AI BENCHY

KI-Benchmark-Bestenliste

Name: AI BENCHY Modell-Benchmark-Ergebnisse
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-06-04 Bewertete Modelle: 163

163/163

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#76#76	Kimi K2.5medium	6.8	Moonshot AI	$0.328 ↓	98.43s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.3% Instabile Tests 8 Eingabe-Token 34,312 Ausgabe-Token 48,379 Denk-Token 157,747 Antwortzeit (Durchschnitt) 98.43s Antwortzeit (Gesamt) 1378.03s Antwortzeit (Maximum) 281.00s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Zeitüberschreitung: 2 Anti-KI-Tricks : 7.3 Programmierung : 6.1 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#161#161	Qwen3.5-9Bmedium	4.2	Qwen	$0.035 ↓	82.24s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 18 Zuverlässigkeit 6.7 Erfolgsquote pro Versuch 27.0% 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: 11 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
#73#73	Seed-2.0-Minimedium	6.9	Bytedance Seed	$0.044	80.22s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 6.7 Erfolgsquote pro Versuch 57.1% Instabile Tests 2 Eingabe-Token 41,904 Ausgabe-Token 2,555 Denk-Token 95,974 Antwortzeit (Durchschnitt) 80.22s Antwortzeit (Gesamt) 1363.72s Antwortzeit (Maximum) 262.83s Zeitüberschreitung: 5 Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.6 Programmierung : 5.5 Kombiniert : 10.0 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
#25#25	Qwen3.5 Plus 2026-02-15medium	7.9	Qwen	$0.310 ↓	73.79s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.0% Instabile Tests 3 Eingabe-Token 40,918 Ausgabe-Token 2,159 Denk-Token 189,604 Antwortzeit (Durchschnitt) 73.79s Antwortzeit (Gesamt) 1033.07s Antwortzeit (Maximum) 266.69s Falsche Antwort: 4 Zeitüberschreitung: 2 API-Fehler: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#66#66	Qwen3.5-35B-A3Bmedium	7.1	Qwen	$0.401 ↓	72.57s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.8% Instabile Tests 6 Eingabe-Token 42,196 Ausgabe-Token 40,630 Denk-Token 353,577 Antwortzeit (Durchschnitt) 72.57s Antwortzeit (Gesamt) 1524.04s Antwortzeit (Maximum) 409.98s Zeitüberschreitung: 5 Keine Antwort: 2 Falsche Antwort: 2 API-Fehler: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 4.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 2.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#62#62	Step 3.5 Flashmedium	7.2	Stepfun	$0.070 ↑	72.53s
Modellkarte anzeigen Gesamttests 20 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.7% Instabile Tests 1 Eingabe-Token 34,431 Ausgabe-Token 91,587 Denk-Token 195,973 Antwortzeit (Durchschnitt) 72.53s Antwortzeit (Gesamt) 1015.47s Antwortzeit (Maximum) 453.94s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.5 Kombiniert : 10.0 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
#60#60	Kimi K2.6medium	7.2	Moonshot AI	$0.891 ↓	71.67s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.1% Instabile Tests 3 Eingabe-Token 29,450 Ausgabe-Token 102,923 Denk-Token 254,094 Antwortzeit (Durchschnitt) 71.67s Antwortzeit (Gesamt) 1433.36s Antwortzeit (Maximum) 406.78s Zeitüberschreitung: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Anti-KI-Tricks : 7.0 Programmierung : 5.7 Kombiniert : 10.0 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
#72#72	DeepSeek V3.2medium	7.0	DeepSeek	$0.044 ↓	68.71s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.1% Instabile Tests 6 Eingabe-Token 38,333 Ausgabe-Token 7,186 Denk-Token 99,081 Antwortzeit (Durchschnitt) 68.71s Antwortzeit (Gesamt) 1442.81s Antwortzeit (Maximum) 376.10s Falsche Antwort: 5 API-Fehler: 2 Zeitüberschreitung: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.0 Kombiniert : 10.0 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
#30#30	Qwen3.5-27Bmedium	7.8	Qwen	$0.536 ↓	68.39s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.0% Instabile Tests 4 Eingabe-Token 42,164 Ausgabe-Token 8,534 Denk-Token 329,289 Antwortzeit (Durchschnitt) 68.39s Antwortzeit (Gesamt) 1436.24s Antwortzeit (Maximum) 234.36s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.7 Programmierung : 6.2 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#67#67	MiniMax M3medium	7.1	Minimax	$0.131	68.17s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 65.1% Instabile Tests 5 Eingabe-Token 46,546 Ausgabe-Token 49,036 Denk-Token 92,543 Antwortzeit (Durchschnitt) 68.17s Antwortzeit (Gesamt) 1363.38s 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
