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)
#301#301	KAT Coder AIR V2.5low	5.0	Kwaipilot	$0.046	10.21s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 42.0% Instabile Tests 6 Eingabe-Token 61,094 Ausgabe-Token 6,532 Denk-Token 53,882 Antwortzeit (Durchschnitt) 10.21s Antwortzeit (Gesamt) 234.86s Antwortzeit (Maximum) 86.23s Falsche Antwort: 7 Zusätzliche Formatierung: 4 API-Fehler: 3 Anweisungen nicht befolgt: 2 Agentenaufgaben : 3.0 Anti-KI-Tricks : 7.3 Programmierung : 3.5 Kombiniert : 6.4 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#302#302	Grok 4.20 Betamedium	4.9	X AI	$0.750 ↑	9.75s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 4 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 63.8% Instabile Tests 1 Eingabe-Token 35,955 Ausgabe-Token 1,647 Denk-Token 91,565 Antwortzeit (Durchschnitt) 9.75s Antwortzeit (Gesamt) 175.48s Antwortzeit (Maximum) 31.36s Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 8.7 Programmierung : 3.3 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 0.0
#303#303	Inkling Smallnone	4.9	Thinkingmachines	$0.054 ↓	1.45s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 23.2% Instabile Tests 1 Eingabe-Token 94,733 Ausgabe-Token 8,770 Denk-Token 0 Antwortzeit (Durchschnitt) 1.45s Antwortzeit (Gesamt) 33.24s Antwortzeit (Maximum) 12.35s Falsche Antwort: 15 API-Fehler: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 3.1 Programmierung : 3.6 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.2 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#304#304	Qwen3 Coder Nextnone	4.9	Qwen	$0.067 ↑	19.73s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 24.6% Instabile Tests 1 Eingabe-Token 250,329 Ausgabe-Token 45,168 Denk-Token 0 Antwortzeit (Durchschnitt) 19.73s Antwortzeit (Gesamt) 355.09s Antwortzeit (Maximum) 208.38s Falsche Antwort: 15 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 3.6 Programmierung : 4.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#305#305	Laguna S 2.1high	4.9	Poolside	$0.145 ↓	113.63s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 27.5% Instabile Tests 6 Eingabe-Token 344,806 Ausgabe-Token 177,330 Denk-Token 453,213 Antwortzeit (Durchschnitt) 113.63s Antwortzeit (Gesamt) 2613.48s Antwortzeit (Maximum) 1190.11s Falsche Antwort: 12 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 3.4 Programmierung : 5.3 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 4.6 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#306#306	Gemini 3 PRO Previewmedium	4.9	Google	$0.385 ↑	9.05s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 60.9% Instabile Tests 0 Eingabe-Token 28,848 Ausgabe-Token 1,490 Denk-Token 10,102 Antwortzeit (Durchschnitt) 9.05s Antwortzeit (Gesamt) 90.53s Antwortzeit (Maximum) 26.24s API-Fehler: 4 Falsche Antwort: 3 Agentenaufgaben : 0.0 Anti-KI-Tricks : 10.0 Programmierung : 3.0 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#307#307	Ling 2.6 1tnone	4.9	Inclusionai	$0.016 ↑	8.16s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 17.4% Instabile Tests 0 Eingabe-Token 106,423 Ausgabe-Token 11,555 Denk-Token 0 Antwortzeit (Durchschnitt) 8.16s Antwortzeit (Gesamt) 163.24s Antwortzeit (Maximum) 25.72s Falsche Antwort: 12 API-Fehler: 4 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 3.4 Programmierung : 3.8 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 3.1 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#308#308	MiMo-V2.5none	4.9	Xiaomi	$0.049 ↓	9.88s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 26.1% Instabile Tests 2 Eingabe-Token 276,608 Ausgabe-Token 33,960 Denk-Token 0 Antwortzeit (Durchschnitt) 9.88s Antwortzeit (Gesamt) 227.24s Antwortzeit (Maximum) 124.23s Falsche Antwort: 14 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#309#309	Qwen3.5-9Bnone	4.9	Qwen	$0.041	37.19s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 18.8% Instabile Tests 1 Eingabe-Token 307,670 Ausgabe-Token 70,427 