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)
#148#148	GPT-5.6 Lunamedium	7.4	OpenAI	$0.065 ↓	9.64s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.3% Instabile Tests 3 Eingabe-Token 212,780 Ausgabe-Token 6,849 Denk-Token 41,137 Antwortzeit (Durchschnitt) 9.64s Antwortzeit (Gesamt) 221.62s Antwortzeit (Maximum) 58.09s Falsche Antwort: 9 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 7.4 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
#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
#150#150	DeepSeek V4 Flash 0731low	7.4	DeepSeek	$0.306 ↑	88.15s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 6 Eingabe-Token 231,356 Ausgabe-Token 43,054 Denk-Token 370,981 Antwortzeit (Durchschnitt) 88.15s Antwortzeit (Gesamt) 2027.36s Antwortzeit (Maximum) 438.65s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 8.2 Programmierung : 7.3 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#152#152	GLM 5.3 FlashXhigh	7.4	Z.ai	$0.210	14.94s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 5 Eingabe-Token 235,914 Ausgabe-Token 8,147 Denk-Token 89,581 Antwortzeit (Durchschnitt) 14.94s Antwortzeit (Gesamt) 343.65s Antwortzeit (Maximum) 91.16s Falsche Antwort: 8 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.2 Programmierung : 8.2 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#158#158	GLM 5.3 Flashhigh	7.3	Z.ai	$0.056	29.11s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 4 Eingabe-Token 225,013 Ausgabe-Token 12,197 Denk-Token 87,143 Antwortzeit (Durchschnitt) 29.11s Antwortzeit (Gesamt) 669.54s Antwortzeit (Maximum) 163.41s Falsche Antwort: 4 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 7.4 Anti-KI-Tricks : 8.3 Programmierung : 8.2 Kombiniert : 6.4 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
#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
#180#180	GPT-5.2 Chatdefault	7.0	OpenAI	$0.594	7.43s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 4 Eingabe-Token 101,104 Ausgabe-Token 10,414 Denk-Token 19,328 Antwortzeit (Durchschnitt) 7.43s Antwortzeit (Gesamt) 163.35s Antwortzeit (Maximum) 38.52s Falsche Antwort: 6 API-Fehler: 2 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.7 Programmierung : 8.8 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#184#184	Ember-1low	7.0	Fireworks	$1.488	34.90s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 8.8 Erfolgsquote pro Versuch 65.2% Instabile Tests 5 Eingabe-Token 211,908 Ausgabe-Token 14,158 Denk-Token 42,608 Antwortzeit (Durchschnitt) 34.90s Antwortzeit (Gesamt) 802.79s Antwortzeit (Maximum) 121.29s API-Fehler: 6 Falsche Antwort: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 8.2 Programmierung : 10.0 Kombiniert : 6.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.2 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#190#190	Gemini 3.1 Flash Litemedium	6.9	Google	$0.153	6.27s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.4% Instabile Tests 2 Eingabe-Token 228,023 Ausgabe-Token 10,779 Denk-Token 53,188 Antwortzeit (Durchschnitt) 6.27s Antwortzeit (Gesamt) 144.10s Antwortzeit (Maximum) 47.78s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 9.1 Programmierung : 5.5 Kombiniert : 7.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#195#195	Claude Opus 4.8none	6.9	Anthropic	$2.334	7.54s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 2 Eingabe-Token 345,059 Ausgabe-Token 24,343 Denk-Token 0 Antwortzeit (Durchschnitt) 7.54s Antwortzeit (Gesamt) 173.31s Antwortzeit (Maximum) 65.07s Falsche Antwort: 5 Zusätzliche Formatierung: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 9.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#200#200	GPT-6 Solnone	6.8	OpenAI	$0.551	9.02s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 4 Eingabe-Token 235,086 Ausgabe-Token 7,989 Denk-Token 0 Antwortzeit (Durchschnitt) 9.02s Antwortzeit (Gesamt) 207.45s Antwortzeit (Maximum) 57.02s Falsche Antwort: 10 Agentenaufgaben : 5.0 Anti-KI-Tricks : 6.9 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#204#204	Grok Build 0.1medium	6.7	X AI	$1.419	55.13s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 58.0% Instabile Tests 1 Eingabe-Token 358,616 Ausgabe-Token 9,651 Denk-Token 520,155 Antwortzeit (Durchschnitt) 55.13s Antwortzeit (Gesamt) 1268.10s Antwortzeit (Maximum) 252.69s Falsche Antwort: 6 Zusätzliche Formatierung: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.4 Anti-KI-Tricks : 8.3 Programmierung : 5.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#207#207	Grok 4.7high	6.7	X AI	$3.037	122.19s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 72.5% Instabile Tests 7 Eingabe-Token 329,276 Ausgabe-Token 8,172 Denk-Token 479,012 Antwortzeit (Durchschnitt) 122.19s Antwortzeit (Gesamt) 2810.40s Antwortzeit (Maximum) 573.57s Keine Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Falsche Antwort: 2 API-Fehler: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.7 Programmierung : 6.0 Kombiniert : 8.