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: 2026-09-02 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)
#279#279	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 2 Eingabe-Token 44,969 Ausgabe-Token 58,087 Denk-Token 0 Antwortzeit (Durchschnitt) 14.73s Antwortzeit (Gesamt) 220.93s Antwortzeit (Maximum) 53.14s API-Fehler: 4 Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 6.5 Programmierung : 1.5 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#83#83	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.489 ↑	92.50s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 6 Eingabe-Token 90,757 Ausgabe-Token 22,928 Denk-Token 186,516 Antwortzeit (Durchschnitt) 92.50s Antwortzeit (Gesamt) 2035.01s Antwortzeit (Maximum) 416.76s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 5.7 Programmierung : 6.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.8 Rätsellösen : 6.9 Werkzeugaufrufe : 9.8 Allgemeinwissen : 3.0
#118#118	Muse Glimmer 30Bhigh	7.2	Meta	$0.430 ↓	66.70s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 8 Eingabe-Token 103,494 Ausgabe-Token 100,589 Denk-Token 270,217 Antwortzeit (Durchschnitt) 66.70s Antwortzeit (Gesamt) 1467.39s Antwortzeit (Maximum) 451.90s Falsche Antwort: 7 Anweisungen nicht befolgt: 3 Keine Antwort: 2 Anti-KI-Tricks : 8.7 Programmierung : 8.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 8.4 Rätsellösen : 6.1 Werkzeugaufrufe : 10.0 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
#134#134	Kimi K2.5medium	7.0	Moonshot AI	$0.479 ↓	98.19s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 8 Eingabe-Token 118,496 Ausgabe-Token 53,522 Denk-Token 167,420 Antwortzeit (Durchschnitt) 98.19s Antwortzeit (Gesamt) 1571.05s Antwortzeit (Maximum) 281.00s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.3 Programmierung : 6.1 Kombiniert : 6.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#137#137	Qwen3.7 Flashmedium	6.9	Qwen	$0.065	47.38s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 7 Eingabe-Token 114,477 Ausgabe-Token 12,786 Denk-Token 457,290 Antwortzeit (Durchschnitt) 47.38s Antwortzeit (Gesamt) 1042.43s Antwortzeit (Maximum) 593.64s Falsche Antwort: 8 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 5.8 Rätsellösen : 7.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#142#142	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 7.3 Erfolgsquote pro Versuch 63.6% Instabile Tests 7 Eingabe-Token 76,036 Ausgabe-Token 7,267 Denk-Token 364,176 Antwortzeit (Durchschnitt) 101.05s Antwortzeit (Gesamt) 2223.19s Antwortzeit (Maximum) 626.58s API-Fehler: 6 Falsche Antwort: 4 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.9 Programmierung : 8.9 Kombiniert : 4.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#152#152	LongCat 2.0low	6.7	Meituan	$0.412	113.61s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 54.6% Instabile Tests 4 Eingabe-Token 90,870 Ausgabe-Token 5,676 Denk-Token 314,918 Antwortzeit (Durchschnitt) 113.61s Antwortzeit (Gesamt) 2499.46s Antwortzeit (Maximum) 560.39s Falsche Antwort: 7 API-Fehler: 2 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 : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 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
#165#165	Qwen3.6 27Bmedium	6.5	Qwen	$1.045 ↑	106.06s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.6% Instabile Tests 7 Eingabe-Token 106,176 Ausgabe-Token 33,013 Denk-Token 239,560 Antwortzeit (Durchschnitt) 106.06s Antwortzeit (Gesamt) 2333.36s Antwortzeit (Maximum) 1085.11s Falsche Antwort: 5 Keine Antwort: 3 Ungültiger Werkzeugaufruf: 2 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.3 Programmierung : 7.7 Kombiniert : 6.7 Datenanalyse und -extraktion : 3.5 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#170#170	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	61.81s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 57.6% Instabile Tests 5 Eingabe-Token 113,889 Ausgabe-Token 110,550 Denk-Token 496,487 Antwortzeit (Durchschnitt) 61.81s Antwortzeit (Gesamt) 1359.72s Antwortzeit (Maximum) 417.36s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 6.9 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 7.9 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#171#171	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	67.81s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 6 Eingabe-Token 127,621 Ausgabe-Token 141,858 Denk-Token 590,204 Antwortzeit (Durchschnitt) 67.81s Antwortzeit (Gesamt) 1491.80s Antwortzeit (Maximum) 480.52s Falsche Antwort: 8 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.7 Programmierung : 5.8 Kombiniert : 6.9 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 8.3 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#180#180	GPT-5.6 Lunalow	6.2	OpenAI	$0.051 ↓	