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)
#35#35	Gemini 3 PRO Previewmedium	7.6	Google	$0.385 ↑	9.05s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 66.7% 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 Anti-KI-Tricks : 10.0 Programmierung : 3.0 Kombiniert : 3.0 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
#2🥈 #2	Gemini 3.5 Flashhigh	9.6	Google	$1.115	8.84s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 1 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 96.8% Instabile Tests 1 Eingabe-Token 37,594 Ausgabe-Token 1,975 Denk-Token 115,638 Antwortzeit (Durchschnitt) 8.84s Antwortzeit (Gesamt) 185.57s Antwortzeit (Maximum) 34.82s Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 9.8 Allgemeinwissen : 10.0
#140#140	Qwen3 Coder Nextnone	4.9	Qwen	$0.009 ↓	8.62s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.0% Instabile Tests 1 Eingabe-Token 47,507 Ausgabe-Token 3,584 Denk-Token 0 Antwortzeit (Durchschnitt) 8.62s Antwortzeit (Gesamt) 129.37s Antwortzeit (Maximum) 45.14s Falsche Antwort: 14 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.6 Programmierung : 4.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#150#150	Qwen3 Coder Nextmedium	4.6	Qwen	$0.008 ↓	8.58s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 28.6% Instabile Tests 3 Eingabe-Token 47,250 Ausgabe-Token 3,319 Denk-Token 0 Antwortzeit (Durchschnitt) 8.58s Antwortzeit (Gesamt) 128.68s Antwortzeit (Maximum) 81.80s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Zeitüberschreitung: 1 Anti-KI-Tricks : 3.5 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.3 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#159#159	Ling-2.6-1Tnone	4.3	Inclusionai	$0.005	7.72s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 18 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 14.3% Instabile Tests 0 Eingabe-Token 34,905 Ausgabe-Token 2,434 Denk-Token 0 Antwortzeit (Durchschnitt) 7.72s Antwortzeit (Gesamt) 139.00s Antwortzeit (Maximum) 25.72s Falsche Antwort: 12 API-Fehler: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.4 Programmierung : 3.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 3.1 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#24#24	GPT-5.2 Chatnone	7.9	OpenAI	$0.393	7.13s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 74.6% Instabile Tests 3 Eingabe-Token 34,212 Ausgabe-Token 23,744 Denk-Token 0 Antwortzeit (Durchschnitt) 7.13s Antwortzeit (Gesamt) 149.69s Antwortzeit (Maximum) 38.52s Falsche Antwort: 6 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.7 Programmierung : 8.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#107#107	Laguna Xs.2medium	5.8	Poolside	$0.000	6.73s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.9% Instabile Tests 6 Eingabe-Token 39,481 Ausgabe-Token 54,218 Denk-Token 0 Antwortzeit (Durchschnitt) 6.73s Antwortzeit (Gesamt) 100.98s Antwortzeit (Maximum) 29.11s Falsche Antwort: 6 API-Fehler: 4 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.9 Programmierung : 6.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#63#63	GPT-5.3 Chatnone	7.2	OpenAI	$0.433	6.34s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 5 Eingabe-Token 34,209 Ausgabe-Token 26,617 Denk-Token 0 Antwortzeit (Durchschnitt) 6.34s Antwortzeit (Gesamt) 133.13s Antwortzeit (Maximum) 18.33s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 6.7 Programmierung : 5.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#102#102	Gemma 4 26B A4Bnone	6.0	Google	$0.004 ↓	5.91s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 44.4% Instabile Tests 2 Eingabe-Token 40,038 Ausgabe-Token 1,824 Denk-Token 0 Antwortzeit (Durchschnitt) 5.91s Antwortzeit (Gesamt) 124.05s Antwortzeit (Maximum) 57.10s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.3 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 6.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#16#16	Gemini 3 Flash Previewlow	8.4	Google	$0.111	5.76s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 79.4% Instabile Tests 2 Eingabe-Token 36,769 Ausgabe-Token 2,076 Denk-Token 28,518 Antwortzeit (Durchschnitt) 5.76s Antwortzeit (Gesamt) 120.93s Antwortzeit (Maximum) 14.72s Falsche Antwort: 5 Anti-KI-Tricks : 10.0 Programmierung : 5.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#141#141	Nemotron 3 Supernone	4.9	NVIDIA	$0.007 ↑	5.30s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 31.8% Instabile Tests 3 Eingabe-Token 36,456 Ausgabe-Token 6,195 Denk-Token 0 Antwortzeit (Durchschnitt) 5.30s Antwortzeit (Gesamt) 111.31s Antwortzeit (Maximum) 16.45s Falsche Antwort: 14 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 3.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.5 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#77#77	Claude Sonnet 4.6none	6.8	Anthropic	$0.316	5.04s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.6% Instabile Tests 1 Eingabe-Token 57,886 Ausgabe-Token 9,465 Denk-Token 0 Antwortzeit (Durchschnitt) 5.04s Antwortzeit (Gesamt) 70.60s Antwortzeit (Maximum) 23.84s Falsche Antwort: 5 Zusätzliche Formatierung: 4 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.8 Programmierung : 5.5 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 Allgemeinwissen : 3.0
