Navigation
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Verglichene Modelle

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-03-12

Metrik Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 medium Veröffentlichung: 2026-02-15 Qwen3.5-27B Qwen3.5-27B medium Veröffentlichung: 2026-02-24 GPT-5.4 GPT-5.4 medium Veröffentlichung: 2026-03-05
Rang #5 #8 #10
Ø-Score 8.3 8.2 8.0
Konsistenz 9.5 9.1 8.5
Kosten pro Ergebnis 1.264 3.585 6.601
Gesamtkosten $0.165 $0.431 $0.793
Korrekte Tests
Erfolgsquote pro Versuch 85.4% 81.3% 83.3%
Instabile Tests 1 2 3
Gesamtläufe 48 48 48
Ausgabe-Token 1,735 1,658 1,756
Denk-Token 77,212 200,786 46,642
Antwortzeit (Durchschnitt) 34.45s 52.13s 20.05s
Antwortzeit (Maximum) 79.86s 163.96s 100.41s
Antwortzeit (Gesamt) 310.09s 834.16s 320.87s

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Ø-Score vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Ø-Score vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Anti-KI-Tricks Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 10.37s 186 5,926
Qwen3.5-27B 10.0 10.0 100.0% 0 9.69s 102 8,956
GPT-5.4 10.0 10.0 100.0% 0 5.02s 216 1,466
Kombiniert Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 46.85s 421 7,906
Qwen3.5-27B 10.0 10.0 100.0% 0 163.96s 483 9,991
GPT-5.4 10.0 10.0 100.0% 0 20.57s 301 3,543
Datenanalyse und -extraktion Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Qwen3.5 Plus 2026-02-15 9.9 10.0 100.0% 0 46.91s 270 14,916
Qwen3.5-27B 9.9 10.0 100.0% 0 30.26s 270 16,150
GPT-5.4 9.9 10.0 100.0% 0 5.32s 234 804
Domänenspezifisch Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Qwen3.5 Plus 2026-02-15 4.0 10.0 33.3% 0 17.50s 35 16,680
Qwen3.5-27B 4.0 10.0 33.3% 0 79.53s 43 52,368
GPT-5.4 4.0 7.2 44.4% 1 74.27s 61 34,748
Allgemeine Intelligenz Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Qwen3.5 Plus 2026-02-15 10.0 1.6 66.7% 1 79.86s 73 8,675
Qwen3.5-27B 5.0 3.1 66.7% 1 101.41s 70 23,147
GPT-5.4 5.0 3.1 33.3% 1 4.92s 145 321
Befolgung von Anweisungen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 31.93s 101 7,704
Qwen3.5-27B 10.0 10.0 100.0% 0 19.66s 97 11,638
GPT-5.4 10.0 10.0 100.0% 0 3.11s 93 897
Puzzle Solving Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 34.57s 340 14,496
Qwen3.5-27B 8.3 7.7 77.8% 1 64.61s 245 77,213
GPT-5.4 7.0 7.2 88.9% 1 9.13s 442 3,832
Werkzeugaufrufe Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 7.54s 309 909
Qwen3.5-27B 10.0 10.0 100.0% 0 7.45s 348 1,323
GPT-5.4 10.0 10.0 100.0% 0 13.28s 264 1,031

Schnellvergleich

Vergleichspaar wechseln

Gemini 3 Flash PreviewlowvsQwen3.5-27BmediumGemini 3 Flash PreviewlowvsQwen3.5 Plus 2026-02-15mediumGemini 3 Flash PreviewlowvsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGPT-5.2 ChatnonevsQwen3.5-27BmediumGemini 3 Flash PreviewnonevsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-27BmediumGPT-5.3 ChatnonevsQwen3.5-27BmediumGPT-5.2 ChatnonevsQwen3.5 Plus 2026-02-15mediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.4mediumGemini 3 Flash PreviewnonevsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5 Plus 2026-02-15medium