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: 2026-09-03 Bewertete Modelle: 311

Empfohlene Modelle

GPT-5.6 Sol high Intelligent Erfolgsquote pro Versuch 89.4% Korrekte Tests 18 / 22 Punktzahl 9.4/10 GPT-5.6 Luna medium Schnell Antwortzeit (Durchschnitt) 7.43s Gesamte Ausgabe-Token 44,525 Punktzahl 7.4/10 DeepSeek V4 Flash 0731 high Preiswert Eingabepreis $0.065 / 1M Ausgabepreis $0.180 / 1M Punktzahl 8.0/10

311/311

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#240#240	Laguna S 2.1high	5.4	Poolside	$0.114 ↓	111.60s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.3% Instabile Tests 5 Eingabe-Token 208,937 Ausgabe-Token 175,588 Denk-Token 409,276 Antwortzeit (Durchschnitt) 111.60s Antwortzeit (Gesamt) 2455.24s 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
#160#160	Inkling Smallmedium	6.6	Thinkingmachines	$0.113 ↓	6.30s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.0% Instabile Tests 3 Eingabe-Token 100,255 Ausgabe-Token 6,422 Denk-Token 49,847 Antwortzeit (Durchschnitt) 6.30s Antwortzeit (Gesamt) 138.60s Antwortzeit (Maximum) 17.26s Falsche Antwort: 6 Anweisungen nicht befolgt: 4 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 10.0 Programmierung : 7.8 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 8.5 Rätsellösen : 5.8 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#113#113	Qwen3.7 Plusnone	7.3	Qwen	$0.106 ↓	12.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 54.6% Instabile Tests 0 Eingabe-Token 98,833 Ausgabe-Token 58,097 Denk-Token 0 Antwortzeit (Durchschnitt) 12.11s Antwortzeit (Gesamt) 266.40s Antwortzeit (Maximum) 206.03s Falsche Antwort: 9 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#173#173	MiMo-V2.5medium	6.4	Xiaomi	$0.104 ↓	46.28s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 7 Eingabe-Token 105,456 Ausgabe-Token 7,108 Denk-Token 319,940 Antwortzeit (Durchschnitt) 46.28s Antwortzeit (Gesamt) 1018.12s Antwortzeit (Maximum) 316.27s Falsche Antwort: 5 Zusätzliche Formatierung: 2 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 8.7 Datenanalyse und -extraktion : 2.7 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#175#175	Ring-2.6-1Tmedium	6.4	Inclusionai	$0.102 ↑	68.80s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 3 Eingabe-Token 113,613 Ausgabe-Token 122,706 Denk-Token 42,325 Antwortzeit (Durchschnitt) 68.80s Antwortzeit (Gesamt) 1375.99s 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 : 3.6 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#238#238	Kimi K2.5none	5.4	Moonshot AI	$0.101 ↓	18.03s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.3% Instabile Tests 4 Eingabe-Token 89,320 Ausgabe-Token 26,643 Denk-Token 0 Antwortzeit (Durchschnitt) 18.03s Antwortzeit (Gesamt) 288.42s Antwortzeit (Maximum) 102.83s Falsche Antwort: 16 Keine Antwort: 1 Anti-KI-Tricks : 3.6 Programmierung : 5.5 Kombiniert : 2.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#179#179	Gemma 4 31Bmedium	6.2	Google	$0.100 ↓	78.59s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 3 Eingabe-Token 94,969 Ausgabe-Token 34,399 Denk-Token 233,022 Antwortzeit (Durchschnitt) 78.59s Antwortzeit (Gesamt) 1571.84s Antwortzeit (Maximum) 437.40s Falsche Antwort: 3 API-Fehler: 2 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.3 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#252#252	Mistral Small 4medium	5.1	Mistral	$0.097	10.80s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 8 Eingabe-Token 140,559 Ausgabe-Token 40,268 Denk-Token 93,329 Antwortzeit (Durchschnitt) 10.80s Antwortzeit (Gesamt) 237.60s Antwortzeit (Maximum) 59.15s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 API-Fehler: 1 Keine Antwort: 1 Anti-KI-Tricks : 5.6 Programmierung : 4.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 7.3 Rätsellösen : 3.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#207#207	GPT-5.4 Mininone	5.9	OpenAI	$0.095	1.58s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 31.8% Instabile Tests 2 Eingabe-Token 79,076 Ausgabe-Token 7,898 Denk-Token 0 Antwortzeit (Durchschnitt) 1.58s Antwortzeit (Gesamt) 34.86s Antwortzeit (Maximum) 9.92s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 3.1 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.4 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#131#131	Mercury 2medium	7.0	Inception	$0.094	2.95s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.0% Instabile Tests 4 Eingabe-Token 110,515 Ausgabe-Token 10,325 Denk-Token 77,229 Antwortzeit (Durchschnitt) 2.95s Antwortzeit (Gesamt) 61.89s 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
