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: 2026-08-15 Bewertete Modelle: 287

Empfohlene Modelle

GPT-5.6 Sol high Intelligent Erfolgsquote pro Versuch 89.4% Korrekte Tests 18 / 22 Punktzahl 9.4/10 GPT-5.6 Luna medium Schnell Antwortzeit (Durchschnitt) 7.43s Gesamte Ausgabe-Token 44,525 Punktzahl 7.4/10 DeepSeek V4 Flash 0731 high Preiswert Eingabepreis $0.140 / 1M Ausgabepreis $0.280 / 1M Punktzahl 8.0/10

287/287

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#91#91	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.56s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 68.2% Instabile Tests 0 Eingabe-Token 95,992 Ausgabe-Token 12,446 Denk-Token 0 Antwortzeit (Durchschnitt) 4.56s Antwortzeit (Gesamt) 100.30s Antwortzeit (Maximum) 72.30s Falsche Antwort: 7 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
#92#92	Kimi K2.7 Codemedium	7.4	Moonshot AI	$0.709 ↓	80.09s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 5 Eingabe-Token 72,085 Ausgabe-Token 57,453 Denk-Token 182,093 Antwortzeit (Durchschnitt) 80.09s Antwortzeit (Gesamt) 1681.85s Antwortzeit (Maximum) 365.80s Falsche Antwort: 6 Zeitüberschreitung: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 7.3 Programmierung : 7.8 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#93#93	GPT-5.6 Lunamedium	7.4	OpenAI	$0.036 ↓	7.43s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.1% Instabile Tests 2 Eingabe-Token 89,685 Ausgabe-Token 5,701 Denk-Token 38,824 Antwortzeit (Durchschnitt) 7.43s Antwortzeit (Gesamt) 163.54s Antwortzeit (Maximum) 29.85s Falsche Antwort: 9 Anti-KI-Tricks : 8.3 Programmierung : 5.4 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#94#94	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 2 Eingabe-Token 97,324 Ausgabe-Token 44,383 Denk-Token 346,490 Antwortzeit (Durchschnitt) 143.55s Antwortzeit (Gesamt) 3158.11s Antwortzeit (Maximum) 939.52s Falsche Antwort: 7 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#95#95	Qwen3.8 2.4T A95Bhigh	7.4	Qwen	$2.357	120.59s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 74.2% Instabile Tests 4 Eingabe-Token 108,931 Ausgabe-Token 112,801 Denk-Token 343,227 Antwortzeit (Durchschnitt) 120.59s Antwortzeit (Gesamt) 2653.05s Antwortzeit (Maximum) 532.28s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#96#96	Grok 4.6low	7.4	X AI	$0.449	14.55s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.7% Instabile Tests 1 Eingabe-Token 109,960 Ausgabe-Token 5,124 Denk-Token 32,924 Antwortzeit (Durchschnitt) 14.55s Antwortzeit (Gesamt) 320.17s Antwortzeit (Maximum) 26.46s Falsche Antwort: 7 Anti-KI-Tricks : 10.0 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#97#97	Gemini 3 Flash Previewlow	7.4	Google	$0.185	6.51s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.8% Instabile Tests 2 Eingabe-Token 123,687 Ausgabe-Token 9,572 Denk-Token 31,204 Antwortzeit (Durchschnitt) 6.51s Antwortzeit (Gesamt) 143.12s Antwortzeit (Maximum) 17.13s Falsche Antwort: 6 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
#98#98	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 57.6% 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 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
#99#99	KAT-Coder-Pro V2.5low	7.3	Kwaipilot	$0.400	20.20s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 8 Eingabe-Token 87,682 Ausgabe-Token 7,166 Denk-Token 106,027 Antwortzeit (Durchschnitt) 20.20s Antwortzeit (Gesamt) 444.35s Antwortzeit (Maximum) 209.15s Falsche Antwort: 10 API-Fehler: 1 Anti-KI-Tricks : 6.9 Programmierung : 7.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#100#100	Gemini 3.1 Flash Litemedium	7.3	Google	$0.120	4.38s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.1% Instabile Tests 2 Eingabe-Token 104,925 Ausgabe-Token 9,168 Denk-Token 53,188 Antwortzeit (Durchschnitt) 4.38s Antwortzeit (Gesamt) 96.32s Antwortzeit (Maximum) 26.22s Falsche Antwort: 7 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 9.1 Programmierung : 5.5 Kombiniert : 7.2 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
#101#101	Qwen3.7 Plusnone	7.3	Qwen	$0.106 ↓	12.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 54.6% Instabile Tests 0 Eingabe-Token 98,833 Ausgabe-Token 58,097 Denk-Token 0 Antwortzeit (Durchschnitt) 12.11s Antwortzeit (Gesamt) 266.40s Antwortzeit (Maximum) 206.03s Falsche Antwort: 9 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 6.3 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#102#102	DeepSeek V4 Flash 0731medium	7.3	DeepSeek	$0.106	84.66s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.2% Instabile Tests 8 Eingabe-Token 89,819 Ausgabe-Token 58,398 Denk-Token 492,457 Antwortzeit (Durchschnitt) 84.66s Antwortzeit (Gesamt) 1862.46s Antwortzeit (Maximum) 288.78s Falsche Antwort: 5 Keine Antwort: 3 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.4 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 8.5 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#103#103	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 2 Eingabe-Token 149,203 Ausgabe-Token 16,797 Denk-Token 0 Antwortzeit (Durchschnitt) 4.92s Antwortzeit (Gesamt) 108.24s Antwortzeit (Maximum) 35.03s Falsche Antwort: 4 Zusätzliche Formatierung: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 9.8 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
#104#104	Kimi K2.6medium	7.2	Moonshot AI	$0.711 ↓	115.89s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 4 Eingabe-Token 68,913 Ausgabe-Token 64,654 Denk-Token 282,865 Antwortzeit (Durchschnitt) 115.89s Antwortzeit (Gesamt) 2433.66s Antwortzeit (Maximum) 876.20s Zeitüberschreitung: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 7.0 Programmierung : 5.7 Kombiniert : 6.9 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
#105#105	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.506	22.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 6 Eingabe-Token 106,085 Ausgabe-Token 9,071 Denk-Token 135,288 Antwortzeit (Durchschnitt) 22.11s Antwortzeit (Gesamt) 486.31s Antwortzeit (Maximum) 199.97s Falsche Antwort: 10 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.0 Programmierung : 6.4 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#106#106	Muse Glimmer 30Bhigh	7.2	Meta	$0.535	66.70s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 8 Eingabe-Token 103,494 Ausgabe-Token 100,589 Denk-Token 270,217 Antwortzeit (Durchschnitt) 66.70s Antwortzeit (Gesamt) 1467.39s Antwortzeit (Maximum) 451.90s Falsche Antwort: 7 Anweisungen nicht befolgt: 3 Keine Antwort: 2 Anti-KI-Tricks : 8.7 Programmierung : 8.8 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.3 Befolgung von Anweisungen : 8.4 Rätsellösen : 6.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#107#107	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 63.6% Instabile Tests 2 Eingabe-Token 42,106 Ausgabe-Token 2,280 Denk-Token 169,843 Antwortzeit (Durchschnitt) 46.97s Antwortzeit (Gesamt) 986.35s Antwortzeit (Maximum) 189.38s Falsche Antwort: 8 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 6.5 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
#108#108	Qwen3.7 Flashlow	7.2	Qwen	$0.043	38.05s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 6 Eingabe-Token 92,191 Ausgabe-Token 14,286 Denk-Token 289,733 Antwortzeit (Durchschnitt) 38.05s Antwortzeit (Gesamt) 837.05s Antwortzeit (Maximum) 394.54s Falsche Antwort: 7 Anweisungen nicht befolgt: 3 API-Fehler: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.7 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 8.5 Rätsellösen : 7.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#109#109	Muse Glimmer 30Bmedium	7.2	Meta	$0.280	30.64s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 6 Eingabe-Token 116,513 Ausgabe-Token 33,065 Denk-Token 135,009 Antwortzeit (Durchschnitt) 30.64s Antwortzeit (Gesamt) 674.01s Antwortzeit (Maximum) 181.08s Falsche Antwort: 9 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 9.2 Programmierung : 8.4 Kombiniert : 6.5 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#110#110	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.207 ↑	65.67s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.2% Instabile Tests 4 Eingabe-Token 124,780 Ausgabe-Token 47,694 Denk-Token 439,825 Antwortzeit (Durchschnitt) 65.67s Antwortzeit (Gesamt) 1444.68s Antwortzeit (Maximum) 519.30s Falsche Antwort: 5 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.0 Kombiniert : 6.4 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
#111#111	Muse Glimmer 30Blow	7.1	Meta	$0.187	18.64s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 5 Eingabe-Token 130,312 Ausgabe-Token 33,867 Denk-Token 62,103 Antwortzeit (Durchschnitt) 18.64s Antwortzeit (Gesamt) 410.18s Antwortzeit (Maximum) 234.92s Falsche Antwort: 6 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 8.1 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 8.4 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#112#112	Step 3.7 Flashlow	7.1	Stepfun	$0.390	17.87s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 5 Eingabe-Token 103,842 Ausgabe-Token 320,393 Denk-Token 0 Antwortzeit (Durchschnitt) 17.87s Antwortzeit (Gesamt) 393.04s Antwortzeit (Maximum) 124.75s Falsche Antwort: 9 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 8.2 Kombiniert : 7.3 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#113#113	Solar Pro 4high	7.1	Upstage	$0.046	120.58s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.1% Instabile Tests 5 Eingabe-Token 79,740 Ausgabe-Token 23,357 Denk-Token 339,837 Antwortzeit (Durchschnitt) 120.58s Antwortzeit (Gesamt) 2652.77s Antwortzeit (Maximum) 491.07s Falsche Antwort: 5 Anweisungen nicht befolgt: 3 API-Fehler: 1 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 5.7 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 7.9 Rätsellösen : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#114#114	Grok 4.3medium	7.0	X AI	$0.741	44.21s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 5 Eingabe-Token 140,244 Ausgabe-Token 13,739 Denk-Token 212,165 Antwortzeit (Durchschnitt) 44.21s Antwortzeit (Gesamt) 972.64s Antwortzeit (Maximum) 216.69s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#115#115	GPT-5.6 Solnone	7.0	OpenAI	$0.524	2.17s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% Instabile Tests 3 Eingabe-Token 78,602 Ausgabe-Token 4,357 Denk-Token 0 Antwortzeit (Durchschnitt) 2.17s Antwortzeit (Gesamt) 47.66s Antwortzeit (Maximum) 12.81s Falsche Antwort: 9 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 8.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#116#116	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 7 Eingabe-Token 101,056 Ausgabe-Token 11,832 Denk-Token 116,955 Antwortzeit (Durchschnitt) 68.43s Antwortzeit (Gesamt) 1505.53s Antwortzeit (Maximum) 376.10s Falsche Antwort: 5 API-Fehler: 2 Zeitüberschreitung: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.0 Kombiniert : 7.3 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
#117#117	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 8.1 Erfolgsquote pro Versuch 65.2% Instabile Tests 4 Eingabe-Token 82,592 Ausgabe-Token 16,089 Denk-Token 199,800 Antwortzeit (Durchschnitt) 58.80s Antwortzeit (Gesamt) 1234.72s Antwortzeit (Maximum) 308.75s Falsche Antwort: 4 Keine Antwort: 2 Zeitüberschreitung: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.6 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 8.2 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#118#118	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 2 Eingabe-Token 79,294 Ausgabe-Token 4,915 Denk-Token 0 Antwortzeit (Durchschnitt) 2.35s Antwortzeit (Gesamt) 51.78s Antwortzeit (Maximum) 12.24s Falsche Antwort: 10 Anti-KI-Tricks : 6.9 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.2 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#119#119	Mercury 2medium	7.0	Inception	$0.094	2.95s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.0% Instabile Tests 4 Eingabe-Token 110,515 Ausgabe-Token 10,325 Denk-Token 77,229 Antwortzeit (Durchschnitt) 2.95s Antwortzeit (Gesamt) 61.89s Antwortzeit (Maximum) 14.63s Falsche Antwort: 8 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.9 Programmierung : 8.2 Kombiniert : 6.7 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
#120#120	Grok 4.20medium	7.0	X AI	$0.805 ↓	32.56s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.6% Instabile Tests 5 Eingabe-Token 102,986 Ausgabe-Token 5,860 Denk-Token 264,399 Antwortzeit (Durchschnitt) 32.56s Antwortzeit (Gesamt) 716.36s Antwortzeit (Maximum) 199.66s Falsche Antwort: 6 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.2 Programmierung : 6.3 Kombiniert : 8.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0

Schnellvergleich

Gemini 3.6 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow

AI Benchy Bestenliste

Empfohlene Modelle

Modelle filtern

Schnellvergleich