 4.03s Antwortzeit (Gesamt) 56.37s Antwortzeit (Maximum) 11.07s Falsche Antwort: 12 Anti-KI-Tricks : 4.8 Programmierung : 4.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#96#96	Ring-2.6-1Tnone	6.2	Inclusionai	$0.026	55.10s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.6% Instabile Tests 2 Eingabe-Token 7,599 Ausgabe-Token 39,954 Denk-Token 0 Antwortzeit (Durchschnitt) 55.10s Antwortzeit (Gesamt) 881.55s Antwortzeit (Maximum) 143.82s API-Fehler: 5 Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 9.2 Programmierung : 5.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#50#50	Gemini 3.1 Flash Lite Previewlow	7.4	Google	$0.026	2.77s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 61.9% Instabile Tests 0 Eingabe-Token 32,715 Ausgabe-Token 2,286 Denk-Token 9,166 Antwortzeit (Durchschnitt) 2.77s Antwortzeit (Gesamt) 58.12s Antwortzeit (Maximum) 11.91s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 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 Allgemeinwissen : 3.0
#152#152	MiMo-V2-Flashnone	4.6	Xiaomi	$0.025 ↑	2.76s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 6.7 Erfolgsquote pro Versuch 25.4% 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 Anti-KI-Tricks : 3.2 Programmierung : 4.3 Kombiniert : 3.0 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
#113#113	DeepSeek V4 Pronone	5.7	DeepSeek	$0.025 ↓	12.38s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 8.5 Erfolgsquote pro Versuch 42.9% Instabile Tests 4 Eingabe-Token 44,845 Ausgabe-Token 5,349 Denk-Token 0 Antwortzeit (Durchschnitt) 12.38s Antwortzeit (Gesamt) 260.06s Antwortzeit (Maximum) 58.65s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 3.5 Programmierung : 4.6 Kombiniert : 9.5 Datenanalyse und -extraktion : 6.9 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#48#48	Gemini 3 Flash Previewnone	7.4	Google	$0.025	1.65s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 2 Eingabe-Token 37,011 Ausgabe-Token 1,885 Denk-Token 0 Antwortzeit (Durchschnitt) 1.65s Antwortzeit (Gesamt) 23.07s Antwortzeit (Maximum) 3.56s Falsche Antwort: 8 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 4.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#101#101	Mimo V2 Omninone	6.0	Xiaomi	$0.021 ↓	2.44s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.7% Instabile Tests 1 Eingabe-Token 40,852 Ausgabe-Token 3,314 Denk-Token 0 Antwortzeit (Durchschnitt) 2.44s Antwortzeit (Gesamt) 48.81s Antwortzeit (Maximum) 6.81s Falsche Antwort: 10 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.6 Programmierung : 4.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 6.5 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#105#105	Nemotron 3 Supermedium	5.8	NVIDIA	$0.021 ↑	32.00s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 41.3% Instabile Tests 2 Eingabe-Token 37,527 Ausgabe-Token 14,850 Denk-Token 33,754 Antwortzeit (Durchschnitt) 32.00s Antwortzeit (Gesamt) 607.91s Antwortzeit (Maximum) 232.25s Falsche Antwort: 5 API-Fehler: 3 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.3 Programmierung : 3.1 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 7.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#83#83	Step 3.5 Flashnone	6.6	Stepfun	$0.020	39.03s
Modellkarte anzeigen Gesamttests 12 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.0% Instabile Tests 0 Eingabe-Token 1,971 Ausgabe-Token 64,795 Denk-Token 0 Antwortzeit (Durchschnitt) 39.03s Antwortzeit (Gesamt) 312.26s Antwortzeit (Maximum) 114.12s API-Fehler: 4 Anweisungen nicht befolgt: 1 Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.0 Domänenspezifisch : 10.