5.20s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 54.5% Instabile Tests 5 Eingabe-Token 96,355 Ausgabe-Token 8,213 Denk-Token 18,073 Antwortzeit (Durchschnitt) 5.20s Antwortzeit (Gesamt) 114.46s Antwortzeit (Maximum) 19.44s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 8.5 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#182#182	Gemini 3.1 Flash Liteminimal	6.1	Google	$0.047	1.85s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 51.5% Instabile Tests 3 Eingabe-Token 119,076 Ausgabe-Token 11,118 Denk-Token 0 Antwortzeit (Durchschnitt) 1.85s Antwortzeit (Gesamt) 40.74s Antwortzeit (Maximum) 12.97s Falsche Antwort: 8 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#188#188	Inklinglow	6.1	Thinkingmachines	$0.187	5.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 54.6% Instabile Tests 4 Eingabe-Token 109,893 Ausgabe-Token 8,580 Denk-Token 10,324 Antwortzeit (Durchschnitt) 5.11s Antwortzeit (Gesamt) 112.46s Antwortzeit (Maximum) 41.58s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 8.3 Programmierung : 5.1 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.4 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#206#206	GLM 5.3 Flashlow	5.9	Z.ai	$0.015	9.65s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.1% Instabile Tests 4 Eingabe-Token 117,551 Ausgabe-Token 9,199 Denk-Token 14,537 Antwortzeit (Durchschnitt) 9.65s Antwortzeit (Gesamt) 212.22s Antwortzeit (Maximum) 90.45s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.7 Programmierung : 5.4 Kombiniert : 3.8 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.8 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
#273#273	Grok 4.20 Multi Agent Betamedium	4.8	X AI	$5.599 ↑	9.69s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 48.5% Instabile Tests 5 Eingabe-Token 721,952 Ausgabe-Token 294,668 Denk-Token 305,374 Antwortzeit (Durchschnitt) 9.69s Antwortzeit (Gesamt) 155.07s Antwortzeit (Maximum) 35.28s Falsche Antwort: 4 API-Fehler: 2 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 6.9 Programmierung : 3.3 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 0.0
#277#277	Hunter Alphamedium	4.7	OpenRouter	$0.000	10.33s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 53.0% Instabile Tests 6 Eingabe-Token 28,927 Ausgabe-Token 4,682 Denk-Token 17,969 Antwortzeit (Durchschnitt) 10.33s Antwortzeit (Gesamt) 175.58s Antwortzeit (Maximum) 30.53s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 7.3 Programmierung : 9.8 Kombiniert : 2.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 7.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#213#213	GLM 5none	5.7	Z.ai	$0.027 ↑	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
#145#145	DeepSeek V4 Pronone	6.8	DeepSeek	$0.226 ↑	11.71s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.0% Instabile Tests 4 Eingabe-Token 148,078 Ausgabe-Token 35,547 Denk-Token 0 Antwortzeit (Durchschnitt) 11.71s Antwortzeit (Gesamt) 257.67s Antwortzeit (Maximum) 119.44s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.2 Programmierung : 5.6 Kombiniert : 7.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#155#155	LongCat 2.0high	6.7	Meituan	$0.492	153.29s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 51.5% Instabile Tests 4 Eingabe-Token 93,411 Ausgabe-Token 30,470 Denk-Token 356,172 Antwortzeit (Durchschnitt) 153.29s Antwortzeit (Gesamt) 3372.36s Antwortzeit (Maximum) 941.66s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Zeitüberschreitung: 2 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
#158#158	Qwen3.5-27Bnone	6.6	Qwen	$0.058 ↓	4.77s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 2 Eingabe-Token 102,325 Ausgabe-Token 24,323 Denk-Token 0 Antwortzeit (Durchschnitt) 4.77s Antwortzeit (Gesamt) 105.00s Antwortzeit (Maximum) 69.46s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 5.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#166#166	Laguna XS 2.1medium	6.5	Poolside	$0.068	48.18s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 2 Eingabe-Token 118,998 Ausgabe-Token 30,750 Denk-Token 491,730 Antwortzeit (Durchschnitt) 48.18s Antwortzeit (Gesamt) 1059.93s Antwortzeit (Maximum) 422.72s Falsche Antwort: 10 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#184#184	gpt-oss-120bmedium	6.1	OpenAI	$0.020 ↓	20.81s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.0% Instabile Tests 5 Eingabe-Token 108,767 Ausgabe-Token 29,378 Denk-Token 68,904 Antwortzeit (Durchschnitt) 20.81s Antwortzeit (Gesamt) 332.88s Antwortzeit (Maximum) 68.16s Falsche Antwort: 9 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.7 Programmierung : 5.9 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.4 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.3 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 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