#12#12	Gemini 3.1 Flash Lite Previewhigh	8.6	Google	$2.310	68.14s
Modellkarte anzeigen Gesamttests 16 Falsche Tests 3 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 81.3% Instabile Tests 0 Eingabe-Token 28,980 Ausgabe-Token 1,283 Denk-Token 1,533,310 Antwortzeit (Durchschnitt) 68.14s Antwortzeit (Gesamt) 1090.28s Antwortzeit (Maximum) 280.52s Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#129#129	MiniMax M2.5medium	5.3	Minimax	$0.385 ↓	65.37s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 46.0% Instabile Tests 9 Eingabe-Token 43,706 Ausgabe-Token 109,495 Denk-Token 330,814 Antwortzeit (Durchschnitt) 65.37s Antwortzeit (Gesamt) 849.76s Antwortzeit (Maximum) 251.36s Falsche Antwort: 7 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 7.9 Programmierung : 3.4 Kombiniert : 4.5 Datenanalyse und -extraktion : 4.6 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 7.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#103#103	DeepSeek V4 Prohigh	6.0	DeepSeek	$0.079 ↓	65.21s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 9.0 Erfolgsquote pro Versuch 52.4% Instabile Tests 6 Eingabe-Token 32,240 Ausgabe-Token 12,250 Denk-Token 72,257 Antwortzeit (Durchschnitt) 65.21s Antwortzeit (Gesamt) 1304.19s Antwortzeit (Maximum) 358.35s API-Fehler: 5 Falsche Antwort: 4 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.4 Programmierung : 3.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#71#71	Step 3.7 Flashhigh	7.0	Stepfun	$1.148	64.46s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.5% Instabile Tests 4 Eingabe-Token 38,391 Ausgabe-Token 991,355 Denk-Token 0 Antwortzeit (Durchschnitt) 64.46s Antwortzeit (Gesamt) 1353.57s Antwortzeit (Maximum) 364.99s Falsche Antwort: 6 Keine Antwort: 4 Anti-KI-Tricks : 10.0 Programmierung : 4.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#37#37	Gemma 4 26B A4Bmedium	7.6	Google	$0.045 ↓	63.41s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.8% Instabile Tests 2 Eingabe-Token 40,252 Ausgabe-Token 28,000 Denk-Token 100,490 Antwortzeit (Durchschnitt) 63.41s Antwortzeit (Gesamt) 1268.28s Antwortzeit (Maximum) 369.32s Falsche Antwort: 3 Keine Antwort: 2 Zeitüberschreitung: 2 Anti-KI-Tricks : 10.0 Programmierung : 2.9 Kombiniert : 9.6 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
#49#49	Qwen3.5-Flashmedium	7.4	Qwen	$0.080 ↓	63.29s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.4% Instabile Tests 5 Eingabe-Token 38,926 Ausgabe-Token 2,088 Denk-Token 294,598 Antwortzeit (Durchschnitt) 63.29s Antwortzeit (Gesamt) 1265.85s Antwortzeit (Maximum) 234.29s Falsche Antwort: 4 Zeitüberschreitung: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#53#53	Gemini 3.1 Flash Litehigh	7.3	Google	$2.044	61.96s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.5% 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 Anti-KI-Tricks : 8.7 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 7.3 Rätsellösen : 5.7 Werkzeugaufrufe : 10.0
#75#75	Ring-2.6-1Tmedium	6.9	Inclusionai	$0.033	61.29s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.3% Instabile Tests 3 Eingabe-Token 35,892 Ausgabe-Token 21,752 Denk-Token 42,754 Antwortzeit (Durchschnitt) 61.29s Antwortzeit (Gesamt) 1164.50s Antwortzeit (Maximum) 304.19s Falsche Antwort: 6 API-Fehler: 2 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 10.0 Programmierung : 5.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#78#78	Qwen3.6 27Bmedium	6.8	Qwen	$0.444 ↑	59.71s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.3% Instabile Tests 5 Eingabe-Token 39,376 Ausgabe-Token 16,189 Denk-Token 122,521 Antwortzeit (Durchschnitt) 59.71s Antwortzeit (Gesamt) 1254.01s Antwortzeit (Maximum) 168.22s Falsche Antwort: 6 Keine Antwort: 3 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.3 Programmierung : 7.7 Kombiniert : 7.0 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
#14#14	Qwen3.6 Max Previewmedium	8.5	Qwen	$0.960 ↓	59.63s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 81.0% Instabile Tests 2 Eingabe-Token 42,362 Ausgabe-Token 2,273 Denk-Token 144,367 Antwortzeit (Durchschnitt) 59.63s Antwortzeit (Gesamt) 1252.17s Antwortzeit (Maximum) 238.07s Falsche Antwort: 5 Anti-KI-Tricks : 10.0 Programmierung : 8.8 Kombiniert : 10.0 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