Denk-Token 0 Antwortzeit (Durchschnitt) 37.19s Antwortzeit (Gesamt) 855.27s Antwortzeit (Maximum) 433.02s Falsche Antwort: 15 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Agentenaufgaben : 3.9 Anti-KI-Tricks : 3.1 Programmierung : 3.9 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#310#310	Hy4 previewnone	4.9	Tencent	$0.165	40.38s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 20 Zuverlässigkeit 6.2 Erfolgsquote pro Versuch 15.9% Instabile Tests 1 Eingabe-Token 185,167 Ausgabe-Token 9,430 Denk-Token 0 Antwortzeit (Durchschnitt) 40.38s Antwortzeit (Gesamt) 928.76s Antwortzeit (Maximum) 95.32s Falsche Antwort: 14 API-Fehler: 2 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.3 Programmierung : 3.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 8.7 Domänenspezifisch : 6.8 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 7.0 Rätsellösen : 4.6 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#311#311	Mimo V2 Omnimedium	4.9	Xiaomi	$0.683 ↓	41.16s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.7% Instabile Tests 3 Eingabe-Token 37,007 Ausgabe-Token 1,952 Denk-Token 357,306 Antwortzeit (Durchschnitt) 41.16s Antwortzeit (Gesamt) 823.26s Antwortzeit (Maximum) 299.23s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Keine Antwort: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 10.0 Programmierung : 3.3 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 8.3 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#312#312	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
#313#313	GLM 4.7 Flashnone	4.8	Z.ai	$0.027	13.04s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 29.0% Instabile Tests 3 Eingabe-Token 255,363 Ausgabe-Token 27,395 Denk-Token 0 Antwortzeit (Durchschnitt) 13.04s Antwortzeit (Gesamt) 221.61s Antwortzeit (Maximum) 97.15s Falsche Antwort: 15 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 5.2 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 6.4 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#314#314	Mercury 2.5 Previewnone	4.7	Inception	$0.023 ↑	7.05s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 29.0% Instabile Tests 5 Eingabe-Token 250,541 Ausgabe-Token 86,367 Denk-Token 0 Antwortzeit (Durchschnitt) 7.05s Antwortzeit (Gesamt) 162.25s Antwortzeit (Maximum) 84.96s Falsche Antwort: 16 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 3.8 Programmierung : 4.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#315#315	Nemotron 3.5 Lightningmedium	4.7	NVIDIA	$0.137 ↕	81.93s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 47.8% Instabile Tests 12 Eingabe-Token 195,780 Ausgabe-Token 167,746 Denk-Token 598,384 Antwortzeit (Durchschnitt) 81.93s Antwortzeit (Gesamt) 1884.31s Antwortzeit (Maximum) 437.11s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 6.9 Programmierung : 4.4 Kombiniert : 6.2 Datenanalyse und -extraktion : 3.7 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.5 Rätsellösen : 4.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#316#316	North Mini Codenone	4.7	Cohere	$0.000	29.47s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 8.9 Erfolgsquote pro Versuch 17.4% Instabile Tests 0 Eingabe-Token 177,989 Ausgabe-Token 26,954 Denk-Token 0 Antwortzeit (Durchschnitt) 29.47s Antwortzeit (Gesamt) 677.70s Antwortzeit (Maximum) 159.85s Falsche Antwort: 13 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Agentenaufgaben : 3.0 Anti-KI-Tricks : 3.0 Programmierung : 3.9 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.5 Werkzeugaufrufe : 9.5 Allgemeinwissen : 3.0
