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: 2026-05-10 Bewertete Modelle: 144

144/144

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#61#61	DeepSeek V3.2medium	7.2	DeepSeek	$0.031	46.06s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 72.8% Instabile Tests 6 Ausgabe-Token 7,035 Denk-Token 53,765 Antwortzeit (Durchschnitt) 46.06s Antwortzeit (Gesamt) 875.23s Antwortzeit (Maximum) 180.92s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 2 Anti-KI-Tricks : 9.2 Programmierung : 4.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#62#62	GPT-5.4 Minimedium	7.2	OpenAI	$0.345	16.00s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.4% Instabile Tests 5 Ausgabe-Token 2,163 Denk-Token 69,741 Antwortzeit (Durchschnitt) 16.00s Antwortzeit (Gesamt) 303.99s Antwortzeit (Maximum) 102.91s Falsche Antwort: 5 Anweisungen nicht befolgt: 4 Anti-KI-Tricks : 8.6 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 7.4 Rätsellösen : 7.8 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#63#63	Claude Sonnet 4.6none	7.2	Anthropic	$0.269	4.96s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 61.4% Instabile Tests 1 Ausgabe-Token 7,864 Denk-Token 0 Antwortzeit (Durchschnitt) 4.96s Antwortzeit (Gesamt) 59.50s Antwortzeit (Maximum) 23.84s Falsche Antwort: 4 Zusätzliche Formatierung: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.8 Programmierung : 10.0 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
#64#64	MiMo-V2-Omnimedium	7.2	Xiaomi	$0.451	27.58s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.7% Instabile Tests 2 Ausgabe-Token 1,925 Denk-Token 216,652 Antwortzeit (Durchschnitt) 27.58s Antwortzeit (Gesamt) 524.03s Antwortzeit (Maximum) 234.19s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.0 Kombiniert : 10.0 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
#65#65	Laguna M.1medium	6.9	Poolside	$0.000	14.38s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 64.4% Instabile Tests 3 Ausgabe-Token 56,620 Denk-Token 0 Antwortzeit (Durchschnitt) 14.38s Antwortzeit (Gesamt) 215.70s Antwortzeit (Maximum) 53.14s Falsche Antwort: 4 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 7.7 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 3.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 0.0
#66#66	Gemma 4 31Bnone	6.9	Google	$0.003	3.86s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 52.6% Instabile Tests 0 Ausgabe-Token 1,371 Denk-Token 0 Antwortzeit (Durchschnitt) 3.86s Antwortzeit (Gesamt) 65.57s Antwortzeit (Maximum) 26.13s Falsche Antwort: 6 API-Fehler: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.5 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 6.5 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#67#67	DeepSeek V4 Prohigh	6.9	DeepSeek	$0.212	58.93s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 8 Zuverlässigkeit 9.3 Erfolgsquote pro Versuch 70.2% Instabile Tests 4 Ausgabe-Token 12,211 Denk-Token 53,774 Antwortzeit (Durchschnitt) 58.93s Antwortzeit (Gesamt) 1119.75s Antwortzeit (Maximum) 358.35s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 7.4 Programmierung : 2.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 8.8 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#68#68	Grok 4.20medium	6.9	X AI	$0.756	14.53s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.2% Instabile Tests 4 Ausgabe-Token 1,784 Denk-Token 128,233 Antwortzeit (Durchschnitt) 14.53s Antwortzeit (Gesamt) 276.06s Antwortzeit (Maximum) 63.48s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.2 Programmierung : 4.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 7.3 Rätsellösen : 7.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#69#69	GPT-5 Minimedium	6.8	OpenAI	$0.132	23.24s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 57.9% Instabile Tests 3 Ausgabe-Token 6,539 Denk-Token 55,338 Antwortzeit (Durchschnitt) 23.24s Antwortzeit (Gesamt) 441.55s Antwortzeit (Maximum) 88.15s Falsche Antwort: 5 Anweisungen nicht befolgt: 4 Zeitüberschreitung: 1 Anti-KI-Tricks : 7.1 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 7.9 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#70#70	Gemini 3.1 Flash Liteminimal	6.8	Google	$0.012	1.41s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.7% Instabile Tests 3 Ausgabe-Token 2,457 Denk-Token 0 Antwortzeit (Durchschnitt) 1.41s Antwortzeit (Gesamt) 26.72s Antwortzeit (Maximum) 4.49s Falsche Antwort: 6 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 8.3 Programmierung : 10.0 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
#71#71	Kimi K2.5medium	6.8	Moonshot AI	$0.236	73.39s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.4% Instabile Tests 7 Ausgabe-Token 42,188 Denk-Token 92,514 Antwortzeit (Durchschnitt) 73.39s Antwortzeit (Gesamt) 880.65s Antwortzeit (Maximum) 150.77s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 2 Keine Antwort: 1 Anti-KI-Tricks : 7.3 Programmierung : 4.7 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
#72#72	Qwen3.6 27Bmedium	6.8	Qwen	$0.229	52.13s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 61.4% Instabile Tests 5 Ausgabe-Token 8,680 Denk-Token 96,890 Antwortzeit (Durchschnitt) 52.13s Antwortzeit (Gesamt) 990.48s Antwortzeit (Maximum) 168.22s Falsche Antwort: 6 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.3 Programmierung : 10.0 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
#73#73	Hunter Alphamedium	6.7	OpenRouter	$0.000	10.33s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 64.8% Instabile Tests 6 Ausgabe-Token 4,724 Denk-Token 17,921 Antwortzeit (Durchschnitt) 10.33s Antwortzeit (Gesamt) 175.60s Antwortzeit (Maximum) 30.53s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 7.3 Programmierung : 3.0 Kombiniert : 4.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 7.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.1 Werkzeugaufrufe : 10.0
#74#74	GPT-5.5none	6.7	OpenAI	$0.197	1.99s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.7% Instabile Tests 3 Ausgabe-Token 1,928 Denk-Token 0 Antwortzeit (Durchschnitt) 1.99s Antwortzeit (Gesamt) 37.87s Antwortzeit (Maximum) 5.56s Falsche Antwort: 9 Anti-KI-Tricks : 6.9 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.2 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#75#75	Gemini 3.1 Flash Litenone	6.7	Google	$0.012	1.11s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 57.9% Instabile Tests 4 Ausgabe-Token 2,454 Denk-Token 0 Antwortzeit (Durchschnitt) 1.11s Antwortzeit (Gesamt) 21.13s Antwortzeit (Maximum) 2.97s Falsche Antwort: 9 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 7.5 Programmierung : 10.0 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
#76#76	Grok 4.20 Multi Agent Betamedium	6.6	X AI	$5.074	9.80s
Modellkarte anzeigen Gesamttests 18 Falsche Tests 10 Zuverlässigkeit k. A. Erfolgsquote pro Versuch 63.0% Instabile Tests 6 Ausgabe-Token 299,034 Denk-Token 309,670 Antwortzeit (Durchschnitt) 9.80s Antwortzeit (Gesamt) 156.75s Antwortzeit (Maximum) 35.28s Falsche Antwort: 4 API-Fehler: 2 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 6.9 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.2 Werkzeugaufrufe : 3.0
#77#77	Laguna Xs.2medium	6.6	Poolside	$0.000	6.74s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 64.5% Instabile Tests 6 Ausgabe-Token 54,284 Denk-Token 0 Antwortzeit (Durchschnitt) 6.74s Antwortzeit (Gesamt) 101.08s Antwortzeit (Maximum) 29.11s Falsche Antwort: 6 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 0.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.5 Werkzeugaufrufe : 4.7 Allgemeinwissen : 0.0
#78#78	Qwen3.5 Plus 2026-02-15none	6.5	Qwen	$0.017	2.49s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.9% Instabile Tests 2 Ausgabe-Token 2,472 Denk-Token 0 Antwortzeit (Durchschnitt) 2.49s Antwortzeit (Gesamt) 32.33s Antwortzeit (Maximum) 6.65s Falsche Antwort: 10 Anti-KI-Tricks : 4.8 Programmierung : 6.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#79#79	Grok 4.1 Fastmedium	6.5	X AI	$0.058	24.01s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 61.4% Instabile Tests 6 Ausgabe-Token 2,025 Denk-Token 96,679 Antwortzeit (Durchschnitt) 24.01s Antwortzeit (Gesamt) 288.18s Antwortzeit (Maximum) 121.79s Anweisungen nicht befolgt: 4 Falsche Antwort: 4 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.7 Programmierung : 2.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.8 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 2.8 Allgemeinwissen : 3.0
#80#80	GLM 5none	6.5	Z.ai	$0.020	4.18s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 49.1% Instabile Tests 1 Ausgabe-Token 1,972 Denk-Token 0 Antwortzeit (Durchschnitt) 4.18s Antwortzeit (Gesamt) 50.12s Antwortzeit (Maximum) 11.07s Falsche Antwort: 10 Anti-KI-Tricks : 4.8 Programmierung : 5.6 Kombiniert : 3.0 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
