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)
#101#101	Gemini 3.5 Flashmedium	7.9	Google	$1.316	11.78s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 5 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 81.2% Instabile Tests 2 Eingabe-Token 296,760 Ausgabe-Token 4,371 Denk-Token 92,284 Antwortzeit (Durchschnitt) 11.78s Antwortzeit (Gesamt) 271.03s Antwortzeit (Maximum) 84.47s Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 10.0 Programmierung : 7.9 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 10.0
#102#102	Qwen3.8 2.4T A95Bhigh	7.9	Qwen	$2.949 ↑	120.88s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 75.4% Instabile Tests 4 Eingabe-Token 295,642 Ausgabe-Token 115,041 Denk-Token 353,398 Antwortzeit (Durchschnitt) 120.88s Antwortzeit (Gesamt) 2780.16s Antwortzeit (Maximum) 532.28s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 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
#103#103	MiMo-V2.6-Flashmedium	7.9	Xiaomi	$0.218	61.90s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 6 Eingabe-Token 291,988 Ausgabe-Token 8,848 Denk-Token 622,995 Antwortzeit (Durchschnitt) 61.90s Antwortzeit (Gesamt) 1423.67s Antwortzeit (Maximum) 357.28s Falsche Antwort: 6 Keine Antwort: 2 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 5.9 Programmierung : 7.2 Kombiniert : 7.1 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#104#104	Grok 4.5medium	7.8	X AI	$2.996 ↑	68.44s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 6 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 79.7% Instabile Tests 3 Eingabe-Token 308,369 Ausgabe-Token 7,013 Denk-Token 299,031 Antwortzeit (Durchschnitt) 68.44s Antwortzeit (Gesamt) 1574.14s Antwortzeit (Maximum) 436.38s Falsche Antwort: 6 Agentenaufgaben : 5.0 Anti-KI-Tricks : 10.0 Programmierung : 7.6 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#105#105	GLM 5.3high	7.8	Z.ai	$0.285 ↓	28.38s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 75.4% Instabile Tests 7 Eingabe-Token 219,811 Ausgabe-Token 8,811 Denk-Token 59,671 Antwortzeit (Durchschnitt) 28.38s Antwortzeit (Gesamt) 652.78s Antwortzeit (Maximum) 159.91s Falsche Antwort: 6 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 6.6 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#106#106	Step 3.7 Flashmedium	7.8	Stepfun	$0.571	26.57s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 4 Eingabe-Token 319,524 Ausgabe-Token 440,835 Denk-Token 0 Antwortzeit (Durchschnitt) 26.57s Antwortzeit (Gesamt) 611.09s Antwortzeit (Maximum) 152.83s Falsche Antwort: 6 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 7.4 Anti-KI-Tricks : 8.7 Programmierung : 8.8 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#107#107	Grok 4.6medium	7.8	X AI	$2.270	74.77s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 78.3% Instabile Tests 4 Eingabe-Token 336,351 Ausgabe-Token 6,180 Denk-Token 260,017 Antwortzeit (Durchschnitt) 74.77s Antwortzeit (Gesamt) 1719.73s Antwortzeit (Maximum) 514.35s Falsche Antwort: 6 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 10.0 Programmierung : 8.2 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#108#108	Qwen3.7 Plusnone	7.8	Qwen	$0.178 ↓	17.80s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 56.5% Instabile Tests 0 Eingabe-Token 250,495 Ausgabe-Token 76,261 Denk-Token 0 Antwortzeit (Durchschnitt) 17.80s Antwortzeit (Gesamt) 409.51s Antwortzeit (Maximum) 206.03s Falsche Antwort: 9 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 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
#109#109	Grok 4.5low	7.8	X AI	$1.345	18.14s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.9% Instabile Tests 2 Eingabe-Token 308,068 Ausgabe-Token 9,218 Denk-Token 112,197 Antwortzeit (Durchschnitt) 18.14s Antwortzeit (Gesamt) 417.21s Antwortzeit (Maximum) 205.28s Falsche Antwort: 7 Agentenaufgaben : 5.0 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#110#110	DeepSeek V4 Flash 0731medium	7.8	DeepSeek	$0.462 ↑	94.16s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 72.5% Instabile Tests 8 Eingabe-Token 274,189 Ausgabe-Token 66,689 Denk-Token 510,525 Antwortzeit (Durchschnitt) 94.16s Antwortzeit (Gesamt) 2165.72s Antwortzeit (Maximum) 303.26s Falsche Antwort: 5 Keine Antwort: 3 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 10.0 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
#111#111	GPT-6 Lunahigh	7.7	OpenAI	$0.074	20.37s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 73.9% Instabile Tests 4 Eingabe-Token 229,986 Ausgabe-Token 6,037 Denk-Token 95,550 Antwortzeit (Durchschnitt) 20.37s Antwortzeit (Gesamt) 468.52s Antwortzeit (Maximum) 106.93s Falsche Antwort: 6 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.2 Anti-KI-Tricks : 10.0 Programmierung : 7.8 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 8.4 Rätsellösen : 7.8 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#112#112	Muse Glimmer 30Bhigh	7.7	Meta	$0.625	69.87s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 66.7% Instabile Tests 8 Eingabe-Token 281,859 Ausgabe-Token 102,526 Denk-Token 286,217 Antwortzeit (Durchschnitt) 69.87s Antwortzeit (Gesamt) 1607.12s Antwortzeit (Maximum) 451.90s Falsche Antwort: 7 Anweisungen nicht befolgt: 3 Keine Antwort: 2 Agentenaufgaben : 10.0 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
#113#113	Qwen3.5 Plus 2026-04-20medium	7.7	Qwen	$0.435 ↓	54.06s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 9 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 65.2% Instabile Tests 2 Eingabe-Token 176,539 Ausgabe-Token 4,419 Denk-Token 195,929 Antwortzeit (Durchschnitt) 54.06s Antwortzeit (Gesamt) 1189.36s Antwortzeit (Maximum) 203.01s Falsche Antwort: 8 Zeitüberschreitung: 1 Agentenaufgaben : 10.0 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
#114#114	Qwen3.7 Flashlow	7.7	Qwen	$0.071 ↑	41.03s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 6 Eingabe-Token 318,058 Ausgabe-Token 16,035 Denk-Token 315,072 Antwortzeit (Durchschnitt) 41.03s Antwortzeit (Gesamt) 943.75s Antwortzeit (Maximum) 394.54s Falsche Antwort: 7 Anweisungen nicht befolgt: 3 API-Fehler: 1 Agentenaufgaben : 10.0 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
#115#115	Muse Glimmer 30Bmedium	7.7	Meta	$0.353	33.97s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 6 Eingabe-Token 269,497 Ausgabe-Token 34,935 Denk-Token 145,752 Antwortzeit (Durchschnitt) 33.97s Antwortzeit (Gesamt) 781.36s Antwortzeit (Maximum) 181.08s Falsche Antwort: 9 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 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
#116#116	GPT-6 Lunalow	7.6	OpenAI	$0.033	23.23s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.7 Erfolgsquote pro Versuch 63.8% Instabile Tests 4 Eingabe-Token 195,928 Ausgabe-Token 5,728 Denk-Token 19,152 Antwortzeit (Durchschnitt) 23.23s Antwortzeit (Gesamt) 534.22s Antwortzeit (Maximum) 89.37s Falsche Antwort: 7 API-Fehler: 2 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.9 Programmierung : 6.0 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 7.1 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#117#117	Qwen3.8 27Blow	7.6	Qwen	~$0.089	46.60s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 8 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 1 Eingabe-Token 315,290 Ausgabe-Token 1,607 Denk-Token 207,536 Antwortzeit (Durchschnitt) 46.60s Antwortzeit (Gesamt) 1071.83s Antwortzeit (Maximum) 376.04s Falsche Antwort: 5 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 10.0 Programmierung : 7.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#118#118	Space Bunny Alphahigh	7.5	Stealth	$0.000	29.38s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.8% Instabile Tests 4 Eingabe-Token 302,228 Ausgabe-Token 181,271 Denk-Token 0 Antwortzeit (Durchschnitt) 29.38s Antwortzeit (Gesamt) 675.79s Antwortzeit (Maximum) 234.56s Falsche Antwort: 10 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.4 Programmierung : 6.2 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.2 Rätsellösen : 8.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#119#119	GLM 5.1medium	7.5	Z.ai	$1.840 ↑	66.38s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 9.2 Erfolgsquote pro Versuch 66.7% Instabile Tests 4 Eingabe-Token 331,577 Ausgabe-Token 17,919 Denk-Token 230,789 Antwortzeit (Durchschnitt) 66.38s Antwortzeit (Gesamt) 1460.31s Antwortzeit (Maximum) 308.75s Falsche Antwort: 5 Zeitüberschreitung: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 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
#120#120	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.140	91.67s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.4 Erfolgsquote pro Versuch 59.4% Instabile Tests 3 Eingabe-Token 313,368 Ausgabe-Token 12,289 Denk-Token 259,270 Antwortzeit (Durchschnitt) 91.67s Antwortzeit (Gesamt) 1833.43s Antwortzeit (Maximum) 301.78s Falsche Antwort: 5 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.6 Programmierung : 5.5 Kombiniert : 7.3 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
#121#121	Seed-2.0-Codehigh	7.5	Bytedance Seed	$1.448	124.87s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 11 Zuverlässigkeit 9.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 5 Eingabe-Token 297,321 Ausgabe-Token 8,997 Denk-Token 423,853 Antwortzeit (Durchschnitt) 124.87s Antwortzeit (Gesamt) 2871.96s Antwortzeit (Maximum) 675.30s Falsche Antwort: 6 API-Fehler: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 8.3 Programmierung : 6.2 Kombiniert : 7.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.8 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#122#122	GPT-5.6 Lunamedium	7.4	OpenAI	$0.065 ↓	9.64s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.3% Instabile Tests 3 Eingabe-Token 212,780 Ausgabe-Token 6,849 Denk-Token 41,137 Antwortzeit (Durchschnitt) 9.64s Antwortzeit (Gesamt) 221.62s Antwortzeit (Maximum) 58.09s Falsche Antwort: 9 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 7.4 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
#123#123	Qwen3.6 Flashmedium	7.4	Qwen	$0.783 ↓	45.45s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.1% Instabile Tests 5 Eingabe-Token 258,760 Ausgabe-Token 22,221 Denk-Token 630,059 Antwortzeit (Durchschnitt) 45.45s Antwortzeit (Gesamt) 1045.45s Antwortzeit (Maximum) 578.13s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 10.0 Programmierung : 5.0 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#124#124	DeepSeek V4 Flash 0731low	7.4	DeepSeek	$0.307 ↑	88.15s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 71.0% Instabile Tests 6 Eingabe-Token 231,356 Ausgabe-Token 43,054 Denk-Token 370,981 Antwortzeit (Durchschnitt) 88.15s Antwortzeit (Gesamt) 2027.36s Antwortzeit (Maximum) 438.65s Falsche Antwort: 8 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 8.2 Programmierung : 7.3 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#125#125	Seed-2.0-Codemedium	7.4	Bytedance Seed	$1.275	100.65s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 12 Zuverlässigkeit 8.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 7 Eingabe-Token 244,499 Ausgabe-Token 8,744 Denk-Token 375,349 Antwortzeit (Durchschnitt) 100.65s Antwortzeit (Gesamt) 2314.88s Antwortzeit (Maximum) 626.58s Falsche Antwort: 6 API-Fehler: 4 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Agentenaufgaben : 10.0 Anti-KI-Tricks : 6.9 Programmierung : 8.9 Kombiniert : 4.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 8.2 Werkzeugaufrufe : 4.7 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