#149#149	Gemma 4 26B A4Bmedium	6.8	Google	$0.092 ↓	104.93s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 1 Eingabe-Token 77,528 Ausgabe-Token 26,048 Denk-Token 227,598 Antwortzeit (Durchschnitt) 104.93s Antwortzeit (Gesamt) 2203.52s Antwortzeit (Maximum) 912.19s Keine Antwort: 2 Zeitüberschreitung: 2 Falsche Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 2.9 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#208#208	Seed 2.1 Turbonone	5.9	Bytedance Seed	$0.092	6.84s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 54.6% Instabile Tests 3 Eingabe-Token 129,150 Ausgabe-Token 10,643 Denk-Token 0 Antwortzeit (Durchschnitt) 6.84s Antwortzeit (Gesamt) 150.46s Antwortzeit (Maximum) 55.92s Falsche Antwort: 11 Keine Antwort: 1 Anti-KI-Tricks : 4.8 Programmierung : 4.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#286#286	Grok 4.20 Betanone	4.4	X AI	$0.087 ↓	1.19s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 12 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 30.3% Instabile Tests 1 Eingabe-Token 40,597 Ausgabe-Token 1,657 Denk-Token 0 Antwortzeit (Durchschnitt) 1.19s Antwortzeit (Gesamt) 21.43s Antwortzeit (Maximum) 6.48s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.0 Programmierung : 1.8 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#148#148	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.82s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 3 Eingabe-Token 104,217 Ausgabe-Token 10,710 Denk-Token 0 Antwortzeit (Durchschnitt) 2.82s Antwortzeit (Gesamt) 45.05s Antwortzeit (Maximum) 21.19s Falsche Antwort: 8 Keine Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#62#62	DeepSeek V4 Flash 0731high	8.0	DeepSeek	$0.084 ↓	114.94s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.8% Instabile Tests 5 Eingabe-Token 96,702 Ausgabe-Token 16,966 Denk-Token 496,341 Antwortzeit (Durchschnitt) 114.94s Antwortzeit (Gesamt) 2528.65s Antwortzeit (Maximum) 600.61s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 API-Fehler: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 6.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#193#193	Nemotron 3 Ultranone	6.1	NVIDIA	$0.084 ↕	3.88s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.4% Instabile Tests 2 Eingabe-Token 101,168 Ausgabe-Token 9,470 Denk-Token 0 Antwortzeit (Durchschnitt) 3.88s Antwortzeit (Gesamt) 85.33s Antwortzeit (Maximum) 37.50s Falsche Antwort: 11 API-Fehler: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#282#282	Granite 4.2 8Bhigh	4.6	IBM Granite	$0.084	235.89s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 7.6 Erfolgsquote pro Versuch 39.4% Instabile Tests 10 Eingabe-Token 43,278 Ausgabe-Token 181,083 Denk-Token 431,132 Antwortzeit (Durchschnitt) 235.89s Antwortzeit (Gesamt) 5189.64s Antwortzeit (Maximum) 685.87s Zeitüberschreitung: 10 Falsche Antwort: 6 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 6.9 Programmierung : 3.8 Kombiniert : 5.0 Datenanalyse und -extraktion : 3.8 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 6.4 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#261#261	Laguna S 2.1low	5.0	Poolside	$0.082 ↓	85.34s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 22.7% Instabile Tests 5 Eingabe-Token 118,752 Ausgabe-Token 67,823 Denk-Token 383,885 Antwortzeit (Durchschnitt) 85.34s Antwortzeit (Gesamt) 1877.49s 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
#128#128	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 7 Eingabe-Token 101,056 Ausgabe-Token 11,832 Denk-Token 116,955 Antwortzeit (Durchschnitt) 68.43s Antwortzeit (Gesamt) 1505.53s 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
#220#220	KAT-Coder-Air V2.5high	5.6	Kwaipilot	$0.077	15.87s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 42.4% Instabile Tests 5 Eingabe-Token 50,423 Ausgabe-Token 4,144 Denk-Token 110,510 Antwortzeit (Durchschnitt) 15.87s Antwortzeit (Gesamt) 349.16s Antwortzeit (Maximum) 118.35s Falsche Antwort: 9 API-Fehler: 3 Zusätzliche Formatierung: 3 Anti-KI-Tricks : 6.9 Programmierung : 4.3 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#200#200	Qwen3.5-Flashnone	6.0	Qwen	$0.073 ↓	25.28s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 2 Eingabe-Token 282,356 Ausgabe-Token 209,201 Denk-Token 0 Antwortzeit (Durchschnitt) 25.28s Antwortzeit (Gesamt) 556.14s Antwortzeit (Maximum) 480.96s Falsche Antwort: 14 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#164#164	Qwen3.5 Plus 2026-02-15none	6.6	Qwen	$0.073 ↓	9.86s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.0% Instabile Tests 2 Eingabe-Token 102,655 Ausgabe-Token 29,370 Denk-Token 0 Antwortzeit (Durchschnitt) 9.86s Antwortzeit (Gesamt) 157.77s Antwortzeit (Maximum) 123.00s Falsche Antwort: 11 Anti-KI-Tricks : 4.8 Programmierung : 4.3 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#103#103	GPT-5.6 Lunamedium	7.4	OpenAI	$0.072 ↓	7.43s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.1% Instabile Tests 2 Eingabe-Token 89,685 Ausgabe-Token 5,701 Denk-Token 38,824 Antwortzeit (Durchschnitt) 7.43s Antwortzeit (Gesamt) 163.54s Antwortzeit (Maximum) 29.85s Falsche Antwort: 9 Anti-KI-Tricks : 8.3 Programmierung : 5.4 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#69#69	Qwen3.8 27Blow	7.9	Qwen	~$0.071	39.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 0 Eingabe-Token 99,705 Ausgabe-Token 1,545 Denk-Token 167,784 Antwortzeit (Durchschnitt) 39.11s Antwortzeit (Gesamt) 860.51s Antwortzeit (Maximum) 376.04s Falsche Antwort: 4 Keine Antwort: 2 Anweisungen nicht befolgt: 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
#274#274	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.070	12.46s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.4% Instabile Tests 7 Eingabe-Token 69,376 Ausgabe-Token 97,752 Denk-Token 0 Antwortzeit (Durchschnitt) 12.46s Antwortzeit (Gesamt) 274.11s Antwortzeit (Maximum) 121.05s Falsche Antwort: 13 Zusätzliche Formatierung: 3 API-Fehler: 1 Anti-KI-Tricks : 5.3 Programmierung : 3.3 Kombiniert : 3.8 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 2.9 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 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium