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)
#138#138	Muse Glimmer 30Bmedium	7.7	Meta	$0.288 ↓	33.97s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 6 Eingabe-Token 269,497 Ausgabe-Token 34,935 Denk-Token 145,752 Antwortzeit (Durchschnitt) 33.97s Antwortzeit (Gesamt) 781.36s Antwortzeit (Maximum) 181.08s Falsche Antwort: 9 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 9.2 Programmierung : 8.4 Kombiniert : 6.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#141#141	GPT-6 Lunalow	7.6	OpenAI	$0.033	23.23s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 63.8% Instabile Tests 4 Eingabe-Token 195,928 Ausgabe-Token 5,728 Denk-Token 19,152 Antwortzeit (Durchschnitt) 23.23s Antwortzeit (Gesamt) 534.22s Antwortzeit (Maximum) 89.37s Falsche Antwort: 7 API-Fehler: 2 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.9 Programmierung : 6.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 7.1 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#145#145	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.140	91.67s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 59.4% Instabile Tests 3 Eingabe-Token 313,368 Ausgabe-Token 12,289 Denk-Token 259,270 Antwortzeit (Durchschnitt) 91.67s Antwortzeit (Gesamt) 1833.43s Antwortzeit (Maximum) 301.78s Falsche Antwort: 5 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 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
#146#146	Mistral Large 4high	7.5	Mistral	$1.391	263.69s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 6 Eingabe-Token 230,895 Ausgabe-Token 161,281 Denk-Token 510,655 Antwortzeit (Durchschnitt) 263.69s Antwortzeit (Gesamt) 6064.89s Antwortzeit (Maximum) 1727.29s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Zeitüberschreitung: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 3.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 8.4 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#147#147	Seed-2.0-Codehigh	7.5	Bytedance Seed	$1.448	124.87s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 5 Eingabe-Token 297,321 Ausgabe-Token 8,997 Denk-Token 423,853 Antwortzeit (Durchschnitt) 124.87s Antwortzeit (Gesamt) 2871.96s Antwortzeit (Maximum) 675.30s Falsche Antwort: 6 API-Fehler: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 6.2 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.8 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#171#171	LongCat 2.0medium	7.2	Meituan	$0.767 ↑	144.88s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.4% Instabile Tests 3 Eingabe-Token 287,669 Ausgabe-Token 47,204 Denk-Token 375,030 Antwortzeit (Durchschnitt) 144.88s Antwortzeit (Gesamt) 3332.19s Antwortzeit (Maximum) 939.52s Falsche Antwort: 8 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#175#175	Claude Opus 5none	7.1	Anthropic	$2.766	10.78s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.1% Instabile Tests 1 Eingabe-Token 396,120 Ausgabe-Token 31,386 Denk-Token 0 Antwortzeit (Durchschnitt) 10.78s Antwortzeit (Gesamt) 247.96s Antwortzeit (Maximum) 79.61s Falsche Antwort: 7 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.4 Anti-KI-Tricks : 5.5 Programmierung : 5.9 Kombiniert : 8.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#177#177	GLM 5.3 FlashXmedium	7.1	Z.ai	$0.114	7.37s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 8 Eingabe-Token 205,100 Ausgabe-Token 8,639 Denk-Token 21,409 Antwortzeit (Durchschnitt) 7.37s Antwortzeit (Gesamt) 169.54s Antwortzeit (Maximum) 74.39s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 7.3 Programmierung : 6.0 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#178#178	MiMo-V2.6-Flashlow	7.1	Xiaomi	$0.200	54.57s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 6 Eingabe-Token 256,428 Ausgabe-Token 9,786 Denk-Token 575,630 Antwortzeit (Durchschnitt) 54.57s Antwortzeit (Gesamt) 1255.15s Antwortzeit (Maximum) 345.18s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 8.2 Programmierung : 8.4 Kombiniert : 6.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 8.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#179#179	MiMo-V2.5medium	7.1	Xiaomi	$0.130 ↓	49.20s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 7 Eingabe-Token 259,664 Ausgabe-Token 8,414 Denk-Token 333,097 Antwortzeit (Durchschnitt) 49.20s Antwortzeit (Gesamt) 1131.69s Antwortzeit (Maximum) 316.27s Falsche Antwort: 5 Zusätzliche Formatierung: 2 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 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
#191#191	Ember-1high	6.9	Fireworks	$2.405	58.14s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 8.6 Erfolgsquote pro Versuch 71.0% Instabile Tests 8 Eingabe-Token 195,489 Ausgabe-Token 12,475 Denk-Token 108,748 Antwortzeit (Durchschnitt) 58.14s Antwortzeit (Gesamt) 1337.19s Antwortzeit (Maximum) 255.06s API-Fehler: 7 Falsche Antwort: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 8.7 Programmierung : 8.2 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.1 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#196#196	Kimi K2.6medium	6.8	Moonshot AI	$1.594 ↑	121.25s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 4 Eingabe-Token 226,880 Ausgabe-Token 65,346 Denk-Token 331,325 Antwortzeit (Durchschnitt) 121.25s Antwortzeit (Gesamt) 2667.55s Antwortzeit (Maximum) 876.20s Falsche Antwort: 4 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 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