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#131#131	Qwen3.5-122B-A10Bnone	5.3	Qwen	$0.020 ↓	3.41s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 31.8% Instabile Tests 1 Eingabe-Token 47,735 Ausgabe-Token 3,383 Denk-Token 0 Antwortzeit (Durchschnitt) 3.41s Antwortzeit (Gesamt) 71.59s Antwortzeit (Maximum) 46.00s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#110#110	Seed-2.0-Litenone	5.8	Bytedance Seed	$0.019	2.49s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 46.0% Instabile Tests 4 Eingabe-Token 46,573 Ausgabe-Token 3,259 Denk-Token 0 Antwortzeit (Durchschnitt) 2.49s Antwortzeit (Gesamt) 52.26s Antwortzeit (Maximum) 6.70s Falsche Antwort: 13 Anti-KI-Tricks : 3.0 Programmierung : 5.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#58#58	Gemini 3.1 Flash Lite Previewnone	7.2	Google	$0.018	1.21s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.3% Instabile Tests 1 Eingabe-Token 37,582 Ausgabe-Token 5,547 Denk-Token 0 Antwortzeit (Durchschnitt) 1.21s Antwortzeit (Gesamt) 25.45s Antwortzeit (Maximum) 3.39s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 7.5 Programmierung : 5.5 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 Allgemeinwissen : 3.0
#33#33	Hy3 previewmedium	7.7	Tencent	$0.018	16.28s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 0 Eingabe-Token 27,030 Ausgabe-Token 73,544 Denk-Token 0 Antwortzeit (Durchschnitt) 16.28s Antwortzeit (Gesamt) 293.12s Antwortzeit (Maximum) 46.04s API-Fehler: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#133#133	DeepSeek V3.2none	5.2	DeepSeek	$0.017 ↓	13.83s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.7% Instabile Tests 6 Eingabe-Token 55,997 Ausgabe-Token 11,165 Denk-Token 0 Antwortzeit (Durchschnitt) 13.83s Antwortzeit (Gesamt) 290.43s Antwortzeit (Maximum) 115.89s Falsche Antwort: 7 API-Fehler: 4 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.2 Programmierung : 3.1 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#123#123	MiMo-V2.5-Pronone	5.5	Xiaomi	$0.017 ↓	1.78s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.7% Instabile Tests 4 Eingabe-Token 30,724 Ausgabe-Token 3,043 Denk-Token 0 Antwortzeit (Durchschnitt) 1.78s Antwortzeit (Gesamt) 37.42s Antwortzeit (Maximum) 8.32s Falsche Antwort: 11 Anweisungen nicht befolgt: 4 Anti-KI-Tricks : 3.3 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#95#95	Qwen3.5 Plus 2026-02-15none	6.3	Qwen	$0.016 ↓	2.31s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 46.0% Instabile Tests 2 Eingabe-Token 45,864 Ausgabe-Token 2,480 Denk-Token 0 Antwortzeit (Durchschnitt) 2.31s Antwortzeit (Gesamt) 34.63s Antwortzeit (Maximum) 6.65s Falsche Antwort: 12 Anti-KI-Tricks : 4.8 Programmierung : 4.3 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 Allgemeinwissen : 3.0
#97#97	Gemini 2.5 Flashnone	6.2	Google	$0.016	875ms
Modellkarte anzeigen Gesamttests 21 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 46.0% Instabile Tests 1 Eingabe-Token 35,926 Ausgabe-Token 1,770 Denk-Token 0 Antwortzeit (Durchschnitt) 875ms Antwortzeit (Gesamt) 18.37s Antwortzeit (Maximum) 4.39s Falsche Antwort: 12 Anti-KI-Tricks : 3.0 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#89#89	Hy3 previewlow	6.4	Tencent	$0.015	24.56s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 52.4% Instabile Tests 2 Eingabe-Token 21,045 Ausgabe-Token 63,460 Denk-Token 0 Antwortzeit (Durchschnitt) 24.56s Antwortzeit (Gesamt) 368.35s Antwortzeit (Maximum) 78.74s API-Fehler: 7 Falsche Antwort: 4 Anti-KI-Tricks : 8.3 Programmierung : 5.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#115#115	Qwen3.5-27Bnone	5.7	Qwen	$0.015 ↓	1.68s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 38.1% Instabile Tests 2 Eingabe-Token 44,478 Ausgabe-Token 3,592 Denk-Token 0 Antwortzeit (Durchschnitt) 1.68s Antwortzeit (Gesamt) 35.25s Antwortzeit (Maximum) 9.39s Falsche Antwort: 12 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 5.8 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0

Schnellvergleich

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsNemotron 3 Ultra 550b A55bmediumKostenlos verfügbar Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashmedium

KI-Benchmark-Bestenliste

Modelle filtern

Schnellvergleich