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: 2026-07-24 Bewertete Modelle: 222

222/222

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#146#146	GPT-5.4none	5.8	OpenAI	$0.397	2.07s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 2 Eingabe-Token 108,632 Ausgabe-Token 8,321 Denk-Token 0 Antwortzeit (Durchschnitt) 2.07s Antwortzeit (Gesamt) 45.51s Antwortzeit (Maximum) 15.63s Falsche Antwort: 14 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.2 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#148#148	GLM 5none	5.7	Z.ai	$0.041 ↑	4.03s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.4% 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 : 1.5 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
#150#150	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.247 ↓	12.92s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 33.3% Instabile Tests 2 Eingabe-Token 241,566 Ausgabe-Token 88,458 Denk-Token 0 Antwortzeit (Durchschnitt) 12.92s Antwortzeit (Gesamt) 284.21s Antwortzeit (Maximum) 212.63s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 3.7 Kombiniert : 5.2 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
#151#151	Gemini 3.1 Flash Litehigh	5.6	Google	$2.044	61.96s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.1% Instabile Tests 4 Eingabe-Token 29,134 Ausgabe-Token 1,984 Denk-Token 1,355,583 Antwortzeit (Durchschnitt) 61.96s Antwortzeit (Gesamt) 1115.31s Antwortzeit (Maximum) 149.23s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 3.3 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 7.3 Rätsellösen : 5.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#153#153	GLM 5V Turbonone	5.6	Z.ai	$0.052	2.99s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.4% Instabile Tests 0 Eingabe-Token 37,100 Ausgabe-Token 1,766 Denk-Token 0 Antwortzeit (Durchschnitt) 2.99s Antwortzeit (Gesamt) 62.74s Antwortzeit (Maximum) 6.51s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#154#154	Owl Alphamedium	5.6	Openrouter	$0.000	11.95s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 37.9% Instabile Tests 1 Eingabe-Token 43,478 Ausgabe-Token 2,974 Denk-Token 0 Antwortzeit (Durchschnitt) 11.95s Antwortzeit (Gesamt) 250.88s Antwortzeit (Maximum) 58.63s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 API-Fehler: 1 Anti-KI-Tricks : 4.8 Programmierung : 5.4 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#155#155	Mimo V2 PROnone	5.6	Xiaomi	$0.045 ↓	2.27s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.4% Instabile Tests 3 Eingabe-Token 39,344 Ausgabe-Token 2,352 Denk-Token 0 Antwortzeit (Durchschnitt) 2.27s Antwortzeit (Gesamt) 45.50s Antwortzeit (Maximum) 6.58s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 API-Fehler: 1 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 6.5 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#156#156	Owl Alphanone	5.6	Openrouter	$0.000	9.88s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 1 Eingabe-Token 42,283 Ausgabe-Token 5,913 Denk-Token 0 Antwortzeit (Durchschnitt) 9.88s Antwortzeit (Gesamt) 207.38s Antwortzeit (Maximum) 47.10s Falsche Antwort: 10 Anweisungen nicht befolgt: 3 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 3.4 Programmierung : 5.6 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 6.4 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#158#158	DeepSeek V4 Flashnone	5.6	DeepSeek	$0.044 ↓	36.78s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 31.8% Instabile Tests 4 Eingabe-Token 240,221 Ausgabe-Token 100,727 Denk-Token 0 Antwortzeit (Durchschnitt) 36.78s Antwortzeit (Gesamt) 809.09s Antwortzeit (Maximum) 247.27s Falsche Antwort: 12 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.0 Programmierung : 4.2 Kombiniert : 4.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#159#159	GLM 5.1none	5.5	Z.ai	$0.164 ↓	6.70s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.9% Instabile Tests 5 Eingabe-Token 124,209 Ausgabe-Token 14,393 Denk-Token 0 Antwortzeit (Durchschnitt) 6.70s Antwortzeit (Gesamt) 147.38s Antwortzeit (Maximum) 61.20s Falsche Antwort: 13 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 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
