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: 2026-10-19 Bewertete Modelle: 451

Empfohlene Modelle

GPT-6.1 Sol xhigh Intelligent Erfolgsquote pro Versuch 97.1% Korrekte Tests 22 / 23 Punktzahl 9.9/10 Gemini 3.7 Flash low Schnell Antwortzeit (Durchschnitt) 6.24s Gesamte Ausgabe-Token 38,453 Punktzahl 9.4/10 GPT-6 Luna high Preiswert Eingabepreis $0.100 / 1M Ausgabepreis $0.500 / 1M Preis für Cache-Lesen $0.010 / 1M Preis für Cache-Schreiben $0.125 / 1M Punktzahl 7.7/10

451/451

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#216#216	GPT-5.6 Solnone	6.7	OpenAI	$0.795	4.61s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 3 Eingabe-Token 207,852 Ausgabe-Token 5,555 Denk-Token 0 Antwortzeit (Durchschnitt) 4.61s Antwortzeit (Gesamt) 105.93s Antwortzeit (Maximum) 58.28s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 8.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#301#301	Trinity Large Thinkinghigh	5.7	Arcee AI	$0.794 ↑	74.52s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.0% Instabile Tests 8 Eingabe-Token 283,116 Ausgabe-Token 277,920 Denk-Token 665,124 Antwortzeit (Durchschnitt) 74.52s Antwortzeit (Gesamt) 1713.90s Antwortzeit (Maximum) 510.21s Falsche Antwort: 10 Anweisungen nicht befolgt: 4 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.7 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 6.3 Rätsellösen : 4.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#329#329	Ember-1none	5.4	Fireworks	$0.786	22.65s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 8.8 Erfolgsquote pro Versuch 43.5% Instabile Tests 4 Eingabe-Token 202,617 Ausgabe-Token 11,832 Denk-Token 0 Antwortzeit (Durchschnitt) 22.65s Antwortzeit (Gesamt) 520.91s Antwortzeit (Maximum) 93.12s Falsche Antwort: 10 API-Fehler: 5 Agentenaufgaben : 6.1 Anti-KI-Tricks : 5.2 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.4 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#152#152	Qwen3.6 Flashmedium	7.4	Qwen	$0.783 ↓	45.45s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 5 Eingabe-Token 258,760 Ausgabe-Token 22,221 Denk-Token 630,059 Antwortzeit (Durchschnitt) 45.45s Antwortzeit (Gesamt) 1045.45s Antwortzeit (Maximum) 578.13s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 5.0 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#191#191	Grok 4.6low	6.9	X AI	$0.781	16.44s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 1 Eingabe-Token 263,427 Ausgabe-Token 6,006 Denk-Token 36,309 Antwortzeit (Durchschnitt) 16.44s Antwortzeit (Gesamt) 378.14s Antwortzeit (Maximum) 57.97s Falsche Antwort: 8 Agentenaufgaben : 5.0 Anti-KI-Tricks : 10.0 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#165#165	LongCat 2.0high	7.3	Meituan	$0.778 ↑	151.67s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.6% Instabile Tests 4 Eingabe-Token 275,080 Ausgabe-Token 32,447 Denk-Token 372,188 Antwortzeit (Durchschnitt) 151.67s Antwortzeit (Gesamt) 3488.43s Antwortzeit (Maximum) 941.66s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Zeitüberschreitung: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.9 Programmierung : 7.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 3.6 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#113#113	Gemini 3.8 Flashmedium	8.0	Google	$0.769	16.64s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 89.9% Instabile Tests 3 Eingabe-Token 187,331 Ausgabe-Token 7,555 Denk-Token 159,931 Antwortzeit (Durchschnitt) 16.64s Antwortzeit (Gesamt) 382.64s Antwortzeit (Maximum) 108.60s Falsche Antwort: 2 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 10.0 Programmierung : 8.0 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 8.2 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#174#174	LongCat 2.0medium	7.2	Meituan	$0.767 ↑	144.88s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.4% Instabile Tests 3 Eingabe-Token 287,669 Ausgabe-Token 47,204 Denk-Token 375,030 Antwortzeit (Durchschnitt) 144.88s Antwortzeit (Gesamt) 3332.19s Antwortzeit (Maximum) 939.52s Falsche Antwort: 8 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#100#100	DeepSeek V4.1 Flash 1017max	8.2	DeepSeek	$0.757	78.20s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.8% Instabile Tests 5 Eingabe-Token 360,065 Ausgabe-Token 7,711 Denk-Token 1,162,470 Antwortzeit (Durchschnitt) 78.20s Antwortzeit (Gesamt) 1798.65s Antwortzeit (Maximum) 605.14s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 5.