#197#197	Qwen3.5-Flashmedium	6.8	Qwen	$0.184	83.68s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 6 Eingabe-Token 349,177 Ausgabe-Token 54,279 Denk-Token 477,389 Antwortzeit (Durchschnitt) 83.68s Antwortzeit (Gesamt) 1840.92s Antwortzeit (Maximum) 515.38s Falsche Antwort: 5 Zeitüberschreitung: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 3.7 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#202#202	Solar Pro 4xhigh	6.7	Upstage	$0.067	142.76s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 58.0% Instabile Tests 2 Eingabe-Token 150,033 Ausgabe-Token 22,347 Denk-Token 402,143 Antwortzeit (Durchschnitt) 142.76s Antwortzeit (Gesamt) 3283.43s Antwortzeit (Maximum) 491.42s Falsche Antwort: 5 Anweisungen nicht befolgt: 3 Keine Antwort: 2 Zusätzliche Formatierung: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.3 Programmierung : 5.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.4 Rätsellösen : 8.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#211#211	GPT-5.6 Solnone	6.7	OpenAI	$0.795	4.61s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 3 Eingabe-Token 207,852 Ausgabe-Token 5,555 Denk-Token 0 Antwortzeit (Durchschnitt) 4.61s Antwortzeit (Gesamt) 105.93s Antwortzeit (Maximum) 58.28s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 8.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#214#214	GPT-5.5none	6.6	OpenAI	$1.212	4.75s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.5% Instabile Tests 2 Eingabe-Token 205,108 Ausgabe-Token 6,197 Denk-Token 0 Antwortzeit (Durchschnitt) 4.75s Antwortzeit (Gesamt) 109.31s Antwortzeit (Maximum) 57.53s Falsche Antwort: 11 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 : 6.2 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#223#223	Qwen3.6 35B A3Bmedium	6.5	Qwen	$0.834 ↑	59.92s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 58.0% Instabile Tests 3 Eingabe-Token 282,192 Ausgabe-Token 75,306 Denk-Token 700,868 Antwortzeit (Durchschnitt) 59.92s Antwortzeit (Gesamt) 1258.32s Antwortzeit (Maximum) 817.57s Falsche Antwort: 6 API-Fehler: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 7.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#224#224	Mercury 2.5 Previewhigh	6.5	Inception	$0.040 ↑	7.61s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 65.2% Instabile Tests 6 Eingabe-Token 298,512 Ausgabe-Token 3,178 Denk-Token 177,419 Antwortzeit (Durchschnitt) 7.61s Antwortzeit (Gesamt) 175.08s Antwortzeit (Maximum) 86.84s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 6.7 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#225#225	Mercury 2.5high	6.5	Inception	$0.044	7.62s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 59.4% Instabile Tests 4 Eingabe-Token 358,562 Ausgabe-Token 4,266 Denk-Token 189,410 Antwortzeit (Durchschnitt) 7.62s Antwortzeit (Gesamt) 175.36s Antwortzeit (Maximum) 80.30s Falsche Antwort: 9 API-Fehler: 1 Keine Antwort: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 10.0 Programmierung : 6.4 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#226#226	Beam 1.0 501B A23Bxhigh	6.5	Reflection	$0.688	9.18s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 5 Eingabe-Token 212,065 Ausgabe-Token 4,428 Denk-Token 154,069 Antwortzeit (Durchschnitt) 9.18s Antwortzeit (Gesamt) 211.12s Antwortzeit (Maximum) 44.64s Falsche Antwort: 8 API-Fehler: 3 Agentenaufgaben : 3.0 Anti-KI-Tricks : 9.2 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.8 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#227#227	GLM 5.3low	6.5	Z.ai	$0.215 ↓	15.18s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 5 Eingabe-Token 247,871 Ausgabe-Token 10,791 Denk-Token 17,315 Antwortzeit (Durchschnitt) 15.18s Antwortzeit (Gesamt) 349.06s Antwortzeit (Maximum) 83.60s Falsche Antwort: 8 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.2 Anti-KI-Tricks : 6.9 Programmierung : 6.2 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 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
#234#234	Beam 1.0 501B A23Bmax	6.4	Reflection	$0.799	11.10s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.5% Instabile Tests 2 Eingabe-Token 199,105 Ausgabe-Token 4,274 Denk-Token 195,495 Antwortzeit (Durchschnitt) 11.10s Antwortzeit (Gesamt) 255.26s Antwortzeit (Maximum) 54.48s Falsche Antwort: 6 API-Fehler: 3 Anweisungen nicht befolgt: 2 Agentenaufgaben : 3.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.4 Rätsellösen : 7.8 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#235#235	Solar Pro 4medium	6.4	Upstage	$0.098 ↑	133.93s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 60.9% Instabile Tests 5 Eingabe-Token 299,558 Ausgabe-Token 33,248 Denk-Token 374,819 Antwortzeit (Durchschnitt) 133.93s Antwortzeit (Gesamt) 3080.36s Antwortzeit (Maximum) 519.91s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Keine Antwort: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 8.2 Programmierung : 5.5 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 9.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#239#239	Mercury 2.5medium	6.4	Inception	$0.034	7.74s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 63.8% Instabile Tests 5 Eingabe-Token 317,982 Ausgabe-Token 3,918 Denk-Token 135,028 Antwortzeit (Durchschnitt) 7.74s Antwortzeit (Gesamt) 178.07s Antwortzeit (Maximum) 107.89s Falsche Antwort: 9 API-Fehler: 1 Zeitüberschreitung: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 10.0 Programmierung : 5.0 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.4 Rätsellösen : 10.0 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