#82#82	Hy3 previewhigh	6.6	Tencent	$0.048	56.57s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.6% 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 Anti-KI-Tricks : 6.4 Programmierung : 5.3 Kombiniert : 10.0 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
#27#27	Gemma 4 31Bmedium	7.8	Google	$0.035 ↓	56.55s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.8% Instabile Tests 1 Eingabe-Token 17,957 Ausgabe-Token 22,356 Denk-Token 65,726 Antwortzeit (Durchschnitt) 56.55s Antwortzeit (Gesamt) 1074.41s Antwortzeit (Maximum) 437.40s API-Fehler: 2 Zeitüberschreitung: 2 Falsche Antwort: 2 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#96#96	Ring-2.6-1Tnone	6.2	Inclusionai	$0.026	55.10s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.6% Instabile Tests 2 Eingabe-Token 7,599 Ausgabe-Token 39,954 Denk-Token 0 Antwortzeit (Durchschnitt) 55.10s Antwortzeit (Gesamt) 881.55s Antwortzeit (Maximum) 143.82s API-Fehler: 5 Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 9.2 Programmierung : 5.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#47#47	Grok Build 0.1medium	7.4	X AI	$0.927	49.90s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 61.9% Instabile Tests 0 Eingabe-Token 44,418 Ausgabe-Token 2,782 Denk-Token 438,018 Antwortzeit (Durchschnitt) 49.90s Antwortzeit (Gesamt) 1047.92s Antwortzeit (Maximum) 252.69s Falsche Antwort: 5 Zusätzliche Formatierung: 3 Anti-KI-Tricks : 8.3 Programmierung : 5.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#38#38	Grok 4.3medium	7.6	X AI	$0.614	47.51s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.4% Instabile Tests 4 Eingabe-Token 44,472 Ausgabe-Token 1,981 Denk-Token 221,382 Antwortzeit (Durchschnitt) 47.51s Antwortzeit (Gesamt) 997.68s Antwortzeit (Maximum) 216.69s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#19#19	Seed-2.0-Litemedium	8.2	Bytedance Seed	$0.175	47.07s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.2% Instabile Tests 3 Eingabe-Token 46,740 Ausgabe-Token 3,230 Denk-Token 78,406 Antwortzeit (Durchschnitt) 47.07s Antwortzeit (Gesamt) 988.37s Antwortzeit (Maximum) 254.92s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.3 Programmierung : 8.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 6.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#36#36	Qwen3.5 Plus 2026-04-20medium	7.6	Qwen	$0.317 ↓	46.36s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% 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 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 10.0 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
#31#31	DeepSeek V4 Flashhigh	7.7	DeepSeek	$0.029 ↓	45.85s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 74.6% Instabile Tests 4 Eingabe-Token 39,745 Ausgabe-Token 10,310 Denk-Token 123,501 Antwortzeit (Durchschnitt) 45.85s Antwortzeit (Gesamt) 962.79s Antwortzeit (Maximum) 218.13s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.3 Programmierung : 7.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#94#94	GPT-5 Nanomedium	6.3	OpenAI	$0.081	42.51s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 57.1% Instabile Tests 7 Eingabe-Token 34,108 Ausgabe-Token 5,464 Denk-Token 192,064 Antwortzeit (Durchschnitt) 42.51s Antwortzeit (Gesamt) 595.09s Antwortzeit (Maximum) 204.02s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 1 Anti-KI-Tricks : 6.5 Programmierung : 7.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 3.7 Domänenspezifisch : 5.2 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#29#29	Qwen3.5-122B-A10Bmedium	7.8	Qwen	$0.588 ↓	42.49s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.0% Instabile Tests 3 Eingabe-Token 41,832 Ausgabe-Token 26,187 Denk-Token 251,028 Antwortzeit (Durchschnitt) 42.49s Antwortzeit (Gesamt) 892.30s Antwortzeit (Maximum) 168.16s Falsche Antwort: 5 Zeitüberschreitung: 2 Anti-KI-Tricks : 10.0 Programmierung : 6.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0

Schnellvergleich

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsNemotron 3 Ultra 550b A55bmediumKostenlos verfügbar Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashmedium

KI-Benchmark-Bestenliste

Modelle filtern

Schnellvergleich