#160#160	Qwen3.6 27Bnone	5.5	Qwen	$0.116 ↑	10.65s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 6 Eingabe-Token 95,796 Ausgabe-Token 16,155 Denk-Token 0 Antwortzeit (Durchschnitt) 10.65s Antwortzeit (Gesamt) 234.39s Antwortzeit (Maximum) 156.31s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 3.8 Programmierung : 5.5 Kombiniert : 3.2 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
#161#161	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
#162#162	MiMo-V2.5-Pronone	5.5	Xiaomi	$0.068 ↓	4.12s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 37.9% Instabile Tests 4 Eingabe-Token 124,799 Ausgabe-Token 15,362 Denk-Token 0 Antwortzeit (Durchschnitt) 4.12s Antwortzeit (Gesamt) 90.55s Antwortzeit (Maximum) 53.13s Falsche Antwort: 11 Anweisungen nicht befolgt: 4 Keine Antwort: 1 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
#163#163	Kimi K2.5none	5.5	Moonshot AI	$0.127 ↑	19.15s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 4 Eingabe-Token 89,322 Ausgabe-Token 26,638 Denk-Token 0 Antwortzeit (Durchschnitt) 19.15s Antwortzeit (Gesamt) 287.30s Antwortzeit (Maximum) 102.83s Falsche Antwort: 15 Keine Antwort: 1 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
#164#164	Gemma 4 26B A4Bnone	5.5	Google	$0.022 ↑	7.64s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.4% Instabile Tests 2 Eingabe-Token 131,282 Ausgabe-Token 15,781 Denk-Token 0 Antwortzeit (Durchschnitt) 7.64s Antwortzeit (Gesamt) 167.98s Antwortzeit (Maximum) 57.10s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 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
#165#165	Mimo V2 Omninone	5.5	Xiaomi	$0.021 ↓	2.44s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 37.9% 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 : 1.5 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
#168#168	GPT-5.6 Lunanone	5.4	OpenAI	$0.142	1.50s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 3 Eingabe-Token 101,323 Ausgabe-Token 6,709 Denk-Token 0 Antwortzeit (Durchschnitt) 1.50s Antwortzeit (Gesamt) 32.91s Antwortzeit (Maximum) 10.57s Falsche Antwort: 14 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 3.8 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 7.1 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#170#170	Laguna XS 2.1none	5.3	Poolside	$0.008	1.55s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.3% Instabile Tests 3 Eingabe-Token 91,598 Ausgabe-Token 13,377 Denk-Token 0 Antwortzeit (Durchschnitt) 1.55s Antwortzeit (Gesamt) 34.19s Antwortzeit (Maximum) 19.02s Falsche Antwort: 14 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 5.3 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 3.8 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#171#171	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.061 ↑	5.52s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 31.8% Instabile Tests 6 Eingabe-Token 93,979 Ausgabe-Token 46,957 Denk-Token 0 Antwortzeit (Durchschnitt) 5.52s Antwortzeit (Gesamt) 110.40s Antwortzeit (Maximum) 39.54s Falsche Antwort: 13 API-Fehler: 2 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Anti-KI-Tricks : 3.6 Programmierung : 5.5 Kombiniert : 3.8 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
#172#172	Ling-2.6-1Tnone	5.3	Inclusionai	$0.016 ↑	8.58s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 18.2% Instabile Tests 0 Eingabe-Token 106,414 Ausgabe-Token 11,555 Denk-Token 0 Antwortzeit (Durchschnitt) 8.58s Antwortzeit (Gesamt) 163.06s 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 : 6.5 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
#175#175	Mistral Small 4none	5.1	Mistral	$0.022	1.20s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 25.8% Instabile Tests 1 Eingabe-Token 104,708 Ausgabe-Token 9,812 Denk-Token 0 Antwortzeit (Durchschnitt) 1.20s Antwortzeit (Gesamt) 26.38s Antwortzeit (Maximum) 13.16s Falsche Antwort: 16 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.4 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#176#176	Qwen3 Coder Nextnone	5.1	Qwen	$0.025 ↓	9.12s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 25.8% Instabile Tests 1 Eingabe-Token 134,218 Ausgabe-Token 11,808 Denk-Token 0 Antwortzeit (Durchschnitt) 9.12s Antwortzeit (Gesamt) 145.94s Antwortzeit (Maximum) 45.14s Falsche Antwort: 14 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Keine Antwort: 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
