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)
#151#151	Laguna XS 2.1medium	6.5	Poolside	$0.068	48.18s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 45.5% Instabile Tests 2 Eingabe-Token 118,998 Ausgabe-Token 30,750 Denk-Token 491,730 Antwortzeit (Durchschnitt) 48.18s Antwortzeit (Gesamt) 1059.93s Antwortzeit (Maximum) 422.72s Falsche Antwort: 10 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 6.3 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#152#152	Hy3 previewmedium	6.5	Tencent	$0.049 ↕	16.28s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 63.6% 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 : 5.0 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
#153#153	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.052	1.56s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 57.6% Instabile Tests 1 Eingabe-Token 120,955 Ausgabe-Token 14,161 Denk-Token 0 Antwortzeit (Durchschnitt) 1.56s Antwortzeit (Gesamt) 34.32s Antwortzeit (Maximum) 9.27s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Anti-KI-Tricks : 7.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#154#154	Qwen3.6 Max Previewnone	6.4	Qwen	$0.228 ↓	7.82s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 56.1% Instabile Tests 2 Eingabe-Token 106,348 Ausgabe-Token 19,257 Denk-Token 0 Antwortzeit (Durchschnitt) 7.82s Antwortzeit (Gesamt) 172.04s Antwortzeit (Maximum) 102.62s Falsche Antwort: 11 Anti-KI-Tricks : 5.2 Programmierung : 3.8 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#155#155	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	61.81s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 57.6% Instabile Tests 5 Eingabe-Token 113,889 Ausgabe-Token 110,550 Denk-Token 496,487 Antwortzeit (Durchschnitt) 61.81s Antwortzeit (Gesamt) 1359.72s Antwortzeit (Maximum) 417.36s Falsche Antwort: 7 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 6.9 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 7.9 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#156#156	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	67.81s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 6 Eingabe-Token 127,621 Ausgabe-Token 141,858 Denk-Token 590,204 Antwortzeit (Durchschnitt) 67.81s Antwortzeit (Gesamt) 1491.80s Antwortzeit (Maximum) 480.52s Falsche Antwort: 8 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.7 Programmierung : 5.8 Kombiniert : 6.9 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 8.3 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#157#157	LongCat 2.0none	6.4	Meituan	$0.044	5.17s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.9% Instabile Tests 2 Eingabe-Token 108,752 Ausgabe-Token 9,375 Denk-Token 0 Antwortzeit (Durchschnitt) 5.17s Antwortzeit (Gesamt) 113.83s Antwortzeit (Maximum) 48.38s Falsche Antwort: 13 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 4.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#158#158	MiMo-V2.5medium	6.4	Xiaomi	$0.104 ↓	46.28s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 68.2% Instabile Tests 7 Eingabe-Token 105,456 Ausgabe-Token 7,108 Denk-Token 319,940 Antwortzeit (Durchschnitt) 46.28s Antwortzeit (Gesamt) 1018.12s Antwortzeit (Maximum) 316.27s Falsche Antwort: 5 Zusätzliche Formatierung: 2 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.2 Kombiniert : 8.7 Datenanalyse und -extraktion : 2.7 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 9.9 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#159#159	Ling-3.0-flashhigh	6.4	Inclusionai	$0.021 ↕	13.70s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 10 Zuverlässigkeit 9.8 Erfolgsquote pro Versuch 63.6% Instabile Tests 4 Eingabe-Token 132,044 Ausgabe-Token 92,135 Denk-Token 207,321 Antwortzeit (Durchschnitt) 13.70s Antwortzeit (Gesamt) 287.75s Antwortzeit (Maximum) 75.27s Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 2 API-Fehler: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.7 Kombiniert : 2.9 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#160#160	Ring-2.6-1Tmedium	6.4	Inclusionai	$0.102 ↑	68.80s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 59.1% Instabile Tests 3 Eingabe-Token 113,613 Ausgabe-Token 122,706 Denk-Token 42,325 Antwortzeit (Durchschnitt) 68.80s Antwortzeit (Gesamt) 1375.99s Antwortzeit (Maximum) 304.19s Falsche Antwort: 6 API-Fehler: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.3 Kombiniert : 7.3 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#161#161	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 9.6 Erfolgsquote pro Versuch 69.7% Instabile Tests 5 