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: 2026-07-20 Bewertete Modelle: 210

210/210

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#130#130	Step 3.5 Flashmedium	6.0	Stepfun	$0.108 ↑	174.22s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 9.2 Erfolgsquote pro Versuch 51.5% Instabile Tests 1 Eingabe-Token 65,707 Ausgabe-Token 108,561 Denk-Token 293,993 Antwortzeit (Durchschnitt) 174.22s Antwortzeit (Gesamt) 2613.32s Antwortzeit (Maximum) 1597.85s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 2.4 Kombiniert : 6.5 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
#97#97	LongCat 2.0high	6.6	Meituan	$0.469	148.73s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 53.0% Instabile Tests 5 Eingabe-Token 93,357 Ausgabe-Token 30,466 Denk-Token 336,325 Antwortzeit (Durchschnitt) 148.73s Antwortzeit (Gesamt) 3272.00s Antwortzeit (Maximum) 941.66s Falsche Antwort: 6 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Anti-KI-Tricks : 8.9 Programmierung : 7.6 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
#194#194	GLM 4.7 Flashmedium	4.3	Z.ai	$0.166	142.59s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 18 Zuverlässigkeit 7.8 Erfolgsquote pro Versuch 31.8% Instabile Tests 8 Eingabe-Token 79,051 Ausgabe-Token 43,754 Denk-Token 374,109 Antwortzeit (Durchschnitt) 142.59s Antwortzeit (Gesamt) 1996.21s Antwortzeit (Maximum) 1539.97s Falsche Antwort: 9 Keine Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Zeitüberschreitung: 2 Anti-KI-Tricks : 4.7 Programmierung : 3.2 Kombiniert : 2.9 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 3.6 Befolgung von Anweisungen : 6.2 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#137#137	North Mini Codemedium	5.9	Cohere	$0.000	137.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 8.6 Erfolgsquote pro Versuch 48.5% Instabile Tests 4 Eingabe-Token 81,813 Ausgabe-Token 424,772 Denk-Token 1,342,029 Antwortzeit (Durchschnitt) 137.11s Antwortzeit (Gesamt) 3016.42s Antwortzeit (Maximum) 786.72s Falsche Antwort: 9 Zusätzliche Formatierung: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.4 Programmierung : 4.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#60#60	LongCat 2.0medium	7.4	Meituan	$0.478	136.64s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 60.6% Instabile Tests 3 Eingabe-Token 97,315 Ausgabe-Token 44,384 Denk-Token 329,012 Antwortzeit (Durchschnitt) 136.64s Antwortzeit (Gesamt) 3006.01s Antwortzeit (Maximum) 939.52s Falsche Antwort: 7 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#33#33	Kimi K3max	8.0	Moonshot AI	$3.112	122.48s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 9.1 Erfolgsquote pro Versuch 75.8% Instabile Tests 1 Eingabe-Token 34,916 Ausgabe-Token 2,910 Denk-Token 197,529 Antwortzeit (Durchschnitt) 122.48s Antwortzeit (Gesamt) 2327.06s Antwortzeit (Maximum) 766.58s API-Fehler: 2 Zeitüberschreitung: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 6.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#119#119	Qwen3.5-35B-A3Bmedium	6.2	Qwen	$0.837 ↓	112.47s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 6 Eingabe-Token 130,388 Ausgabe-Token 40,630 Denk-Token 786,040 Antwortzeit (Durchschnitt) 112.47s Antwortzeit (Gesamt) 2474.28s Antwortzeit (Maximum) 950.25s Zeitüberschreitung: 5 Keine Antwort: 2 Falsche Antwort: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 3.8 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
#58#58	Qwen3.5-27Bmedium	7.4	Qwen	$1.627 ↑	111.94s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 72.7% Instabile Tests 5 Eingabe-Token 111,635 Ausgabe-Token 15,999 Denk-Token 598,430 Antwortzeit (Durchschnitt) 111.94s Antwortzeit (Gesamt) 2462.67s Antwortzeit (Maximum) 1026.43s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.7 Programmierung : 6.2 Kombiniert : 7.3 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
#68#68	Kimi K2.6medium	7.2	Moonshot AI	$1.036 ↓	109.98s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 63.6% Instabile Tests 4 Eingabe-Token 68,902 Ausgabe-Token 111,680 Denk-Token 279,860 Antwortzeit (Durchschnitt) 109.98s Antwortzeit (Gesamt) 2309.56s Antwortzeit (Maximum) 876.20s Zeitüberschreitung: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 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
