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: 2026-10-01 Bewertete Modelle: 382

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

382/382

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#226#226	KAT-Coder-Pro V2.5medium	6.2	Kwaipilot	$0.669 ↑	23.94s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.3% Instabile Tests 8 Eingabe-Token 87,916 Ausgabe-Token 7,213 Denk-Token 132,162 Antwortzeit (Durchschnitt) 23.94s Antwortzeit (Gesamt) 550.52s Antwortzeit (Maximum) 257.00s Falsche Antwort: 9 API-Fehler: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.2 Programmierung : 7.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#227#227	GLM 5 Turbomedium	6.2	Z.ai	$0.323 ↑	23.00s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 4 Eingabe-Token 35,593 Ausgabe-Token 12,245 Denk-Token 62,277 Antwortzeit (Durchschnitt) 23.00s Antwortzeit (Gesamt) 482.97s Antwortzeit (Maximum) 194.23s Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#228#228	DeepSeek V4 Flash 0731none	6.2	DeepSeek	$0.055 ↑	27.42s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.4% Instabile Tests 4 Eingabe-Token 349,876 Ausgabe-Token 39,789 Denk-Token 0 Antwortzeit (Durchschnitt) 27.42s Antwortzeit (Gesamt) 630.70s Antwortzeit (Maximum) 387.15s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Zusätzliche Formatierung: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 3.4 Programmierung : 4.3 Kombiniert : 3.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 5.0 Rätsellösen : 3.2 Werkzeugaufrufe : 9.5 Allgemeinwissen : 3.0
#229#229	Gemini 3.1 Flash Lite Previewnone	6.2	Google	$0.090	3.60s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.1% Instabile Tests 1 Eingabe-Token 261,962 Ausgabe-Token 15,760 Denk-Token 0 Antwortzeit (Durchschnitt) 3.60s Antwortzeit (Gesamt) 82.91s Antwortzeit (Maximum) 48.59s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 7.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#230#230	Claude Fable 5.1low	6.2	Anthropic	$3.395	11.40s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.1% Instabile Tests 3 Eingabe-Token 209,116 Ausgabe-Token 10,031 Denk-Token 16,042 Antwortzeit (Durchschnitt) 11.40s Antwortzeit (Gesamt) 262.14s Antwortzeit (Maximum) 34.77s Zusätzliche Formatierung: 4 Falsche Antwort: 4 Anweisungen nicht befolgt: 3 API-Fehler: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 6.5 Programmierung : 3.4 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#231#231	Gemini 3.5 Flashnone	6.1	Google	$1.752	14.13s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 4 Eingabe-Token 246,061 Ausgabe-Token 153,595 Denk-Token 0 Antwortzeit (Durchschnitt) 14.13s Antwortzeit (Gesamt) 268.55s Antwortzeit (Maximum) 85.26s API-Fehler: 4 Falsche Antwort: 4 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 10.0 Programmierung : 8.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 2.8
#232#232	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.862	84.01s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 49.3% Instabile Tests 7 Eingabe-Token 319,352 Ausgabe-Token 158,447 Denk-Token 875,524 Antwortzeit (Durchschnitt) 84.01s Antwortzeit (Gesamt) 1932.24s Antwortzeit (Maximum) 525.14s Falsche Antwort: 9 Anweisungen nicht befolgt: 4 Ungültiger Werkzeugaufruf: 2 Agentenaufgaben : 6.1 Anti-KI-Tricks : 6.8 Programmierung : 7.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 4.4 Rätsellösen : 5.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#233#233	Inklingnone	6.1	Thinkingmachines	$0.299 ↓	5.30s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 31.9% Instabile Tests 1 Eingabe-Token 236,599 Ausgabe-Token 16,536 Denk-Token 0 Antwortzeit (Durchschnitt) 5.30s Antwortzeit (Gesamt) 121.91s Antwortzeit (Maximum) 48.02s Falsche Antwort: 13 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 4.8 Programmierung : 4.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.6 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#234#234	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.216 ↓	18.49s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 44.9% Instabile Tests 5 Eingabe-Token 299,984 Ausgabe-Token 69,664 Denk-Token 0 Antwortzeit (Durchschnitt) 18.49s Antwortzeit (Gesamt) 425.33s Antwortzeit (Maximum) 206.05s Falsche Antwort: 12 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 4.8 Programmierung : 3.9 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.2 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#235#235	Granite 4.2 8Bmedium	6.1	IBM Granite	$0.029	50.47s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 8.9 Erfolgsquote pro Versuch 37.7% Instabile Tests 1 Eingabe-Token 259,708 Ausgabe-Token 16,567 Denk-Token 33,580 Antwortzeit (Durchschnitt) 50.47s Antwortzeit (Gesamt) 1160.91s Antwortzeit (Maximum) 557.96s Falsche Antwort: 9 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.4 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 3.8 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#236#236	KAT-Coder-Pro V2.5none	6.1	Kwaipilot	$0.742 ↑	24.96s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 8 Eingabe-Token 98,508 Ausgabe-Token 139,572 Denk-Token 0 Antwortzeit (Durchschnitt) 24.96s Antwortzeit (Gesamt) 574.12s Antwortzeit (Maximum) 335.41s Falsche Antwort: 10 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 8.7 Programmierung : 6.1 Kombiniert : 4.1 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#237#237	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
