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: 2026-07-20 Bewertete Modelle: 210

210/210

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#101#101	MiMo-V2.5medium	6.5	Xiaomi	$0.082 ↓	32.20s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 6 Eingabe-Token 105,447 Ausgabe-Token 7,120 Denk-Token 230,682 Antwortzeit (Durchschnitt) 32.20s Antwortzeit (Gesamt) 708.46s Antwortzeit (Maximum) 162.44s Falsche Antwort: 5 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 8.7 Datenanalyse und -extraktion : 2.7 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#105#105	Gemini 3.1 Flash Litelow	6.5	Google	$0.621	16.26s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 2 Eingabe-Token 94,224 Ausgabe-Token 7,759 Denk-Token 390,126 Antwortzeit (Durchschnitt) 16.26s Antwortzeit (Gesamt) 357.64s Antwortzeit (Maximum) 318.02s Falsche Antwort: 9 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.3 Programmierung : 5.5 Kombiniert : 3.2 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
#106#106	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.052	1.58s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 57.6% Instabile Tests 1 Eingabe-Token 120,942 Ausgabe-Token 14,292 Denk-Token 0 Antwortzeit (Durchschnitt) 1.58s Antwortzeit (Gesamt) 34.72s Antwortzeit (Maximum) 9.27s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Keine Antwort: 1 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
#114#114	Qwen3.5-Flashmedium	6.2	Qwen	$0.139 ↓	84.82s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 6 Eingabe-Token 118,499 Ausgabe-Token 12,284 Denk-Token 490,610 Antwortzeit (Durchschnitt) 84.82s Antwortzeit (Gesamt) 1781.22s Antwortzeit (Maximum) 515.38s Falsche Antwort: 4 Zeitüberschreitung: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.7 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#93#93	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 6 Eingabe-Token 44,615 Ausgabe-Token 2,347 Denk-Token 98,415 Antwortzeit (Durchschnitt) 23.08s Antwortzeit (Gesamt) 484.63s Antwortzeit (Maximum) 95.88s Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 7.2 Programmierung : 6.0 Kombiniert : 3.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 7.0 Allgemeinwissen : 3.0
#130#130	Step 3.5 Flashmedium	6.0	Stepfun	$0.108 ↑	174.22s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 9.2 Erfolgsquote pro Versuch 51.5% Instabile Tests 1 Eingabe-Token 65,707 Ausgabe-Token 108,561 Denk-Token 293,993 Antwortzeit (Durchschnitt) 174.22s Antwortzeit (Gesamt) 2613.32s Antwortzeit (Maximum) 1597.85s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 2.4 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.3 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#135#135	Hy3 previewhigh	5.9	Tencent	$0.048 ↕	56.57s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.0% Instabile Tests 2 Eingabe-Token 25,987 Ausgabe-Token 216,719 Denk-Token 0 Antwortzeit (Durchschnitt) 56.57s Antwortzeit (Gesamt) 848.59s Antwortzeit (Maximum) 149.94s API-Fehler: 7 Falsche Antwort: 3 Anti-KI-Tricks : 6.4 Programmierung : 5.3 Kombiniert : 5.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#62#62	KAT-Coder-Pro V2.5low	7.4	Kwaipilot	$0.387	19.47s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 8 Eingabe-Token 87,673 Ausgabe-Token 7,166 Denk-Token 101,474 Antwortzeit (Durchschnitt) 19.47s Antwortzeit (Gesamt) 428.31s Antwortzeit (Maximum) 209.15s Falsche Antwort: 10 API-Fehler: 1 Anti-KI-Tricks : 6.9 Programmierung : 7.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#69#69	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.482	20.83s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 6 Eingabe-Token 106,076 Ausgabe-Token 9,071 Denk-Token 127,093 Antwortzeit (Durchschnitt) 20.83s Antwortzeit (Gesamt) 458.31s Antwortzeit (Maximum) 199.97s Falsche Antwort: 10 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.0 Programmierung : 6.4 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#71#71	Qwen3.7 Plusnone	7.2	Qwen	$0.106 ↓	12.09s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.0% Instabile Tests 0 Eingabe-Token 98,824 Ausgabe-Token 58,097 Denk-Token 0 Antwortzeit (Durchschnitt) 12.09s Antwortzeit (Gesamt) 265.89s Antwortzeit (Maximum) 206.03s 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