#7#7	Gemini 3.5 Flashmedium	9.0	Google	$0.582	4.94s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 87.3% Instabile Tests 1 Eingabe-Token 36,936 Ausgabe-Token 2,001 Denk-Token 56,408 Antwortzeit (Durchschnitt) 4.94s Antwortzeit (Gesamt) 103.79s Antwortzeit (Maximum) 18.07s Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 7.9 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#11#11	Claude Opus 4.7medium	8.7	Anthropic	$0.679	4.73s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 82.5% Instabile Tests 1 Eingabe-Token 65,406 Ausgabe-Token 11,858 Denk-Token 2,198 Antwortzeit (Durchschnitt) 4.73s Antwortzeit (Gesamt) 94.51s Antwortzeit (Maximum) 23.18s Falsche Antwort: 3 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.3 Programmierung : 7.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#116#116	Hunter Alphanone	5.7	OpenRouter	$0.000	4.70s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 12 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 46.3% 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 Anti-KI-Tricks : 3.5 Programmierung : 3.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 6.4 Rätsellösen : 5.8 Werkzeugaufrufe : 10.0
#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
#112#112	GLM 5.1none	5.7	Z.ai	$0.058 ↓	4.10s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 41.3% Instabile Tests 4 Eingabe-Token 47,133 Ausgabe-Token 3,754 Denk-Token 0 Antwortzeit (Durchschnitt) 4.10s Antwortzeit (Gesamt) 86.18s Antwortzeit (Maximum) 32.57s Falsche Antwort: 13 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.0 Programmierung : 3.9 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#85#85	Gemma 4 31Bnone	6.5	Google	$0.004 ↓	4.05s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.6% Instabile Tests 0 Eingabe-Token 20,911 Ausgabe-Token 1,407 Denk-Token 0 Antwortzeit (Durchschnitt) 4.05s Antwortzeit (Gesamt) 76.87s Antwortzeit (Maximum) 26.13s Falsche Antwort: 8 API-Fehler: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 6.5 Werkzeugaufrufe : 3.0 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
#40#40	Gemini 3.1 Flash Lite Previewmedium	7.5	Google	$0.068	3.96s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 61.9% Instabile Tests 0 Eingabe-Token 37,786 Ausgabe-Token 2,210 Denk-Token 36,744 Antwortzeit (Durchschnitt) 3.96s Antwortzeit (Gesamt) 83.06s Antwortzeit (Maximum) 14.93s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 9.1 Programmierung : 5.5 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 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
#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
#108#108	Qwen3.5-Flashnone	5.8	Qwen	$0.005 ↓	3.58s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.7% Instabile Tests 1 Eingabe-Token 46,439 Ausgabe-Token 4,276 Denk-Token 0 Antwortzeit (Durchschnitt) 3.58s Antwortzeit (Gesamt) 75.28s Antwortzeit (Maximum) 27.18s Falsche Antwort: 13 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#68#68	Claude Opus 4.8none	7.0	Anthropic	$0.539	3.47s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 61.9% Instabile Tests 2 Eingabe-Token 67,104 Ausgabe-Token 8,107 Denk-Token 0 Antwortzeit (Durchschnitt) 3.47s Antwortzeit (Gesamt) 72.90s Antwortzeit (Maximum) 17.73s Falsche Antwort: 4 Zusätzliche Formatierung: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 9.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 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
#117#117	Qwen3.5-35B-A3Bnone	5.6	Qwen	$0.012 ↓	3.37s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.9% Instabile Tests 3 Eingabe-Token 48,194 Ausgabe-Token 4,343 Denk-Token 0 Antwortzeit (Durchschnitt) 3.37s Antwortzeit (Gesamt) 70.75s Antwortzeit (Maximum) 47.43s Falsche Antwort: 12 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.4 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#74#74	Qwen3.6 Max Previewnone	6.9	Qwen	$0.075 ↓	3.30s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 58.7% Instabile Tests 2 Eingabe-Token 42,509 Ausgabe-Token 4,779 Denk-Token 0 Antwortzeit (Durchschnitt) 3.30s Antwortzeit (Gesamt) 69.40s Antwortzeit (Maximum) 20.51s Falsche Antwort: 10 Anti-KI-Tricks : 5.2 Programmierung : 3.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#3🥉 #3	Gemini 3.5 Flashlow	9.4	Google	$0.349	3.27s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 90.5% Instabile Tests 0 Eingabe-Token 36,938 Ausgabe-Token 2,033 Denk-Token 30,519 Antwortzeit (Durchschnitt) 3.27s Antwortzeit (Gesamt) 68.65s Antwortzeit (Maximum) 9.05s Falsche Antwort: 2 Anti-KI-Tricks : 10.0 Programmierung : 7.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#44#44	Gemini 3.1 Flash Litemedium	7.5	Google	$0.071	3.23s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.1% Instabile Tests 2 Eingabe-Token 36,808 Ausgabe-Token 2,254 Denk-Token 38,300 Antwortzeit (Durchschnitt) 3.23s Antwortzeit (Gesamt) 67.80s Antwortzeit (Maximum) 10.87s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 9.1 Programmierung : 5.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#8#8	Claude Opus 4.7none	8.9	Anthropic	$0.505	3.02s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 84.2% Instabile Tests 0 Eingabe-Token 69,576 Ausgabe-Token 6,265 Denk-Token 0 Antwortzeit (Durchschnitt) 3.02s Antwortzeit (Gesamt) 57.44s Antwortzeit (Maximum) 18.27s Falsche Antwort: 3 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 9.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 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