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)
#76#76	GPT-5.6 Terrahigh	8.3	OpenAI	$0.698 ↓	13.62s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 2 Eingabe-Token 197,239 Ausgabe-Token 6,083 Denk-Token 53,982 Antwortzeit (Durchschnitt) 13.62s Antwortzeit (Gesamt) 313.21s Antwortzeit (Maximum) 91.49s Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 7.6 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#77#77	Gemini 3.5 Flashhigh	8.3	Google	$2.737	18.59s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 85.5% Instabile Tests 2 Eingabe-Token 348,103 Ausgabe-Token 11,045 Denk-Token 234,967 Antwortzeit (Durchschnitt) 18.59s Antwortzeit (Gesamt) 427.52s Antwortzeit (Maximum) 145.92s Ungültiger Werkzeugaufruf: 2 Falsche Antwort: 2 Agentenaufgaben : 3.4 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 8.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 9.8 Allgemeinwissen : 10.0
#78#78	Kimi K3max	8.3	Moonshot AI	$2.447 ↓	139.41s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 9.3 Erfolgsquote pro Versuch 78.3% Instabile Tests 2 Eingabe-Token 170,700 Ausgabe-Token 7,719 Denk-Token 225,608 Antwortzeit (Durchschnitt) 139.41s Antwortzeit (Gesamt) 2788.26s Antwortzeit (Maximum) 766.58s API-Fehler: 2 Keine Antwort: 2 Zusätzliche Formatierung: 1 Zeitüberschreitung: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 6.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#79#79	GPT-6 Lunamedium	8.3	OpenAI	$0.047	18.07s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.9% Instabile Tests 3 Eingabe-Token 203,193 Ausgabe-Token 5,751 Denk-Token 47,410 Antwortzeit (Durchschnitt) 18.07s Antwortzeit (Gesamt) 415.53s Antwortzeit (Maximum) 66.44s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 6.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#80#80	Claude Opus 4.8medium	8.3	Anthropic	$3.490	16.72s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 82.6% Instabile Tests 3 Eingabe-Token 360,294 Ausgabe-Token 43,441 Denk-Token 24,401 Antwortzeit (Durchschnitt) 16.72s Antwortzeit (Gesamt) 384.66s Antwortzeit (Maximum) 99.37s Falsche Antwort: 5 Keine Antwort: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 9.9 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#81#81	Qwen3.7 Plusmedium	8.3	Qwen	$0.415 ↓	59.73s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.8% Instabile Tests 3 Eingabe-Token 350,546 Ausgabe-Token 8,576 Denk-Token 206,984 Antwortzeit (Durchschnitt) 59.73s Antwortzeit (Gesamt) 1373.73s Antwortzeit (Maximum) 315.30s Falsche Antwort: 6 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 6.1 Kombiniert : 8.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#82#82	Grok 4.5high	8.2	X AI	$2.687 ↑	72.50s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 82.6% Instabile Tests 3 Eingabe-Token 342,124 Ausgabe-Token 7,135 Denk-Token 326,497 Antwortzeit (Durchschnitt) 72.50s Antwortzeit (Gesamt) 1667.51s Antwortzeit (Maximum) 676.83s Falsche Antwort: 3 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#83#83	GLM 5.2medium	8.2	Z.ai	$0.417 ↓	26.88s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 81.2% Instabile Tests 4 Eingabe-Token 227,164 Ausgabe-Token 20,029 Denk-Token 60,991 Antwortzeit (Durchschnitt) 26.88s Antwortzeit (Gesamt) 591.34s Antwortzeit (Maximum) 102.40s Falsche Antwort: 3 Keine Antwort: 2 Zeitüberschreitung: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 5.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#84#84	GPT-5.6 Terramedium	8.2	OpenAI	$0.483 ↓	8.93s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 2 Eingabe-Token 172,507 Ausgabe-Token 5,824 Denk-Token 27,365 Antwortzeit (Durchschnitt) 8.93s Antwortzeit (Gesamt) 205.39s Antwortzeit (Maximum) 54.74s Falsche Antwort: 8 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 6.1 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#85#85	Seed-2.0-Litemedium	8.2	Bytedance Seed	$0.271	48.87s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 4 Eingabe-Token 229,530 Ausgabe-Token 13,757 Denk-Token 92,662 Antwortzeit (Durchschnitt) 48.87s Antwortzeit (Gesamt) 1123.91s Antwortzeit (Maximum) 254.92s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 8.0 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 6.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#86#86	Seed-2.0-Codelow	8.1	Bytedance Seed	$0.881	73.02s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 8.9 Erfolgsquote pro Versuch 78.3% Instabile Tests 6 Eingabe-Token 237,604 Ausgabe-Token 9,617 Denk-Token 244,190 Antwortzeit (Durchschnitt) 73.02s Antwortzeit (Gesamt) 1679.49s Antwortzeit (Maximum) 485.92s Falsche Antwort: 7 API-Fehler: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.7 Programmierung : 7.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 9.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#87#87	DeepSeek V4 Pro 0423high	8.1	DeepSeek	$0.149 ↓	91.29s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 6 Eingabe-Token 287,061 Ausgabe-Token 32,056 Denk-Token 196,607 Antwortzeit (Durchschnitt) 91.29s Antwortzeit (Gesamt) 2099.56s Antwortzeit (Maximum) 416.76s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Agentenaufgaben : 10.0 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
#88#88	Claude Opus 4.7medium	8.1	Anthropic	$3.636	14.12s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 81.2% Instabile Tests 2 Eingabe-Token 437,293 Ausgabe-Token 29,102 Denk-Token 28,876 Antwortzeit (Durchschnitt) 14.12s Antwortzeit (Gesamt) 310.55s Antwortzeit (Maximum) 150.60s Falsche Antwort: 3 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 5.2 Anti-KI-Tricks : 8.3 Programmierung : 7.6 Kombiniert : 10.0 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
#89#89	DeepSeek V4 Flash 0423high	8.1	DeepSeek	$0.030 ↓	55.99s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 4 Eingabe-Token 298,794 Ausgabe-Token 45,873 Denk-Token 188,721 Antwortzeit (Durchschnitt) 55.99s Antwortzeit (Gesamt) 1287.87s Antwortzeit (Maximum) 218.13s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 7.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#90#90	DeepSeek V4.1 Flashlow	8.0	DeepSeek	$0.194 ↓	28.04s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 73.9% Instabile Tests 4 Eingabe-Token 266,849 Ausgabe-Token 8,284 Denk-Token 363,263 Antwortzeit (Durchschnitt) 28.04s Antwortzeit (Gesamt) 645.03s Antwortzeit (Maximum) 149.84s Falsche Antwort: 7 API-Fehler: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#91#91	GPT-5.6 Lunahigh	8.0	OpenAI	$0.118 ↓	18.39s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 4 Eingabe-Token 197,896 Ausgabe-Token 6,211 Denk-Token 133,184 Antwortzeit (Durchschnitt) 18.39s Antwortzeit (Gesamt) 422.93s Antwortzeit (Maximum) 111.09s Falsche Antwort: 8 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#92#92	Nemotron 3 Ultramedium	8.0	NVIDIA	$0.799 ↕	40.33s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 68.1% Instabile Tests 3 Eingabe-Token 482,754 Ausgabe-Token 62,455 Denk-Token 141,067 Antwortzeit (Durchschnitt) 40.33s Antwortzeit (Gesamt) 927.65s Antwortzeit (Maximum) 392.56s Falsche Antwort: 7 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 8.4 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 3.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#93#93	GPT-5.4 Nanomedium	8.0	OpenAI	$0.235 ↑	15.95s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 4 Eingabe-Token 237,088 Ausgabe-Token 8,235 Denk-Token 102,675 Antwortzeit (Durchschnitt) 15.95s Antwortzeit (Gesamt) 366.93s Antwortzeit (Maximum) 94.06s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 6.1 Kombiniert : 9.9 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
#94#94	Gemini 3.8 Flashmedium	8.0	Google	$0.769	16.64s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 89.9% Instabile Tests 3 Eingabe-Token 187,331 Ausgabe-Token 7,555 Denk-Token 159,931 Antwortzeit (Durchschnitt) 16.64s Antwortzeit (Gesamt) 382.64s Antwortzeit (Maximum) 108.60s Falsche Antwort: 2 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 10.0 Programmierung : 8.0 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 8.2 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#95#95	GPT-5.6 Terralow	7.9	OpenAI	$0.435 ↓	7.58s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.4% Instabile Tests 6 Eingabe-Token 176,890 Ausgabe-Token 5,688 Denk-Token 18,525 Antwortzeit (Durchschnitt) 7.58s Antwortzeit (Gesamt) 174.39s Antwortzeit (Maximum) 54.57s Falsche Antwort: 8 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 6.6 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#96#96	Qwen3.5-27Bmedium	7.9	Qwen	$1.135	114.73s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 76.8% Instabile Tests 6 Eingabe-Token 288,919 Ausgabe-Token 17,484 Denk-Token 617,804 Antwortzeit (Durchschnitt) 114.73s Antwortzeit (Gesamt) 2638.74s Antwortzeit (Maximum) 1026.43s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.7 Programmierung : 6.2 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#97#97	GLM 5.3 FlashXmax	7.9	Z.ai	$0.623	43.97s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 78.3% Instabile Tests 6 Eingabe-Token 322,894 Ausgabe-Token 8,010 Denk-Token 394,755 Antwortzeit (Durchschnitt) 43.97s Antwortzeit (Gesamt) 1011.29s Antwortzeit (Maximum) 390.70s Ungültiger Werkzeugaufruf: 2 Keine Antwort: 2 Falsche Antwort: 2 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 8.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#98#98	Claude Fable 5.1high	7.9	Anthropic	$3.471	13.30s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 4 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 85.5% Instabile Tests 1 Eingabe-Token 144,676 Ausgabe-Token 8,184 Denk-Token 32,282 Antwortzeit (Durchschnitt) 13.30s Antwortzeit (Gesamt) 305.83s Antwortzeit (Maximum) 40.17s Falsche Antwort: 3 API-Fehler: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 10.0 Programmierung : 8.4 Kombiniert : 10.0 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
#99#99	GPT-5.4 Minimedium	7.9	OpenAI	$1.102 ↑	29.94s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 5 Eingabe-Token 238,925 Ausgabe-Token 7,109 Denk-Token 177,063 Antwortzeit (Durchschnitt) 29.94s Antwortzeit (Gesamt) 688.57s Antwortzeit (Maximum) 138.75s Falsche Antwort: 6 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.6 Programmierung : 8.4 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.8 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#100#100	Qwen3.7 Maxnone	7.9	Qwen	$0.451 ↓	7.85s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 69.6% Instabile Tests 0 Eingabe-Token 243,553 Ausgabe-Token 20,670 Denk-Token 0 Antwortzeit (Durchschnitt) 7.85s Antwortzeit (Gesamt) 180.65s Antwortzeit (Maximum) 80.34s Falsche Antwort: 7 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 6.5 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

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