#81#81	MiMo-V2-Omninone	6.3	Xiaomi	$0.020	2.37s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 1 Ausgabe-Token 2,254 Denk-Token 0 Antwortzeit (Durchschnitt) 2.37s Antwortzeit (Gesamt) 45.03s Antwortzeit (Maximum) 6.81s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.6 Programmierung : 6.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 6.5 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#82#82	Mercury 2medium	6.3	Inception	$0.050	2.23s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.9% Instabile Tests 3 Ausgabe-Token 3,994 Denk-Token 52,081 Antwortzeit (Durchschnitt) 2.23s Antwortzeit (Gesamt) 40.10s Antwortzeit (Maximum) 14.63s Falsche Antwort: 8 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 6.9 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 3.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#83#83	Gemini 2.5 Flashnone	6.3	Google	$0.013	916ms
Modellkarte anzeigen Gesamttests 19 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 49.1% Instabile Tests 2 Ausgabe-Token 1,738 Denk-Token 0 Antwortzeit (Durchschnitt) 916ms Antwortzeit (Gesamt) 17.41s Antwortzeit (Maximum) 4.39s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.0 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#84#84	Gemma 4 26B A4Bnone	6.3	Google	$0.005	6.28s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 49.1% Instabile Tests 2 Ausgabe-Token 1,796 Denk-Token 0 Antwortzeit (Durchschnitt) 6.28s Antwortzeit (Gesamt) 119.39s Antwortzeit (Maximum) 57.10s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.3 Programmierung : 4.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 6.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#85#85	GPT-5 Nanomedium	6.2	OpenAI	$0.069	42.13s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 57.9% Instabile Tests 7 Ausgabe-Token 5,214 Denk-Token 162,432 Antwortzeit (Durchschnitt) 42.13s Antwortzeit (Gesamt) 505.59s Antwortzeit (Maximum) 204.02s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 1 Anti-KI-Tricks : 6.5 Programmierung : 6.7 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
#86#86	DeepSeek V4 Pronone	6.2	DeepSeek	$0.044	14.09s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 11 Zuverlässigkeit 8.0 Erfolgsquote pro Versuch 50.9% Instabile Tests 3 Ausgabe-Token 5,330 Denk-Token 0 Antwortzeit (Durchschnitt) 14.09s Antwortzeit (Gesamt) 267.72s Antwortzeit (Maximum) 58.65s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 3.5 Programmierung : 7.1 Kombiniert : 9.5 Datenanalyse und -extraktion : 8.8 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#87#87	Nemotron 3 Supermedium	6.1	NVIDIA	$0.001	18.72s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.4% Instabile Tests 3 Ausgabe-Token 14,098 Denk-Token 29,580 Antwortzeit (Durchschnitt) 18.72s Antwortzeit (Gesamt) 318.29s Antwortzeit (Maximum) 87.80s Falsche Antwort: 5 Anweisungen nicht befolgt: 3 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.3 Programmierung : 3.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 7.2 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#88#88	Seed-2.0-Litenone	6.0	Bytedance Seed	$0.017	2.50s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 52.6% Instabile Tests 5 Ausgabe-Token 3,140 Denk-Token 0 Antwortzeit (Durchschnitt) 2.50s Antwortzeit (Gesamt) 47.42s Antwortzeit (Maximum) 6.70s Falsche Antwort: 11 Anti-KI-Tricks : 3.0 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#89#89	GLM 5V Turbonone	6.0	Z.ai	$0.044	3.06s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.1% Instabile Tests 0 Ausgabe-Token 1,739 Denk-Token 0 Antwortzeit (Durchschnitt) 3.06s Antwortzeit (Gesamt) 58.10s Antwortzeit (Maximum) 6.51s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 10.0 Kombiniert : 3.0 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
#90#90	Owl Alphamedium	6.0	Openrouter	$0.000	10.58s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 1 Ausgabe-Token 1,613 Denk-Token 0 Antwortzeit (Durchschnitt) 10.58s Antwortzeit (Gesamt) 201.03s Antwortzeit (Maximum) 58.63s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0

Schnellvergleich

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsQwen3.6 Max Previewmedium Gemini 3 Flash PreviewmediumvsRing 2.6 1tmediumKostenlos verfügbar Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsGPT-5.5medium GPT-5.5mediumvsGPT-5.5low GPT-5.5lowvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsQwen3.6 Max Previewmedium

KI-Benchmark-Bestenliste

Modelle filtern

Schnellvergleich