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: 2026-10-17 Bewertete Modelle: 442

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

442/442

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#375#375	Ring 2.6 1tdefault	4.5	Inclusionai	$0.026 ↑	48.94s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.5% Instabile Tests 2 Eingabe-Token 7,608 Ausgabe-Token 17,529 Denk-Token 34,499 Antwortzeit (Durchschnitt) 48.94s Antwortzeit (Gesamt) 831.92s Antwortzeit (Maximum) 143.82s API-Fehler: 7 Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Agentenaufgaben : 3.0 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
#102#102	Seed-2.0-Litemedium	8.2	Bytedance Seed	$0.271	48.87s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 4 Eingabe-Token 229,530 Ausgabe-Token 13,757 Denk-Token 92,662 Antwortzeit (Durchschnitt) 48.87s Antwortzeit (Gesamt) 1123.91s Antwortzeit (Maximum) 254.92s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 8.0 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 6.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#79#79	Qwen3.7 Maxmedium	8.5	Qwen	$1.689 ↓	48.35s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 85.5% Instabile Tests 4 Eingabe-Token 367,848 Ausgabe-Token 8,753 Denk-Token 250,279 Antwortzeit (Durchschnitt) 48.35s Antwortzeit (Gesamt) 1112.11s Antwortzeit (Maximum) 556.06s Falsche Antwort: 5 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#305#305	Nemotron 3.5 Super VLnone	5.5	NVIDIA	$0.040	46.97s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 43.5% Instabile Tests 4 Eingabe-Token 251,253 Ausgabe-Token 3,892 Denk-Token 0 Antwortzeit (Durchschnitt) 46.97s Antwortzeit (Gesamt) 1080.29s Antwortzeit (Maximum) 872.07s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 6.5 Programmierung : 3.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 4.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#142#142	Qwen3.8 27Blow	7.6	Qwen	~$0.089	46.60s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 1 Eingabe-Token 315,290 Ausgabe-Token 1,607 Denk-Token 207,536 Antwortzeit (Durchschnitt) 46.60s Antwortzeit (Gesamt) 1071.83s Antwortzeit (Maximum) 376.04s Falsche Antwort: 5 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 7.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#170#170	Qwen3.7 Flashhigh	7.2	Qwen	$0.063	45.48s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 7 Eingabe-Token 293,775 Ausgabe-Token 13,527 Denk-Token 396,291 Antwortzeit (Durchschnitt) 45.48s Antwortzeit (Gesamt) 1045.97s Antwortzeit (Maximum) 431.47s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#149#149	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
#230#230	Grok 4.3medium	6.5	X AI	$0.989	44.53s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 5 Eingabe-Token 325,471 Ausgabe-Token 14,867 Denk-Token 217,675 Antwortzeit (Durchschnitt) 44.53s Antwortzeit (Gesamt) 1024.25s Antwortzeit (Maximum) 216.69s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#122#122	Muse Wondermax	7.9	Meta	$4.766	44.39s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 9.0 Erfolgsquote pro Versuch 75.4% Instabile Tests 3 Eingabe-Token 93,126 Ausgabe-Token 10,497 Denk-Token 209,138 Antwortzeit (Durchschnitt) 44.39s Antwortzeit (Gesamt) 1021.02s Antwortzeit (Maximum) 287.79s API-Fehler: 4 Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 2.8
#115#115	GLM 5.3 FlashXmax	7.9	Z.ai	$0.623	43.97s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 78.3% Instabile Tests 6 Eingabe-Token 322,894 Ausgabe-Token 8,010 Denk-Token 394,755 Antwortzeit (Durchschnitt) 43.97s Antwortzeit (Gesamt) 1011.29s Antwortzeit (Maximum) 390.70s Ungültiger Werkzeugaufruf: 2 Keine Antwort: 2 Falsche Antwort: 2 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 8.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#412#412	Xing4.0 29b A4bnone	3.3	Xingchen AGI	$0.000	42.72s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 23 Zuverlässigkeit 8.8 Erfolgsquote pro Versuch 7.3% Instabile Tests 4 Eingabe-Token 153,665 Ausgabe-Token 26,540 Denk-Token 0 Antwortzeit (Durchschnitt) 42.72s Antwortzeit (Gesamt) 982.66s Antwortzeit (Maximum) 634.11s Falsche Antwort: 13 Anweisungen nicht befolgt: 5 API-Fehler: 3 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 3.3 Programmierung : 3.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 2.9 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 4.0 Rätsellösen : 3.1 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#355#355	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
#137#137	Qwen3.7 Flashlow	7.7	Qwen	$0.071 ↑	41.03s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 6 Eingabe-Token 318,058 Ausgabe-Token 16,035 Denk-Token 315,072 Antwortzeit (Durchschnitt) 41.03s Antwortzeit (Gesamt) 943.75s Antwortzeit (Maximum) 394.54s Falsche Antwort: 7 Anweisungen nicht befolgt: 3 API-Fehler: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 6.7 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 8.5 Rätsellösen : 7.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.927	40.60s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 1 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 98.6% Instabile Tests 1 Eingabe-Token 334,568 Ausgabe-Token 11,394 Denk-Token 435,334 Antwortzeit (Durchschnitt) 40.60s Antwortzeit (Gesamt) 933.73s Antwortzeit (Maximum) 177.08s Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 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