#238#238	GLM 5.3 FlashXlow	6.0	Z.ai	$0.157	9.69s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 9 Eingabe-Token 277,028 Ausgabe-Token 11,965 Denk-Token 31,238 Antwortzeit (Durchschnitt) 9.69s Antwortzeit (Gesamt) 222.83s Antwortzeit (Maximum) 77.99s Falsche Antwort: 10 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 8.2 Programmierung : 5.5 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#239#239	MiMo-V2.6-Pronone	6.0	Xiaomi	$0.193	9.66s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.5% Instabile Tests 2 Eingabe-Token 278,866 Ausgabe-Token 82,069 Denk-Token 0 Antwortzeit (Durchschnitt) 9.66s Antwortzeit (Gesamt) 222.07s Antwortzeit (Maximum) 106.86s Falsche Antwort: 10 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.5 Programmierung : 5.6 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#240#240	Inkling Smallmedium	6.0	Thinkingmachines	$0.113 ↓	6.03s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.7% Instabile Tests 3 Eingabe-Token 100,255 Ausgabe-Token 6,422 Denk-Token 49,847 Antwortzeit (Durchschnitt) 6.03s Antwortzeit (Gesamt) 138.65s Antwortzeit (Maximum) 17.26s Falsche Antwort: 6 Anweisungen nicht befolgt: 4 Ungültiger Werkzeugaufruf: 2 API-Fehler: 1 Agentenaufgaben : 3.0 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
#241#241	Seed-2.0-Litenone	6.0	Bytedance Seed	$0.114	7.49s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.1% Instabile Tests 3 Eingabe-Token 314,113 Ausgabe-Token 17,558 Denk-Token 0 Antwortzeit (Durchschnitt) 7.49s Antwortzeit (Gesamt) 172.19s Antwortzeit (Maximum) 75.99s Falsche Antwort: 14 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.0 Programmierung : 5.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#242#242	Gemini 3.1 Flash Liteminimal	5.9	Google	$0.080	3.95s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 49.3% Instabile Tests 3 Eingabe-Token 238,785 Ausgabe-Token 12,875 Denk-Token 0 Antwortzeit (Durchschnitt) 3.95s Antwortzeit (Gesamt) 90.76s Antwortzeit (Maximum) 50.03s Falsche Antwort: 9 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Agentenaufgaben : 5.0 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
#243#243	gpt-oss-120bmedium	5.9	OpenAI	$0.030 ↓	31.58s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.8% Instabile Tests 5 Eingabe-Token 285,293 Ausgabe-Token 29,565 Denk-Token 89,266 Antwortzeit (Durchschnitt) 31.58s Antwortzeit (Gesamt) 536.78s Antwortzeit (Maximum) 203.90s Falsche Antwort: 10 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 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
#244#244	Gemini 3.1 Flash Litenone	5.9	Google	$0.069	3.58s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 47.8% Instabile Tests 4 Eingabe-Token 202,069 Ausgabe-Token 11,961 Denk-Token 0 Antwortzeit (Durchschnitt) 3.58s Antwortzeit (Gesamt) 82.24s Antwortzeit (Maximum) 43.82s Falsche Antwort: 12 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 7.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#245#245	Qwen3.6 Flashnone	5.9	Qwen	$0.139 ↓	7.63s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 33.3% Instabile Tests 1 Eingabe-Token 388,929 Ausgabe-Token 57,714 Denk-Token 0 Antwortzeit (Durchschnitt) 7.63s Antwortzeit (Gesamt) 175.42s Antwortzeit (Maximum) 93.47s Falsche Antwort: 13 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.1 Programmierung : 5.4 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#246#246	Claude Sonnet 5none	5.9	Anthropic	$1.095	8.60s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.6% Instabile Tests 5 Eingabe-Token 393,560 Ausgabe-Token 30,777 Denk-Token 0 Antwortzeit (Durchschnitt) 8.60s Antwortzeit (Gesamt) 197.73s Antwortzeit (Maximum) 64.73s Falsche Antwort: 9 Zusätzliche Formatierung: 4 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 5.3 Programmierung : 4.6 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 6.4 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#247#247	Nemotron 3 Ultranone	5.9	NVIDIA	$0.157 ↕	6.76s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.6% Instabile Tests 2 Eingabe-Token 275,381 Ausgabe-Token 11,544 Denk-Token 0 Antwortzeit (Durchschnitt) 6.76s Antwortzeit (Gesamt) 155.50s Antwortzeit (Maximum) 70.17s Falsche Antwort: 12 API-Fehler: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#248#248	Qwen3.7 Flashnone	5.9	Qwen	$0.028	14.70s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.2% Instabile Tests 3 Eingabe-Token 410,787 Ausgabe-Token 117,742 Denk-Token 0 Antwortzeit (Durchschnitt) 14.70s Antwortzeit (Gesamt) 338.13s Antwortzeit (Maximum) 186.24s Falsche Antwort: 14 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 3.0 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#249#249	GPT-5.6 Terranone	5.8	OpenAI	$0.377 ↓	4.11s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.6% Instabile Tests 3 Eingabe-Token 213,564 Ausgabe-Token 7,381 Denk-Token 0 Antwortzeit (Durchschnitt) 4.11s Antwortzeit (Gesamt) 94.52s Antwortzeit (Maximum) 57.98s Falsche Antwort: 12 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 8.5 Rätsellösen : 5.3 Werkzeugaufrufe : 9.6 Allgemeinwissen : 3.0
#250#250	DeepSeek V4.1 Flashnone	5.8	DeepSeek	$0.157 ↓	16.63s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 36.2% Instabile Tests 3 Eingabe-Token 337,756 Ausgabe-Token 292,779 Denk-Token 0 Antwortzeit (Durchschnitt) 16.63s Antwortzeit (Gesamt) 382.53s Antwortzeit (Maximum) 247.66s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 7.4 Anti-KI-Tricks : 3.7 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0

←

1 9 10 11 16

→

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