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: 2026-07-02 Bewertete Modelle: 174

174/174

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#31#31	Qwen3.6 Plusmedium	7.8	Qwen	$0.294 ↑	30.70s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.8% Instabile Tests 2 Eingabe-Token 41,565 Ausgabe-Token 1,853 Denk-Token 141,973 Antwortzeit (Durchschnitt) 30.70s Antwortzeit (Gesamt) 613.99s Antwortzeit (Maximum) 201.68s Falsche Antwort: 5 API-Fehler: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.1 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#32#32	Claude Sonnet 4.6medium	7.8	Anthropic	$1.418	17.06s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.1% Instabile Tests 2 Eingabe-Token 49,112 Ausgabe-Token 54,703 Denk-Token 29,970 Antwortzeit (Durchschnitt) 17.06s Antwortzeit (Gesamt) 221.83s Antwortzeit (Maximum) 46.35s Falsche Antwort: 4 Zusätzliche Formatierung: 3 Zeitüberschreitung: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.7 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
#33#33	Gemini 3.1 Flash Lite Previewmedium	7.8	Google	$0.068	3.96s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 61.9% Instabile Tests 0 Eingabe-Token 37,786 Ausgabe-Token 2,210 Denk-Token 36,744 Antwortzeit (Durchschnitt) 3.96s Antwortzeit (Gesamt) 83.06s Antwortzeit (Maximum) 14.93s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 9.1 Programmierung : 5.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#34#34	Qwen3.5 Plus 2026-04-20medium	7.8	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
#35#35	Gemini 3.1 Flash Litemedium	7.8	Google	$0.071	3.23s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.1% Instabile Tests 2 Eingabe-Token 36,808 Ausgabe-Token 2,254 Denk-Token 38,300 Antwortzeit (Durchschnitt) 3.23s Antwortzeit (Gesamt) 67.80s Antwortzeit (Maximum) 10.87s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 9.1 Programmierung : 5.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#36#36	Kimi K2.6medium	7.8	Moonshot AI	$0.888 ↓	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
#37#37	Qwen3.5-122B-A10Bmedium	7.7	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
#38#38	Claude Opus 4.8low	7.7	Anthropic	$1.270	10.83s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 79.4% Instabile Tests 3 Eingabe-Token 60,946 Ausgabe-Token 31,771 Denk-Token 6,831 Antwortzeit (Durchschnitt) 10.83s Antwortzeit (Gesamt) 227.39s Antwortzeit (Maximum) 127.97s Falsche Antwort: 4 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.6 Kombiniert : 9.8 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#39#39	Grok 4.3medium	7.7	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
#40#40	Claude Opus 4.6medium	7.7	Anthropic	$2.053	25.89s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 61.9% Instabile Tests 3 Eingabe-Token 53,227 Ausgabe-Token 47,446 Denk-Token 24,000 Antwortzeit (Durchschnitt) 25.89s Antwortzeit (Gesamt) 362.49s Antwortzeit (Maximum) 83.40s Zusätzliche Formatierung: 5 Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.4 Programmierung : 5.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#41#41	Step 3.7 Flashlow	7.7	Stepfun	$0.341	15.74s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.3% Instabile Tests 4 Eingabe-Token 40,101 Ausgabe-Token 289,325 Denk-Token 0 Antwortzeit (Durchschnitt) 15.74s Antwortzeit (Gesamt) 330.63s Antwortzeit (Maximum) 124.75s Falsche Antwort: 8 Keine Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 8.2 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#42#42	MiniMax M3medium	7.6	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
#43#43	DeepSeek V4 Prohigh	7.6	DeepSeek	$0.157	77.20s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 12 Zuverlässigkeit 9.3 Erfolgsquote pro Versuch 66.7% Instabile Tests 8 Eingabe-Token 38,726 Ausgabe-Token 6,334 Denk-Token 159,151 Antwortzeit (Durchschnitt) 77.20s Antwortzeit (Gesamt) 1621.17s 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 : 6.1 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
#44#44	Grok Build 0.1medium	7.6	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
#45#45	Kimi K2.5medium	7.5	Moonshot AI	$0.348 ↓	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
#46#46	Mercury 2medium	7.5	Inception	$0.058	2.24s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 54.0% Instabile Tests 3 Eingabe-Token 35,116 Ausgabe-Token 4,048 Denk-Token 61,219 Antwortzeit (Durchschnitt) 2.24s Antwortzeit (Gesamt) 44.72s Antwortzeit (Maximum) 14.63s Falsche Antwort: 8 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 6.9 Programmierung : 8.2 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#47#47	GPT-5.3 Chatnone	7.5	OpenAI	$0.433	6.34s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 5 Eingabe-Token 34,209 Ausgabe-Token 26,617 Denk-Token 0 Antwortzeit (Durchschnitt) 6.34s Antwortzeit (Gesamt) 133.13s Antwortzeit (Maximum) 18.33s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 6.7 Programmierung : 5.