#99#99	Qwen3.6 27Bmedium	6.5	Qwen	$0.779 ↑	106.32s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 6 Eingabe-Token 106,167 Ausgabe-Token 32,889 Denk-Token 241,303 Antwortzeit (Durchschnitt) 106.32s Antwortzeit (Gesamt) 2339.12s Antwortzeit (Maximum) 1085.11s Falsche Antwort: 6 Keine Antwort: 3 Ungültiger Werkzeugaufruf: 2 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
#95#95	Gemma 4 26B A4Bmedium	6.6	Google	$0.089 ↓	103.83s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 66.7% Instabile Tests 2 Eingabe-Token 77,550 Ausgabe-Token 28,036 Denk-Token 219,491 Antwortzeit (Durchschnitt) 103.83s Antwortzeit (Gesamt) 2180.47s Antwortzeit (Maximum) 912.19s Falsche Antwort: 3 Keine Antwort: 2 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 2.9 Kombiniert : 6.3 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
#91#91	LongCat 2.0low	6.7	Meituan	$0.391	100.31s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 53.0% Instabile Tests 3 Eingabe-Token 90,909 Ausgabe-Token 5,679 Denk-Token 297,369 Antwortzeit (Durchschnitt) 100.31s Antwortzeit (Gesamt) 2206.82s Antwortzeit (Maximum) 560.39s Falsche Antwort: 8 API-Fehler: 1 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 : 3.0 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#77#77	Kimi K2.5medium	7.0	Moonshot AI	$0.600 ↑	99.00s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 8 Eingabe-Token 118,448 Ausgabe-Token 62,124 Denk-Token 165,243 Antwortzeit (Durchschnitt) 99.00s Antwortzeit (Gesamt) 1485.04s 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 : 3.5 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#80#80	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.101	92.53s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 8.5 Erfolgsquote pro Versuch 57.6% Instabile Tests 3 Eingabe-Token 125,467 Ausgabe-Token 10,778 Denk-Token 209,856 Antwortzeit (Durchschnitt) 92.53s Antwortzeit (Gesamt) 1665.50s Antwortzeit (Maximum) 301.78s Zeitüberschreitung: 5 Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 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
#57#57	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.437 ↓	89.19s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.2% Instabile Tests 4 Eingabe-Token 113,560 Ausgabe-Token 9,823 Denk-Token 250,881 Antwortzeit (Durchschnitt) 89.19s Antwortzeit (Gesamt) 1337.92s Antwortzeit (Maximum) 304.85s Falsche Antwort: 4 Zeitüberschreitung: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.6 Kombiniert : 6.9 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
#114#114	Qwen3.5-Flashmedium	6.2	Qwen	$0.139 ↓	84.82s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 6 Eingabe-Token 118,499 Ausgabe-Token 12,284 Denk-Token 490,610 Antwortzeit (Durchschnitt) 84.82s Antwortzeit (Gesamt) 1781.22s Antwortzeit (Maximum) 515.38s Falsche Antwort: 4 Zeitüberschreitung: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.7 Kombiniert : 6.4 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
#52#52	Kimi K2.7 Codemedium	7.5	Moonshot AI	$0.751 ↓	84.25s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 4 Eingabe-Token 72,073 Ausgabe-Token 83,714 Denk-Token 178,793 Antwortzeit (Durchschnitt) 84.25s Antwortzeit (Gesamt) 1769.22s Antwortzeit (Maximum) 365.80s Falsche Antwort: 5 Zeitüberschreitung: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 7.3 Programmierung : 7.8 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.5 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#204#204	Qwen3.5-9Bmedium	3.8	Qwen	$0.036 ↑	82.24s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 19 Zuverlässigkeit 5.0 Erfolgsquote pro Versuch 25.8% 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: 12 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
#46#46	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.200	79.14s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 6 Eingabe-Token 90,748 Ausgabe-Token 10,462 Denk-Token 178,719 Antwortzeit (Durchschnitt) 79.14s Antwortzeit (Gesamt) 1740.97s Antwortzeit (Maximum) 416.76s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 API-Fehler: 1 Zusätzliche Formatierung: 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