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#12#12	GPT-6.1 Solhigh	9.6	OpenAI	$0.755	15.46s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 94.2% Instabile Tests 1 Eingabe-Token 174,960 Ausgabe-Token 5,780 Denk-Token 34,728 Antwortzeit (Durchschnitt) 15.46s Antwortzeit (Gesamt) 355.66s Antwortzeit (Maximum) 139.76s Falsche Antwort: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 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 : 4.7
#46#46	Gemini 3.5 Flashlow	9.0	Google	$0.752	7.85s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 85.5% Instabile Tests 2 Eingabe-Token 244,533 Ausgabe-Token 3,450 Denk-Token 39,280 Antwortzeit (Durchschnitt) 7.85s Antwortzeit (Gesamt) 180.45s Antwortzeit (Maximum) 53.74s Falsche Antwort: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 7.8 Kombiniert : 8.2 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
#355#355	Grok 4.20 Betamedium	4.9	X AI	$0.750 ↑	9.75s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 4 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 63.8% Instabile Tests 1 Eingabe-Token 35,955 Ausgabe-Token 1,647 Denk-Token 91,565 Antwortzeit (Durchschnitt) 9.75s Antwortzeit (Gesamt) 175.48s Antwortzeit (Maximum) 31.36s Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 8.7 Programmierung : 3.3 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 0.0
#281#281	KAT-Coder-Pro V2.5default	6.1	Kwaipilot	$0.742 ↑	24.96s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 8 Eingabe-Token 98,508 Ausgabe-Token 8,088 Denk-Token 131,484 Antwortzeit (Durchschnitt) 24.96s Antwortzeit (Gesamt) 574.12s Antwortzeit (Maximum) 335.41s Falsche Antwort: 10 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.7 Programmierung : 6.1 Kombiniert : 4.1 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#255#255	Gemini 3.1 Flash Lite Previewlow	6.3	Google	$0.736	19.04s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 0 Eingabe-Token 309,715 Ausgabe-Token 16,170 Denk-Token 422,721 Antwortzeit (Durchschnitt) 19.04s Antwortzeit (Gesamt) 437.98s Antwortzeit (Maximum) 309.35s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#257#257	Gemini 3.1 Flash Litelow	6.3	Google	$0.717	19.02s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 2 Eingabe-Token 312,368 Ausgabe-Token 9,429 Denk-Token 416,147 Antwortzeit (Durchschnitt) 19.02s Antwortzeit (Gesamt) 437.38s Antwortzeit (Maximum) 318.02s Falsche Antwort: 9 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 7.3 Programmierung : 5.5 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#252#252	Qwen3.5-35B-A3Bmedium	6.3	Qwen	$0.716 ↓	111.54s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 7 Eingabe-Token 378,048 Ausgabe-Token 56,477 Denk-Token 865,151 Antwortzeit (Durchschnitt) 111.54s Antwortzeit (Gesamt) 2565.38s Antwortzeit (Maximum) 950.25s Keine Antwort: 3 Zeitüberschreitung: 3 Falsche Antwort: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 7.4 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 3.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 2.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#19#19	GPT-6 Solmedium	9.5	OpenAI	$0.703	12.12s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 2 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 94.2% Instabile Tests 1 Eingabe-Token 194,520 Ausgabe-Token 5,396 Denk-Token 25,991 Antwortzeit (Durchschnitt) 12.12s Antwortzeit (Gesamt) 278.70s Antwortzeit (Maximum) 82.74s Falsche Antwort: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 8.2 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 : 10.0