Eingabe-Token 40,961 Ausgabe-Token 2,518 Denk-Token 81,801 Antwortzeit (Durchschnitt) 22.16s Antwortzeit (Gesamt) 443.22s Antwortzeit (Maximum) 136.29s Falsche Antwort: 5 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 6.0 Kombiniert : 2.3 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#162#162	MiMo-V2-Flashmedium	6.3	Xiaomi	$0.043 ↑	20.11s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.1% Instabile Tests 3 Eingabe-Token 40,111 Ausgabe-Token 12,476 Denk-Token 125,039 Antwortzeit (Durchschnitt) 20.11s Antwortzeit (Gesamt) 301.59s Antwortzeit (Maximum) 96.01s Falsche Antwort: 5 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.1 Programmierung : 6.0 Kombiniert : 4.9 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#163#163	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.066	4.37s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.9% Instabile Tests 3 Eingabe-Token 142,206 Ausgabe-Token 14,744 Denk-Token 0 Antwortzeit (Durchschnitt) 4.37s Antwortzeit (Gesamt) 96.20s Antwortzeit (Maximum) 44.58s Falsche Antwort: 13 Keine Antwort: 1 Anti-KI-Tricks : 3.0 Programmierung : 5.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#164#164	Gemma 4 31Bmedium	6.2	Google	$0.101 ↓	78.59s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 9 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 3 Eingabe-Token 94,969 Ausgabe-Token 34,399 Denk-Token 233,022 Antwortzeit (Durchschnitt) 78.59s Antwortzeit (Gesamt) 1571.84s Antwortzeit (Maximum) 437.40s Falsche Antwort: 3 API-Fehler: 2 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.3 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.9 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#165#165	GPT-5.6 Lunalow	6.2	OpenAI	$0.026 ↓	5.20s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 54.5% Instabile Tests 5 Eingabe-Token 96,355 Ausgabe-Token 8,213 Denk-Token 18,073 Antwortzeit (Durchschnitt) 5.20s Antwortzeit (Gesamt) 114.46s Antwortzeit (Maximum) 19.44s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 8.5 Rätsellösen : 7.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#166#166	Claude Sonnet 5none	6.1	Anthropic	$0.548	6.05s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.9% Instabile Tests 4 Eingabe-Token 161,032 Ausgabe-Token 22,508 Denk-Token 0 Antwortzeit (Durchschnitt) 6.05s Antwortzeit (Gesamt) 132.99s Antwortzeit (Maximum) 33.39s Falsche Antwort: 8 Zusätzliche Formatierung: 4 Keine Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 5.3 Programmierung : 4.6 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 6.4 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#167#167	Gemini 3.1 Flash Liteminimal	6.1	Google	$0.047	1.85s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 51.5% Instabile Tests 3 Eingabe-Token 119,076 Ausgabe-Token 11,118 Denk-Token 0 Antwortzeit (Durchschnitt) 1.85s Antwortzeit (Gesamt) 40.74s Antwortzeit (Maximum) 12.97s Falsche Antwort: 8 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 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
#168#168	Qwen3.5-35B-A3Bmedium	6.1	Qwen	$1.623 ↑	110.84s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 6 Eingabe-Token 130,450 Ausgabe-Token 54,857 Denk-Token 838,606 Antwortzeit (Durchschnitt) 110.84s Antwortzeit (Gesamt) 2438.58s Antwortzeit (Maximum) 950.25s Zeitüberschreitung: 4 Keine Antwort: 3 Falsche Antwort: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 5.9 Kombiniert : 3.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 2.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#169#169	gpt-oss-120bmedium	6.1	OpenAI	$0.019 ↓	20.81s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.0% Instabile Tests 5 Eingabe-Token 108,767 Ausgabe-Token 29,378 Denk-Token 68,904 Antwortzeit (Durchschnitt) 20.81s Antwortzeit (Gesamt) 332.88s Antwortzeit (Maximum) 68.16s Falsche Antwort: 9 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.7 Programmierung : 5.9 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.4 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.9 Rätsellösen : 5.3 Werkzeugaufrufe : 9.8 Allgemeinwissen : 3.0
#170#170	Qwen3.7 Flashnone	6.1	Qwen	$0.019	10.05s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 36.4% Instabile Tests 2 Eingabe-Token 218,740 Ausgabe-Token 90,507 Denk-Token 0 Antwortzeit (Durchschnitt) 10.05s Antwortzeit (Gesamt) 221.13s Antwortzeit (Maximum) 186.24s Falsche Antwort: 13 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.0 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#171#171	Gemini 3.1 Flash Litenone	6.1	Google	$0.046	1.75s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 50.0% Instabile Tests 4 Eingabe-Token 118,059 Ausgabe-Token 10,723 Denk-Token 0 Antwortzeit (Durchschnitt) 1.75s Antwortzeit (Gesamt) 38.42s Antwortzeit (Maximum) 16.25s Falsche Antwort: 11 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Anti-KI-Tricks : 7.5 Programmierung : 5.5 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