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 8.4 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#210#210	GPT 5.3 Chatdefault	6.7	OpenAI	$0.533	6.31s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.3% Instabile Tests 4 Eingabe-Token 78,846 Ausgabe-Token 7,635 Denk-Token 20,544 Antwortzeit (Durchschnitt) 6.31s Antwortzeit (Gesamt) 138.73s Antwortzeit (Maximum) 18.33s Falsche Antwort: 6 API-Fehler: 2 Anweisungen nicht befolgt: 2 Agentenaufgaben : 3.0 Anti-KI-Tricks : 6.7 Programmierung : 5.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#215#215	GLM 5.2none	6.6	Z.ai	$0.250 ↑	11.27s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 3 Eingabe-Token 247,919 Ausgabe-Token 17,685 Denk-Token 0 Antwortzeit (Durchschnitt) 11.27s Antwortzeit (Gesamt) 259.32s Antwortzeit (Maximum) 79.65s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 8.3 Programmierung : 3.7 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#233#233	Gemini 3 Flash Previewnone	6.4	Google	$0.155	6.05s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.3% Instabile Tests 3 Eingabe-Token 233,893 Ausgabe-Token 12,432 Denk-Token 0 Antwortzeit (Durchschnitt) 6.05s Antwortzeit (Gesamt) 102.89s Antwortzeit (Maximum) 57.84s Falsche Antwort: 9 Keine Antwort: 1 Agentenaufgaben : 5.0 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
#240#240	Gemini 3.5 Flashminimal	6.4	Google	$0.508	4.67s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 58.0% Instabile Tests 1 Eingabe-Token 230,004 Ausgabe-Token 18,040 Denk-Token 0 Antwortzeit (Durchschnitt) 4.67s Antwortzeit (Gesamt) 107.45s Antwortzeit (Maximum) 49.23s Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 6.5 Programmierung : 5.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#249#249	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
#366#366	Gemini 3.1 Flash Litehigh	4.6	Google	$2.044	61.96s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.6% Instabile Tests 4 Eingabe-Token 29,134 Ausgabe-Token 1,984 Denk-Token 1,355,583 Antwortzeit (Durchschnitt) 61.96s Antwortzeit (Gesamt) 1115.31s Antwortzeit (Maximum) 149.23s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 8.7 Programmierung : 3.3 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 7.3 Rätsellösen : 5.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#275#275	Claude Sonnet 4.6none	6.0	Anthropic	$0.661	7.67s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.1% Instabile Tests 1 Eingabe-Token 123,273 Ausgabe-Token 19,362 Denk-Token 0 Antwortzeit (Durchschnitt) 7.67s Antwortzeit (Gesamt) 122.78s Antwortzeit (Maximum) 51.18s Falsche Antwort: 5 Zusätzliche Formatierung: 4 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 6.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#312#312	GLM 5V Turbomedium	5.5	Z.ai	$0.457	23.08s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.3% Instabile Tests 6 Eingabe-Token 44,615 Ausgabe-Token 2,347 Denk-Token 98,415 Antwortzeit (Durchschnitt) 23.08s Antwortzeit (Gesamt) 484.63s Antwortzeit (Maximum) 95.88s Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 7.2 Programmierung : 6.0 Kombiniert : 3.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 7.0 Allgemeinwissen : 3.0
#356#356	Hy3 previewhigh	4.8	Tencent	$0.135 ↕	56.57s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.7% Instabile Tests 2 Eingabe-Token 25,987 Ausgabe-Token 216,719 Denk-Token 0 Antwortzeit (Durchschnitt) 56.57s Antwortzeit (Gesamt) 848.59s Antwortzeit (Maximum) 149.94s API-Fehler: 7 Falsche Antwort: 3 Agentenaufgaben : 0.0 Anti-KI-Tricks : 6.4 Programmierung : 5.3 Kombiniert : 5.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#121#121	MiMo-V2.6-Flashmedium	7.9	Xiaomi	$0.218	61.90s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 6 Eingabe-Token 291,988 Ausgabe-Token 8,848 Denk-Token 622,995 Antwortzeit (Durchschnitt) 61.90s Antwortzeit (Gesamt) 1423.67s Antwortzeit (Maximum) 357.28s Falsche Antwort: 6 Keine Antwort: 2 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 5.9 Programmierung : 7.2 Kombiniert : 7.1 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#130#130	DeepSeek V4 Flash 0731medium	7.8	DeepSeek	$0.460 ↑	94.16s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 72.5% Instabile Tests 8 Eingabe-Token 274,189 Ausgabe-Token 66,689 Denk-Token 510,525 Antwortzeit (Durchschnitt) 94.16s Antwortzeit (Gesamt) 2165.72s Antwortzeit (Maximum) 303.26s Falsche Antwort: 5 Keine Antwort: 3 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.2 Programmierung : 6.4 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 8.5 Rätsellösen : 8.2 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

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