#91#91	GPT-5.6 Terrahigh	8.3	OpenAI	$0.698 ↓	13.62s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 2 Eingabe-Token 197,239 Ausgabe-Token 6,083 Denk-Token 53,982 Antwortzeit (Durchschnitt) 13.62s Antwortzeit (Gesamt) 313.21s Antwortzeit (Maximum) 91.49s Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 7.6 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#309#309	GPT-5.4none	5.6	OpenAI	$0.690	3.89s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 33.3% Instabile Tests 2 Eingabe-Token 219,404 Ausgabe-Token 9,372 Denk-Token 0 Antwortzeit (Durchschnitt) 3.89s Antwortzeit (Gesamt) 89.48s Antwortzeit (Maximum) 43.73s Falsche Antwort: 15 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 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
#232#232	Beam 1.0 501B A23Bxhigh	6.5	Reflection	$0.688	9.18s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 5 Eingabe-Token 212,065 Ausgabe-Token 4,428 Denk-Token 154,069 Antwortzeit (Durchschnitt) 9.18s Antwortzeit (Gesamt) 211.12s Antwortzeit (Maximum) 44.64s Falsche Antwort: 8 API-Fehler: 3 Agentenaufgaben : 3.0 Anti-KI-Tricks : 9.2 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.8 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#364#364	Mimo V2 Omnimedium	4.9	Xiaomi	$0.683 ↓	41.16s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.7% 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 Agentenaufgaben : 0.0 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
#164#164	Gemini 2.5 Flashmedium	7.3	Google	$0.680 ↑	20.51s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 1 Eingabe-Token 132,507 Ausgabe-Token 12,739 Denk-Token 228,626 Antwortzeit (Durchschnitt) 20.51s Antwortzeit (Gesamt) 471.64s Antwortzeit (Maximum) 140.50s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.4 Programmierung : 7.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#111#111	Nemotron 3 Ultramedium	8.0	NVIDIA	$0.674 ↕	40.33s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 68.1% Instabile Tests 3 Eingabe-Token 482,754 Ausgabe-Token 62,455 Denk-Token 141,067 Antwortzeit (Durchschnitt) 40.33s Antwortzeit (Gesamt) 927.65s Antwortzeit (Maximum) 392.56s Falsche Antwort: 7 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 8.4 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#274#274	Beam 1.0 501B A23Bhigh	6.1	Reflection	$0.674	9.03s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.4% Instabile Tests 5 Eingabe-Token 232,218 Ausgabe-Token 4,944 Denk-Token 142,263 Antwortzeit (Durchschnitt) 9.03s Antwortzeit (Gesamt) 207.67s Antwortzeit (Maximum) 36.04s Falsche Antwort: 7 API-Fehler: 3 Anweisungen nicht befolgt: 2 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.8 Programmierung : 8.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#50#50	Gemini 4 Argonmedium	9.0	Google	$0.674	6.63s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 84.1% Instabile Tests 1 Eingabe-Token 215,326 Ausgabe-Token 6,668 Denk-Token 17,615 Antwortzeit (Durchschnitt) 6.63s Antwortzeit (Gesamt) 152.50s Antwortzeit (Maximum) 62.49s Falsche Antwort: 4 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 9.8 Allgemeinwissen : 3.0

Globale Benchmark-Trends

Sieh, wie aktuelle Modelle Score, Kosten, Geschwindigkeit, Ausgabelänge und Kategoriestärke ausbalancieren.

Diagramme →

Pareto-Frontier: Intelligenz vs. Kosten

Score-Frontier führender Unternehmen im Zeitverlauf

Pareto-Frontier: Intelligenz vs. Antwortgeschwindigkeit

Pareto-Frontier: Score vs. Ausgabe-Tokens

Kategorieschwierigkeit über alle Modelle

Schnellvergleich

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow