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)
#167#167	KAT-Coder-Air V2.5low	5.4	Kwaipilot	$0.041	10.09s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 45.5% Instabile Tests 7 Eingabe-Token 61,085 Ausgabe-Token 5,905 Denk-Token 46,990 Antwortzeit (Durchschnitt) 10.09s Antwortzeit (Gesamt) 222.03s Antwortzeit (Maximum) 86.23s Falsche Antwort: 7 Zusätzliche Formatierung: 4 API-Fehler: 2 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 7.3 Programmierung : 3.5 Kombiniert : 6.4 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#169#169	Laguna S 2.1high	5.4	Poolside	$0.127	111.61s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 27.3% Instabile Tests 5 Eingabe-Token 208,931 Ausgabe-Token 175,588 Denk-Token 409,276 Antwortzeit (Durchschnitt) 111.61s Antwortzeit (Gesamt) 2455.39s Antwortzeit (Maximum) 1190.11s Falsche Antwort: 11 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.4 Programmierung : 5.3 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 4.6 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#174#174	Inklingnone	5.2	Thinkingmachines	$0.147	3.50s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 28.8% Instabile Tests 1 Eingabe-Token 104,111 Ausgabe-Token 10,551 Denk-Token 0 Antwortzeit (Durchschnitt) 3.50s Antwortzeit (Gesamt) 77.09s Antwortzeit (Maximum) 48.02s Falsche Antwort: 13 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 4.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.6 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#183#183	Laguna S 2.1low	5.0	Poolside	$0.091	85.35s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 25.8% Instabile Tests 6 Eingabe-Token 118,746 Ausgabe-Token 67,823 Denk-Token 383,885 Antwortzeit (Durchschnitt) 85.35s Antwortzeit (Gesamt) 1877.64s Antwortzeit (Maximum) 814.73s Falsche Antwort: 15 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.4 Programmierung : 3.8 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 4.3 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#32#32	Inklinghigh	8.0	Thinkingmachines	$1.006	64.16s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 77.3% Instabile Tests 3 Eingabe-Token 86,746 Ausgabe-Token 6,055 Denk-Token 220,791 Antwortzeit (Durchschnitt) 64.16s Antwortzeit (Gesamt) 1411.59s Antwortzeit (Maximum) 327.51s Falsche Antwort: 4 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.5 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#36#36	Inklingmedium	8.0	Thinkingmachines	$0.391	16.21s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 78.8% Instabile Tests 5 Eingabe-Token 124,053 Ausgabe-Token 12,189 Denk-Token 53,597 Antwortzeit (Durchschnitt) 16.21s Antwortzeit (Gesamt) 356.54s Antwortzeit (Maximum) 85.12s Falsche Antwort: 4 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 8.4 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 2.8
#55#55	Nemotron 3 Ultramedium	7.5	NVIDIA	$0.504 ↕	32.21s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 68.2% Instabile Tests 4 Eingabe-Token 233,488 Ausgabe-Token 57,916 Denk-Token 128,062 Antwortzeit (Durchschnitt) 32.21s Antwortzeit (Gesamt) 708.65s Antwortzeit (Maximum) 392.56s Falsche Antwort: 7 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.4 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 3.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#64#64	LongCat 2.0medium	7.4	Meituan	$0.478	136.64s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 60.6% Instabile Tests 3 Eingabe-Token 97,315 Ausgabe-Token 44,384 Denk-Token 329,012 Antwortzeit (Durchschnitt) 136.64s Antwortzeit (Gesamt) 3006.01s Antwortzeit (Maximum) 939.52s Falsche Antwort: 7 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#166#166	Laguna S 2.1medium	5.4	Poolside	$0.059	58.43s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 25.8% Instabile Tests 4 Eingabe-Token 86,641 Ausgabe-Token 97,298 Denk-Token 242,297 Antwortzeit (Durchschnitt) 58.43s Antwortzeit (Gesamt) 1285.48s Antwortzeit (Maximum) 560.31s Falsche Antwort: 13 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.4 Programmierung : 5.3 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 4.2 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#204#204	Laguna M.1none	4.4	Poolside	$0.009 ↕	2.89s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 15 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 27.3% Instabile Tests 3 Eingabe-Token 38,147 Ausgabe-Token 2,054 Denk-Token 0 Antwortzeit (Durchschnitt) 2.89s Antwortzeit (Gesamt) 43.28s Antwortzeit (Maximum) 15.42s Falsche Antwort: 10 API-Fehler: 4 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.4 Programmierung : 2.5 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#51#51	MiniMax M3medium	7.6	Minimax	$0.286	74.98s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 66.7% Instabile Tests 5 Eingabe-Token 121,990 Ausgabe-Token 77,916 Denk-Token 173,553 Antwortzeit (Durchschnitt) 74.98s Antwortzeit (Gesamt) 1574.56s Antwortzeit (Maximum) 431.03s Zeitüberschreitung: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 5.5 Programmierung : 6.1 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.5 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#74#74	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.317 ↓	46.36s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 63.6% Instabile Tests 2 Eingabe-Token 42,097 Ausgabe-Token 2,280 Denk-Token 166,613 Antwortzeit (Durchschnitt) 46.36s Antwortzeit (Gesamt) 973.57s Antwortzeit (Maximum) 189.38s Falsche Antwort: 8 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.9 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#96#96	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
#116#116	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 69.7% Instabile Tests 5 Eingabe-Token 40,961 Ausgabe-Token 2,518 Denk-Token 81,801 Antwortzeit (Durchschnitt) 22.16s Antwortzeit (Gesamt) 443.22s Antwortzeit (Maximum) 136.29s Falsche Antwort: 5 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.0 Kombiniert : 2.3 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#42#42	GLM 5.2medium	7.8	Z.ai	$0.183 ↓	23.28s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 6 Zuverlässigkeit 9.5 Erfolgsquote pro Versuch 80.3% Instabile Tests 4 Eingabe-Token 37,199 Ausgabe-Token 12,261 Denk-Token 49,500 Antwortzeit (Durchschnitt) 23.28s Antwortzeit (Gesamt) 488.94s Antwortzeit (Maximum) 101.36s Falsche Antwort: 3 Keine Antwort: 2 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#72#72	Kimi K2.6medium	7.2	Moonshot AI	$1.036 ↓	109.98s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 63.6% Instabile Tests 4 Eingabe-Token 68,902 Ausgabe-Token 111,680 Denk-Token 279,860 Antwortzeit (Durchschnitt) 109.98s Antwortzeit (Gesamt) 2309.56s Antwortzeit (Maximum) 876.20s Zeitüberschreitung: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 7.0 Programmierung : 5.7 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#100#100	Gemma 4 26B A4Bmedium	6.6	Google	$0.096 ↑	103.83s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 66.7% Instabile Tests 2 Eingabe-Token 77,550 Ausgabe-Token 28,036 Denk-Token 219,491 Antwortzeit (Durchschnitt) 103.83s Antwortzeit (Gesamt) 2180.47s Antwortzeit (Maximum) 912.19s Falsche Antwort: 3 Keine Antwort: 2 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 2.9 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#102#102	LongCat 2.0high	6.6	Meituan	$0.469	148.73s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 53.0% Instabile Tests 5 Eingabe-Token 93,357 Ausgabe-Token 30,466 Denk-Token 336,325 Antwortzeit (Durchschnitt) 148.73s Antwortzeit (Gesamt) 3272.00s Antwortzeit (Maximum) 941.66s Falsche Antwort: 6 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Anti-KI-Tricks : 8.9 Programmierung : 7.6 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
#114#114	Ling 3.0 Flashhigh	6.4	Inclusionai	$0.000	13.32s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 63.6% Instabile Tests 4 Eingabe-Token 132,224 Ausgabe-Token 92,393 Denk-Token 211,994 Antwortzeit (Durchschnitt) 13.32s Antwortzeit (Gesamt) 292.99s Antwortzeit (Maximum) 75.27s Falsche Antwort: 8 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 10.0 Programmierung : 6.7 Kombiniert : 2.9 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#137#137	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
#37#37	Kimi K3max	8.0	Moonshot AI	$3.112	122.48s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 9.1 Erfolgsquote pro Versuch 75.8% Instabile Tests 1 Eingabe-Token 34,916 Ausgabe-Token 2,910 Denk-Token 197,529 Antwortzeit (Durchschnitt) 122.48s Antwortzeit (Gesamt) 2327.06s Antwortzeit (Maximum) 766.58s API-Fehler: 2 Zeitüberschreitung: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 6.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#147#147	Nemotron 3 Supermedium	5.7	NVIDIA	$0.055 ↑	51.99s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 8.7 Erfolgsquote pro Versuch 40.9% Instabile Tests 3 Eingabe-Token 81,429 Ausgabe-Token 18,371 Denk-Token 98,853 Antwortzeit (Durchschnitt) 51.99s Antwortzeit (Gesamt) 1039.89s Antwortzeit (Maximum) 431.98s Falsche Antwort: 5 API-Fehler: 4 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.3 Programmierung : 3.1 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 7.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#181#181	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 8.7 Erfolgsquote pro Versuch 18.2% Instabile Tests 0 Eingabe-Token 130,492 Ausgabe-Token 26,786 Denk-Token 0 Antwortzeit (Durchschnitt) 29.95s Antwortzeit (Gesamt) 658.82s Antwortzeit (Maximum) 159.85s Falsche Antwort: 12 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 3.0 Programmierung : 3.9 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.5 Werkzeugaufrufe : 9.5 Allgemeinwissen : 3.0
#144#144	North Mini Codemedium	5.9	Cohere	$0.000	137.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 8.6 Erfolgsquote pro Versuch 48.5% Instabile Tests 4 Eingabe-Token 81,813 Ausgabe-Token 424,772 Denk-Token 1,342,029 Antwortzeit (Durchschnitt) 137.11s Antwortzeit (Gesamt) 3016.42s Antwortzeit (Maximum) 786.72s Falsche Antwort: 9 Zusätzliche Formatierung: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.4 Programmierung : 4.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#84#84	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
#188#188	Nemotron 3 Supernone	4.9	NVIDIA	$0.008 ↑	5.97s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 8.5 Erfolgsquote pro Versuch 30.3% Instabile Tests 3 Eingabe-Token 63,519 Ausgabe-Token 6,434 Denk-Token 0 Antwortzeit (Durchschnitt) 5.97s Antwortzeit (Gesamt) 131.31s Antwortzeit (Maximum) 20.00s Falsche Antwort: 15 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
#78#78	GLM 5.1medium	7.1	Z.ai	$0.535 ↓	46.77s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 8.3 Erfolgsquote pro Versuch 69.7% Instabile Tests 4 Eingabe-Token 82,623 Ausgabe-Token 16,089 Denk-Token 136,463 Antwortzeit (Durchschnitt) 46.77s Antwortzeit (Gesamt) 982.16s Antwortzeit (Maximum) 308.75s Falsche Antwort: 4 Zeitüberschreitung: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.6 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 8.2 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#206#206	GLM 4.7 Flashmedium	4.3	Z.ai	$0.166	142.59s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 7.8 Erfolgsquote pro Versuch 31.8% Instabile Tests 8 Eingabe-Token 79,051 Ausgabe-Token 43,754 Denk-Token 374,109 Antwortzeit (Durchschnitt) 142.59s Antwortzeit (Gesamt) 1996.21s Antwortzeit (Maximum) 1539.97s Falsche Antwort: 9 Keine Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Zeitüberschreitung: 2 Anti-KI-Tricks : 4.7 Programmierung : 3.2 Kombiniert : 2.9 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 3.6 Befolgung von Anweisungen : 6.2 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#212#212	MiMo-V2-Flashnone	4.0	Xiaomi	$0.025 ↑	2.76s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 17 Zuverlässigkeit 6.7 Erfolgsquote pro Versuch 24.2% Instabile Tests 4 Eingabe-Token 36,851 Ausgabe-Token 68,882 Denk-Token 0 Antwortzeit (Durchschnitt) 2.76s Antwortzeit (Gesamt) 46.99s Antwortzeit (Maximum) 19.68s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 3.2 Programmierung : 4.3 Kombiniert : 1.5 Datenanalyse und -extraktion : 2.9 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#216#216	Qwen3.5-9Bmedium	3.8	Qwen	$0.036 ↑	82.24s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 5.0 Erfolgsquote pro Versuch 25.8% Instabile Tests 5 Eingabe-Token 17,070 Ausgabe-Token 29,045 Denk-Token 209,516 Antwortzeit (Durchschnitt) 82.24s Antwortzeit (Gesamt) 1315.88s Antwortzeit (Maximum) 226.38s Zeitüberschreitung: 12 Keine Antwort: 2 Falsche Antwort: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 5.1 Programmierung : 2.9 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.6 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 2.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0

←

1 6 7 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