#317#317	Laguna S 2.1none	4.7	Poolside	$0.044 ↓	17.65s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 21 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 14.5% Instabile Tests 3 Eingabe-Token 287,445 Ausgabe-Token 99,097 Denk-Token 0 Antwortzeit (Durchschnitt) 17.65s Antwortzeit (Gesamt) 406.05s Antwortzeit (Maximum) 200.52s Falsche Antwort: 18 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Agentenaufgaben : 5.4 Anti-KI-Tricks : 3.1 Programmierung : 3.4 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 4.3 Rätsellösen : 3.1 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#318#318	Granite 4.2 8Bhigh	4.7	IBM Granite	$0.111	235.35s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 8.2 Erfolgsquote pro Versuch 37.7% Instabile Tests 10 Eingabe-Token 282,658 Ausgabe-Token 198,563 Denk-Token 462,804 Antwortzeit (Durchschnitt) 235.35s Antwortzeit (Gesamt) 5413.09s Antwortzeit (Maximum) 685.87s Zeitüberschreitung: 10 Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 6.9 Programmierung : 3.8 Kombiniert : 5.0 Datenanalyse und -extraktion : 3.8 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 6.4 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#319#319	Qwen3 Coder Nextmedium	4.7	Qwen	$0.071 ↑	16.97s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 20 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 24.6% Instabile Tests 4 Eingabe-Token 311,647 Ausgabe-Token 40,395 Denk-Token 0 Antwortzeit (Durchschnitt) 16.97s Antwortzeit (Gesamt) 305.55s Antwortzeit (Maximum) 151.35s Falsche Antwort: 15 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.5 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 6.3 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#320#320	DeepSeek V3.2none	4.6	DeepSeek	$0.119 ↑	22.44s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.8% Instabile Tests 5 Eingabe-Token 342,158 Ausgabe-Token 57,866 Denk-Token 0 Antwortzeit (Durchschnitt) 22.44s Antwortzeit (Gesamt) 516.03s Antwortzeit (Maximum) 122.50s Falsche Antwort: 9 API-Fehler: 3 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 3.2 Programmierung : 3.1 Kombiniert : 4.8 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#321#321	GPT-5.4 Nanonone	4.6	OpenAI	$0.068	4.42s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 19 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 26.1% Instabile Tests 4 Eingabe-Token 246,687 Ausgabe-Token 14,894 Denk-Token 0 Antwortzeit (Durchschnitt) 4.42s Antwortzeit (Gesamt) 101.75s Antwortzeit (Maximum) 45.38s Falsche Antwort: 16 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 3.5 Programmierung : 4.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#322#322	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
#323#323	GLM 5V Turbonone	4.6	Z.ai	$0.052	2.99s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.8% Instabile Tests 0 Eingabe-Token 37,100 Ausgabe-Token 1,766 Denk-Token 0 Antwortzeit (Durchschnitt) 2.99s Antwortzeit (Gesamt) 62.74s Antwortzeit (Maximum) 6.51s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Agentenaufgaben : 0.0 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#324#324	Laguna S 2.1low	4.6	Poolside	$0.108 ↓	88.24s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 20 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 23.2% Instabile Tests 6 Eingabe-Token 232,641 Ausgabe-Token 69,335 Denk-Token 426,182 Antwortzeit (Durchschnitt) 88.24s Antwortzeit (Gesamt) 2029.57s Antwortzeit (Maximum) 814.73s Falsche Antwort: 16 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 3.4 Programmierung : 3.8 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 4.3 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#325#325	Nemotron 3.5 Lightninglow	4.6	NVIDIA	$0.123 ↕	83.19s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 9.5 Erfolgsquote pro Versuch 40.6% Instabile Tests 9 Eingabe-Token 207,883 Ausgabe-Token 144,718 Denk-Token 525,897 Antwortzeit (Durchschnitt) 83.19s Antwortzeit (Gesamt) 1913.41s Antwortzeit (Maximum) 597.61s Falsche Antwort: 14 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 3.5 Anti-KI-Tricks : 6.9 Programmierung : 4.0 Kombiniert : 6.3 Datenanalyse und -extraktion : 2.9 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.7 Befolgung von Anweisungen : 8.4 Rätsellösen : 3.6 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