#76#76	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.62s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 7 Eingabe-Token 101,047 Ausgabe-Token 11,834 Denk-Token 117,014 Antwortzeit (Durchschnitt) 68.62s Antwortzeit (Gesamt) 1509.53s Antwortzeit (Maximum) 376.10s Falsche Antwort: 5 API-Fehler: 2 Zeitüberschreitung: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#80#80	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.101	92.53s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 8.5 Erfolgsquote pro Versuch 57.6% Instabile Tests 3 Eingabe-Token 125,467 Ausgabe-Token 10,778 Denk-Token 209,856 Antwortzeit (Durchschnitt) 92.53s Antwortzeit (Gesamt) 1665.50s Antwortzeit (Maximum) 301.78s Zeitüberschreitung: 5 Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 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
#81#81	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.467	24.04s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 7 Eingabe-Token 87,907 Ausgabe-Token 7,213 Denk-Token 128,251 Antwortzeit (Durchschnitt) 24.04s Antwortzeit (Gesamt) 528.92s Antwortzeit (Maximum) 257.00s Falsche Antwort: 9 API-Fehler: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.2 Programmierung : 7.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#83#83	GPT-5.6 Solnone	6.9	OpenAI	$0.524	2.16s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 3 Eingabe-Token 78,593 Ausgabe-Token 4,357 Denk-Token 0 Antwortzeit (Durchschnitt) 2.16s Antwortzeit (Gesamt) 47.62s Antwortzeit (Maximum) 12.81s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 8.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#86#86	Step 3.7 Flashhigh	6.9	Stepfun	$1.207	64.68s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 5 Eingabe-Token 98,691 Ausgabe-Token 1,032,395 Denk-Token 0 Antwortzeit (Durchschnitt) 64.68s Antwortzeit (Gesamt) 1423.01s Antwortzeit (Maximum) 364.99s Falsche Antwort: 6 Keine Antwort: 4 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.0 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#87#87	GPT-5.5none	6.9	OpenAI	$0.544	2.36s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.1% Instabile Tests 3 Eingabe-Token 79,285 Ausgabe-Token 4,915 Denk-Token 0 Antwortzeit (Durchschnitt) 2.36s Antwortzeit (Gesamt) 51.88s Antwortzeit (Maximum) 12.24s Falsche Antwort: 11 Anti-KI-Tricks : 6.9 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.2 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#92#92	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.476	25.56s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 7 Eingabe-Token 98,499 Ausgabe-Token 135,861 Denk-Token 0 Antwortzeit (Durchschnitt) 25.56s Antwortzeit (Gesamt) 562.43s Antwortzeit (Maximum) 335.41s Falsche Antwort: 10 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.7 Programmierung : 6.1 Kombiniert : 4.1 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#108#108	Ring-2.6-1Tmedium	6.3	Inclusionai	$0.103 ↑	68.74s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.6% Instabile Tests 4 Eingabe-Token 113,604 Ausgabe-Token 123,079 Denk-Token 42,754 Antwortzeit (Durchschnitt) 68.74s Antwortzeit (Gesamt) 1374.86s Antwortzeit (Maximum) 304.19s Falsche Antwort: 6 API-Fehler: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.3 Kombiniert : 7.3 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
#119#119	Qwen3.5-35B-A3Bmedium	6.2	Qwen	$0.837 ↓	112.47s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 6 Eingabe-Token 130,388 Ausgabe-Token 40,630 Denk-Token 786,040 Antwortzeit (Durchschnitt) 112.47s Antwortzeit (Gesamt) 2474.28s Antwortzeit (Maximum) 950.25s Zeitüberschreitung: 5 Keine Antwort: 2 Falsche Antwort: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 3.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 2.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#209#209	Step 3.5 Flashnone	2.3	Stepfun	$0.020	39.03s