#177#177	Mistral Small 4medium	5.1	Mistral	$0.096	10.77s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.4% Instabile Tests 8 Eingabe-Token 140,494 Ausgabe-Token 39,462 Denk-Token 92,362 Antwortzeit (Durchschnitt) 10.77s Antwortzeit (Gesamt) 236.94s Antwortzeit (Maximum) 59.15s Falsche Antwort: 12 API-Fehler: 2 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Anti-KI-Tricks : 5.6 Programmierung : 4.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 7.3 Rätsellösen : 3.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#178#178	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.62s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 25.8% Instabile Tests 1 Eingabe-Token 141,043 Ausgabe-Token 16,464 Denk-Token 0 Antwortzeit (Durchschnitt) 4.62s Antwortzeit (Gesamt) 101.57s Antwortzeit (Maximum) 55.36s Falsche Antwort: 14 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#179#179	Qwen3.5-9Bnone	5.1	Qwen	$0.021 ↑	19.17s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 19.7% Instabile Tests 1 Eingabe-Token 144,407 Ausgabe-Token 37,484 Denk-Token 0 Antwortzeit (Durchschnitt) 19.17s Antwortzeit (Gesamt) 421.74s Antwortzeit (Maximum) 382.06s Falsche Antwort: 14 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 3.1 Programmierung : 3.9 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#180#180	GLM 5 Turbonone	5.1	Z.ai	$0.047 ↑	2.82s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.3% Instabile Tests 2 Eingabe-Token 32,525 Ausgabe-Token 1,815 Denk-Token 0 Antwortzeit (Durchschnitt) 2.82s Antwortzeit (Gesamt) 59.29s Antwortzeit (Maximum) 8.21s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.0 Programmierung : 3.9 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#182#182	MiniMax M2.7medium	5.0	Minimax	$0.163 ↓	41.28s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 9 Eingabe-Token 114,518 Ausgabe-Token 18,558 Denk-Token 119,036 Antwortzeit (Durchschnitt) 41.28s Antwortzeit (Gesamt) 866.81s Antwortzeit (Maximum) 196.21s Falsche Antwort: 6 Anweisungen nicht befolgt: 5 Keine Antwort: 2 Zeitüberschreitung: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.9 Programmierung : 5.7 Kombiniert : 3.8 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 3.8 Rätsellösen : 5.9 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#184#184	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	18.25s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 37.9% Instabile Tests 6 Eingabe-Token 135,780 Ausgabe-Token 42,097 Denk-Token 0 Antwortzeit (Durchschnitt) 18.25s Antwortzeit (Gesamt) 401.60s Antwortzeit (Maximum) 115.89s Falsche Antwort: 7 API-Fehler: 4 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.2 Programmierung : 3.1 Kombiniert : 4.8 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
#185#185	GPT-4o-mininone	5.0	OpenAI	$0.010	1.99s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 22.7% Instabile Tests 0 Eingabe-Token 53,136 Ausgabe-Token 2,911 Denk-Token 0 Antwortzeit (Durchschnitt) 1.99s Antwortzeit (Gesamt) 29.86s Antwortzeit (Maximum) 7.58s Falsche Antwort: 15 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 4.8 Programmierung : 3.2 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#187#187	GLM 4.7 Flashnone	4.9	Z.ai	$0.016	9.15s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 3 Eingabe-Token 101,504 Ausgabe-Token 22,992 Denk-Token 0 Antwortzeit (Durchschnitt) 9.15s Antwortzeit (Gesamt) 137.18s Antwortzeit (Maximum) 97.15s Falsche Antwort: 13 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 5.2 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 6.4 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0

←

1 4 5 6 8

→

Schnellvergleich

Gemini 3.6 FlashmediumvsGemini 3.6 Flashhigh Gemini 3.6 FlashhighvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3.6 Flashlow Gemini 3.6 FlashlowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium Gemini 3.5 FlashmediumvsGPT-5.5medium

AI Benchy Bestenliste

Modelle filtern

Schnellvergleich