#12#12	Grok 4.5high	8.9	X AI	$1.707	76.50s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 83.3% Instabile Tests 2 Eingabe-Token 151,562 Ausgabe-Token 5,655 Denk-Token 247,540 Antwortzeit (Durchschnitt) 76.50s Antwortzeit (Gesamt) 1683.07s Antwortzeit (Maximum) 676.83s Keine Antwort: 2 Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#110#110	Gemma 4 31Bmedium	6.3	Google	$0.163 ↑	75.38s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 2 Eingabe-Token 94,992 Ausgabe-Token 34,468 Denk-Token 223,278 Antwortzeit (Durchschnitt) 75.38s Antwortzeit (Gesamt) 1507.52s Antwortzeit (Maximum) 437.40s API-Fehler: 2 Zeitüberschreitung: 2 Falsche Antwort: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.3 Kombiniert : 2.9 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
#47#47	MiniMax M3medium	7.6	Minimax	$0.286	74.98s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 66.7% Instabile Tests 5 Eingabe-Token 121,990 Ausgabe-Token 77,916 Denk-Token 173,553 Antwortzeit (Durchschnitt) 74.98s Antwortzeit (Gesamt) 1574.56s 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
#108#108	Ring-2.6-1Tmedium	6.3	Inclusionai	$0.103 ↑	68.74s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.6% Instabile Tests 4 Eingabe-Token 113,604 Ausgabe-Token 123,079 Denk-Token 42,754 Antwortzeit (Durchschnitt) 68.74s Antwortzeit (Gesamt) 1374.86s 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 : 3.5 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#76#76	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.62s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 7 Eingabe-Token 101,047 Ausgabe-Token 11,834 Denk-Token 117,014 Antwortzeit (Durchschnitt) 68.62s Antwortzeit (Gesamt) 1509.53s 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
#190#190	MiniMax M2.5medium	4.6	Minimax	$0.340 ↓	68.27s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 10 Eingabe-Token 142,561 Ausgabe-Token 125,442 Denk-Token 339,935 Antwortzeit (Durchschnitt) 68.27s Antwortzeit (Gesamt) 955.75s Antwortzeit (Maximum) 251.36s Falsche Antwort: 7 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 3 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.9 Programmierung : 3.4 Kombiniert : 3.7 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
#163#163	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Modellkarte anzeigen Gesamttests 16 Falsche Tests 3 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 59.1% 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 : 7.5 Programmierung : 0.0 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#19#19	Qwen3.6 Max Previewmedium	8.4	Qwen	$1.143 ↓	67.53s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 80.3% Instabile Tests 3 Eingabe-Token 79,240 Ausgabe-Token 5,098 Denk-Token 164,842 Antwortzeit (Durchschnitt) 67.53s Antwortzeit (Gesamt) 1485.64s Antwortzeit (Maximum) 238.07s Falsche Antwort: 5 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.8 Kombiniert : 7.3 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
#86#86	Step 3.7 Flashhigh	6.9	Stepfun	$1.207	64.68s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 5 Eingabe-Token 98,691 Ausgabe-Token 1,032,395 Denk-Token 0 Antwortzeit (Durchschnitt) 64.68s Antwortzeit (Gesamt) 1423.01s Antwortzeit (Maximum) 364.99s Falsche Antwort: 6 Keine Antwort: 4 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.0 Kombiniert : 8.7 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
#72#72	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.046 ↓	64.16s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.2% Instabile Tests 4 Eingabe-Token 124,771 Ausgabe-Token 44,077 Denk-Token 443,141 Antwortzeit (Durchschnitt) 64.16s Antwortzeit (Gesamt) 1411.60s Antwortzeit (Maximum) 519.30s Falsche Antwort: 5 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.0 Kombiniert : 6.4 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
#28#28	Inklinghigh	8.0	Thinkingmachines	$1.006	64.16s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 77.3% Instabile Tests 3 Eingabe-Token 86,746 Ausgabe-Token 6,055 Denk-Token 220,791 Antwortzeit (Durchschnitt) 64.16s Antwortzeit (Gesamt) 1411.59s Antwortzeit (Maximum) 327.51s Falsche Antwort: 4 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 8.5 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0

1 2 3 4 5 6 7

→

Schnellvergleich

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGPT-5.6 Sollow Gemini 3 Flash PreviewmediumvsGPT-5.6 Solmedium Gemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsNemotron 3 UltramediumKostenlos verfügbar Gemini 3 Flash PreviewmediumvsNorth Mini CodemediumKostenlos verfügbar Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low

AI Benchy Bestenliste

Modelle filtern

Schnellvergleich