#172#172	Qwen3.5-Flashmedium	6.1	Qwen	$0.142 ↓	84.44s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 65.2% Instabile Tests 6 Eingabe-Token 118,508 Ausgabe-Token 35,457 Denk-Token 477,389 Antwortzeit (Durchschnitt) 84.44s Antwortzeit (Gesamt) 1773.20s Antwortzeit (Maximum) 515.38s Falsche Antwort: 5 Zeitüberschreitung: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.7 Kombiniert : 6.4 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#173#173	Inklinglow	6.1	Thinkingmachines	$0.181 ↓	5.11s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 54.6% Instabile Tests 4 Eingabe-Token 109,893 Ausgabe-Token 8,580 Denk-Token 10,324 Antwortzeit (Durchschnitt) 5.11s Antwortzeit (Gesamt) 112.46s Antwortzeit (Maximum) 41.58s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 8.3 Programmierung : 5.1 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 6.4 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#174#174	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.798	85.44s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 48.5% Instabile Tests 6 Eingabe-Token 118,486 Ausgabe-Token 156,166 Denk-Token 860,619 Antwortzeit (Durchschnitt) 85.44s Antwortzeit (Gesamt) 1879.75s Antwortzeit (Maximum) 525.14s Falsche Antwort: 8 Anweisungen nicht befolgt: 4 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 6.8 Programmierung : 7.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 4.4 Rätsellösen : 5.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#175#175	Qwen3.6 Flashnone	6.1	Qwen	$0.062 ↓	3.73s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.9% Instabile Tests 1 Eingabe-Token 139,797 Ausgabe-Token 30,947 Denk-Token 0 Antwortzeit (Durchschnitt) 3.73s Antwortzeit (Gesamt) 81.95s Antwortzeit (Maximum) 48.79s Falsche Antwort: 12 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.1 Programmierung : 5.4 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#176#176	Gemma 4 31Bnone	6.1	Google	$0.018 ↓	5.41s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 1 Eingabe-Token 125,703 Ausgabe-Token 13,317 Denk-Token 0 Antwortzeit (Durchschnitt) 5.41s Antwortzeit (Gesamt) 108.12s Antwortzeit (Maximum) 29.95s Falsche Antwort: 10 API-Fehler: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 6.5 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#177#177	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.122 ↓	13.10s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 43.9% Instabile Tests 4 Eingabe-Token 94,477 Ausgabe-Token 51,487 Denk-Token 0 Antwortzeit (Durchschnitt) 13.10s Antwortzeit (Gesamt) 288.23s Antwortzeit (Maximum) 206.05s Falsche Antwort: 12 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 3.9 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.2 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#178#178	Nemotron 3 Ultranone	6.1	NVIDIA	$0.095 ↕	3.88s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.4% Instabile Tests 2 Eingabe-Token 101,168 Ausgabe-Token 9,470 Denk-Token 0 Antwortzeit (Durchschnitt) 3.88s Antwortzeit (Gesamt) 85.33s Antwortzeit (Maximum) 37.50s Falsche Antwort: 11 API-Fehler: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#179#179	Trinity Large Thinkinglow	6.0	Arcee AI	$0.658	96.61s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 47.0% Instabile Tests 5 Eingabe-Token 122,854 Ausgabe-Token 119,810 Denk-Token 698,549 Antwortzeit (Durchschnitt) 96.61s Antwortzeit (Gesamt) 2125.51s Antwortzeit (Maximum) 540.96s Falsche Antwort: 7 API-Fehler: 2 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Keine Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 5.3 Kombiniert : 5.2 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 4.4 Rätsellösen : 6.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#180#180	Gemini 2.5 Flashnone	6.0	Google	$0.017	6.19s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.4% Instabile Tests 1 Eingabe-Token 39,886 Ausgabe-Token 1,890 Denk-Token 0 Antwortzeit (Durchschnitt) 6.19s Antwortzeit (Gesamt) 136.23s Antwortzeit (Maximum) 118.00s Falsche Antwort: 13 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.0 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 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