Modellkarte anzeigen Gesamttests 12 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.3% 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 : 9.8 Kombiniert : 1.5 Datenanalyse und -extraktion : 1.5 Domänenspezifisch : 3.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 5.0 Rätsellösen : 0.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#134#134	Mimo V2 Omnimedium	5.9	Xiaomi	$0.683 ↓	41.16s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.0% Instabile Tests 3 Eingabe-Token 37,007 Ausgabe-Token 1,952 Denk-Token 357,306 Antwortzeit (Durchschnitt) 41.16s Antwortzeit (Gesamt) 823.26s Antwortzeit (Maximum) 299.23s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Keine Antwort: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.3 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 8.3 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#153#153	Hy3 previewlow	5.5	Tencent	$0.015 ↕	24.56s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.0% 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 : 5.0 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
#175#175	Qwen3.6 Plus Previewmedium	4.9	Qwen	$0.000	15.25s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 40.9% 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 Anti-KI-Tricks : 8.3 Programmierung : 9.8 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
#185#185	Grok 4.1 Fastmedium	4.7	X AI	$0.069 ↑	23.85s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.0% Instabile Tests 6 Eingabe-Token 42,845 Ausgabe-Token 2,006 Denk-Token 96,334 Antwortzeit (Durchschnitt) 23.85s Antwortzeit (Gesamt) 286.16s Antwortzeit (Maximum) 121.79s Anweisungen nicht befolgt: 4 Falsche Antwort: 4 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.7 Programmierung : 7.8 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.8 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#186#186	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 2 Eingabe-Token 44,969 Ausgabe-Token 58,087 Denk-Token 0 Antwortzeit (Durchschnitt) 14.73s Antwortzeit (Gesamt) 220.93s Antwortzeit (Maximum) 53.14s API-Fehler: 4 Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 6.5 Programmierung : 1.5 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#46#46	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.200	79.14s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 6 Eingabe-Token 90,748 Ausgabe-Token 10,462 Denk-Token 178,719 Antwortzeit (Durchschnitt) 79.14s Antwortzeit (Gesamt) 1740.97s Antwortzeit (Maximum) 416.76s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 5.7 Programmierung : 6.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.8 Rätsellösen : 6.9 Werkzeugaufrufe : 9.8 Allgemeinwissen : 3.0
#77#77	Kimi K2.5medium	7.0	Moonshot AI	$0.600 ↑	99.00s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 8 Eingabe-Token 118,448 Ausgabe-Token 62,124 Denk-Token 165,243 Antwortzeit (Durchschnitt) 99.00s Antwortzeit (Gesamt) 1485.04s Antwortzeit (Maximum) 281.00s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.3 Programmierung : 6.1 Kombiniert : 6.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#78#78	Mercury 2medium	7.0	Inception	$0.093	2.72s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 51.5% Instabile Tests 3 Eingabe-Token 109,572 Ausgabe-Token 10,313 Denk-Token 76,806 Antwortzeit (Durchschnitt) 2.72s Antwortzeit (Gesamt) 57.12s Antwortzeit (Maximum) 14.63s Falsche Antwort: 8 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.9 Programmierung : 8.2 Kombiniert : 6.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#82#82	DeepSeek V4 Pronone	6.9	DeepSeek	$0.096	11.55s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 51.5% Instabile Tests 4 Eingabe-Token 148,069 Ausgabe-Token 35,551 Denk-Token 0 Antwortzeit (Durchschnitt) 11.55s Antwortzeit (Gesamt) 254.11s Antwortzeit (Maximum) 119.44s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.2 Programmierung : 5.6 Kombiniert : 7.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#91#91	LongCat 2.0low	6.7	Meituan	$0.391	100.31s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 53.0% Instabile Tests 3 Eingabe-Token 90,909 Ausgabe-Token 5,679 Denk-Token 297,369 Antwortzeit (Durchschnitt) 100.31s Antwortzeit (Gesamt) 2206.82s Antwortzeit (Maximum) 560.39s Falsche Antwort: 8 API-Fehler: 1 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0

←

1 2 3 4 5 6 7

→

Schnellvergleich

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGPT-5.6 Sollow Gemini 3 Flash PreviewmediumvsGPT-5.6 Solmedium Gemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsNemotron 3 UltramediumKostenlos verfügbar Gemini 3 Flash PreviewmediumvsNorth Mini CodemediumKostenlos verfügbar Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low

AI Benchy Bestenliste

Modelle filtern

Schnellvergleich