#354#354	Hy4 previewnone	4.9	Tencent	$0.165	40.38s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 20 Zuverlässigkeit 6.2 Erfolgsquote pro Versuch 15.9% Instabile Tests 1 Eingabe-Token 185,167 Ausgabe-Token 9,430 Denk-Token 0 Antwortzeit (Durchschnitt) 40.38s Antwortzeit (Gesamt) 928.76s Antwortzeit (Maximum) 95.32s Falsche Antwort: 14 API-Fehler: 2 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.3 Programmierung : 3.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 8.7 Domänenspezifisch : 6.8 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 7.0 Rätsellösen : 4.6 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#109#109	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
#167#167	Qwen3.8 27Bmedium	7.2	Qwen	~$0.073	40.09s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 66.7% Instabile Tests 2 Eingabe-Token 277,164 Ausgabe-Token 1,913 Denk-Token 168,783 Antwortzeit (Durchschnitt) 40.09s Antwortzeit (Gesamt) 881.89s Antwortzeit (Maximum) 214.63s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 8.7 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.3 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#33#33	GPT-5.5medium	9.2	OpenAI	$4.809	39.86s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 88.4% Instabile Tests 3 Eingabe-Token 180,959 Ausgabe-Token 6,472 Denk-Token 123,635 Antwortzeit (Durchschnitt) 39.86s Antwortzeit (Gesamt) 916.82s Antwortzeit (Maximum) 332.10s Falsche Antwort: 4 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 8.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 2.8
#47#47	Muse Spark 1.3medium	9.0	Meta	$1.712	39.83s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 85.5% Instabile Tests 3 Eingabe-Token 250,676 Ausgabe-Token 13,511 Denk-Token 315,400 Antwortzeit (Durchschnitt) 39.83s Antwortzeit (Gesamt) 916.20s Antwortzeit (Maximum) 219.77s Falsche Antwort: 4 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 9.6 Allgemeinwissen : 3.0
#172#172	GLM 5medium	7.2	Z.ai	$0.479 ↑	39.05s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.8% Instabile Tests 5 Eingabe-Token 212,440 Ausgabe-Token 22,922 Denk-Token 115,335 Antwortzeit (Durchschnitt) 39.05s Antwortzeit (Gesamt) 546.68s Antwortzeit (Maximum) 110.70s Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 5.0 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#433#433	Step 3.5 Flashnone	1.9	Stepfun	$0.020	39.03s
Modellkarte anzeigen Gesamttests 12 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 26.1% Instabile Tests 0 Eingabe-Token 1,971 Ausgabe-Token 50,509 Denk-Token 33,867 Antwortzeit (Durchschnitt) 39.03s Antwortzeit (Gesamt) 312.26s Antwortzeit (Maximum) 114.12s API-Fehler: 4 Anweisungen nicht befolgt: 1 Falsche Antwort: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 10.0 Programmierung : 1.0 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
#257#257	DeepSeek V4 Flash 0423none	6.3	DeepSeek	$0.149 ↑	38.64s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.4% Instabile Tests 4 Eingabe-Token 403,455 Ausgabe-Token 100,227 Denk-Token 15,364 Antwortzeit (Durchschnitt) 38.64s Antwortzeit (Gesamt) 888.69s Antwortzeit (Maximum) 247.27s Falsche Antwort: 13 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 3.0 Programmierung : 4.2 Kombiniert : 4.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#381#381	Cobuddymedium	4.4	Baidu	$0.000	38.01s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.5% Instabile Tests 6 Eingabe-Token 37,449 Ausgabe-Token 1,677 Denk-Token 116,703 Antwortzeit (Durchschnitt) 38.01s Antwortzeit (Gesamt) 798.15s Antwortzeit (Maximum) 309.02s Falsche Antwort: 9 Anweisungen nicht befolgt: 3 API-Fehler: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.7 Programmierung : 3.7 Kombiniert : 1.5 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#87#87	Muse Spark 1.1high	8.4	Meta	$2.570	37.41s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 6 Eingabe-Token 336,310 Ausgabe-Token 10,838 Denk-Token 494,728 Antwortzeit (Durchschnitt) 37.41s Antwortzeit (Gesamt) 860.39s Antwortzeit (Maximum) 196.03s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 7.5 Programmierung : 10.0 Kombiniert : 5.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 7.8 Werkzeugaufrufe : 9.6 Allgemeinwissen : 3.0
#353#353	Qwen3.5-9Bnone	4.9	Qwen	$0.041	37.19s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 18.8% Instabile Tests 1 Eingabe-Token 307,670 Ausgabe-Token 70,427 Denk-Token 0 Antwortzeit (Durchschnitt) 37.19s Antwortzeit (Gesamt) 855.27s Antwortzeit (Maximum) 433.02s Falsche Antwort: 15 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Agentenaufgaben : 3.9 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

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