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#48#48	GPT-5.4 Nanomedium	7.5	OpenAI	$0.107	11.95s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.5% Instabile Tests 4 Eingabe-Token 35,434 Ausgabe-Token 3,014 Denk-Token 76,520 Antwortzeit (Durchschnitt) 11.95s Antwortzeit (Gesamt) 250.98s Antwortzeit (Maximum) 94.06s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.3 Programmierung : 6.1 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 4.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#49#49	Qwen3.6 Flashmedium	7.5	Qwen	$0.288 ↓	19.25s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.4% Instabile Tests 5 Eingabe-Token 42,362 Ausgabe-Token 2,995 Denk-Token 245,358 Antwortzeit (Durchschnitt) 19.25s Antwortzeit (Gesamt) 404.20s Antwortzeit (Maximum) 122.87s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#50#50	DeepSeek V3.2medium	7.5	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
#51#51	Claude Opus 4.7none	7.4	Anthropic	$0.505	3.02s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.2% Instabile Tests 0 Eingabe-Token 69,576 Ausgabe-Token 6,265 Denk-Token 0 Antwortzeit (Durchschnitt) 3.02s Antwortzeit (Gesamt) 57.44s Antwortzeit (Maximum) 18.27s Falsche Antwort: 3 Anti-KI-Tricks : 8.3 Programmierung : 3.3 Kombiniert : 9.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#52#52	Seed-2.0-Minimedium	7.4	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
#53#53	MiMo-V2.5-Promedium	7.4	Xiaomi	$0.106 ↓	26.13s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.3% Instabile Tests 4 Eingabe-Token 40,854 Ausgabe-Token 5,015 Denk-Token 97,742 Antwortzeit (Durchschnitt) 26.13s Antwortzeit (Gesamt) 548.65s Antwortzeit (Maximum) 130.77s Zusätzliche Formatierung: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 2 API-Fehler: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#54#54	Gemini 3 Flash Previewlow	7.4	Google	$0.111	5.76s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 79.4% Instabile Tests 2 Eingabe-Token 36,769 Ausgabe-Token 2,076 Denk-Token 28,518 Antwortzeit (Durchschnitt) 5.76s Antwortzeit (Gesamt) 120.93s Antwortzeit (Maximum) 14.72s Falsche Antwort: 5 Anti-KI-Tricks : 10.0 Programmierung : 5.8 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#55#55	Grok 4.20medium	7.3	X AI	$0.609 ↓	27.68s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.5% Instabile Tests 3 Eingabe-Token 44,433 Ausgabe-Token 1,819 Denk-Token 219,524 Antwortzeit (Durchschnitt) 27.68s Antwortzeit (Gesamt) 581.26s Antwortzeit (Maximum) 199.66s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#56#56	Hy3 previewmedium	7.3	Tencent	$0.018 ↕	16.28s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 0 Eingabe-Token 27,030 Ausgabe-Token 73,544 Denk-Token 0 Antwortzeit (Durchschnitt) 16.28s Antwortzeit (Gesamt) 293.12s Antwortzeit (Maximum) 46.04s API-Fehler: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#57#57	Claude Sonnet 4.6none	7.3	Anthropic	$0.316	5.04s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 55.6% Instabile Tests 1 Eingabe-Token 57,886 Ausgabe-Token 9,465 Denk-Token 0 Antwortzeit (Durchschnitt) 5.04s Antwortzeit (Gesamt) 70.60s Antwortzeit (Maximum) 23.84s Falsche Antwort: 5 Zusätzliche Formatierung: 4 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 9.5 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
#58#58	GLM 5V Turbomedium	7.3	Z.ai	$0.457	23.08s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.3% Instabile Tests 6 Eingabe-Token 44,615 Ausgabe-Token 2,347 Denk-Token 98,415 Antwortzeit (Durchschnitt) 23.08s Antwortzeit (Gesamt) 484.63s Antwortzeit (Maximum) 95.88s Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 7.2 Programmierung : 6.0 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 7.0 Allgemeinwissen : 3.0
#59#59	Claude Opus 4.8none	7.2	Anthropic	$0.539	3.48s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 61.9% Instabile Tests 2 Eingabe-Token 67,104 Ausgabe-Token 8,107 Denk-Token 0 Antwortzeit (Durchschnitt) 3.48s Antwortzeit (Gesamt) 73.00s Antwortzeit (Maximum) 17.73s Falsche Antwort: 4 Zusätzliche Formatierung: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 9.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#60#60	DeepSeek V4 Pronone	7.2	DeepSeek	$0.034	6.41s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 11 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 52.4% Instabile Tests 3 Eingabe-Token 53,558 Ausgabe-Token 11,424 Denk-Token 0 Antwortzeit (Durchschnitt) 6.41s Antwortzeit (Gesamt) 134.66s Antwortzeit (Maximum) 30.09s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 3.2 Programmierung : 5.6 Kombiniert : 9.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0

←

1 2 3 4 5 6

→

Schnellvergleich

Gemini 3.5 FlashhighvsGemini 3 Flash Previewmedium Gemini 3.5 FlashhighvsQwen3.7 Maxmedium Gemini 3.5 FlashhighvsGPT-5.5low Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashhighvsClaude Fable 5medium Gemini 3.5 FlashhighvsGemini 3.1 Pro Previewmedium Gemini 3.5 FlashhighvsNemotron 3 Ultra 550b A55bmediumKostenlos verfügbar Gemini 3.5 FlashhighvsNorth Mini CodemediumKostenlos verfügbar Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsClaude Fable 5medium

KI-Benchmark-Bestenliste

Modelle filtern

Schnellvergleich