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: 2026-05-26

Metrik Grok 4.20 Beta Grok 4.20 Beta medium Veröffentlichung: 2026-03-12 Grok 4.1 Fast Grok 4.1 Fast medium Veröffentlichung: 2025-11-19 Hunter Alpha Hunter Alpha medium Veröffentlichung: 2026-03-11
Punktzahl 8.5 6.5 6.7
Rang #14 #88 #76
Zuverlässigkeit k. A. 10.0 k. A.
Konsistenz 9.5 7.3 7.4
Korrekte Tests
Erfolgsquote pro Versuch 81.5% 61.4% 64.8%
Instabile Tests 1 6 6
Gesamtläufe 128 133 90
Kosten pro Ergebnis 8.557 0.926 0.000
Gesamtkosten $1.198 $0.084 $0.000
Eingabepreis $0.000 / 1M $0.000 / 1M $0.000 / 1M
Ausgabepreis $0.000 / 1M $0.000 / 1M $0.000 / 1M
Ausgabe-Token 4,915 3,298 6,506
Denk-Token 177,787 139,122 24,809
Antwortzeit (Durchschnitt) 9.75s 23.85s 10.33s
Antwortzeit (Maximum) 31.36s 121.79s 30.53s
Antwortzeit (Gesamt) 175.48s 286.16s 175.58s

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Anti-KI-Tricks Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Grok 4.20 Beta 8.7 7.9 91.7% 1 3.16s 268 7,583
Grok 4.1 Fast 8.7 7.9 91.7% 1 3.81s 108 4,741
Hunter Alpha 7.3 5.8 83.3% 2 4.75s 479 1,103
Programmierung Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Grok 4.20 Beta 10.0 10.0 100.0% 0 31.36s 81 3,987
Grok 4.1 Fast 2.3 1.1 33.3% 1 23.58s 821 6,703
Hunter Alpha 3.0 10.0 0.0% 0 0ms 0 0
Kombiniert Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 227 12,212
Grok 4.1 Fast 10.0 10.0 100.0% 0 37.64s 261 12,272
Hunter Alpha 4.7 1.6 66.7% 1 30.53s 792 3,456
Datenanalyse und -extraktion Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.01s 180 5,281
Grok 4.1 Fast 10.0 10.0 100.0% 0 6.63s 180 5,409
Hunter Alpha 10.0 10.0 100.0% 0 23.16s 1,488 8,017
Domänenspezifisch Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Grok 4.20 Beta 5.3 10.0 33.3% 0 21.33s 251 40,255
Grok 4.1 Fast 5.8 4.4 66.7% 2 121.79s 11 37,657
Hunter Alpha 3.0 10.0 0.0% 0 10.52s 892 2,406
Allgemeine Intelligenz Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 72 3,440
Grok 4.1 Fast 4.2 9.9 0.0% 0 16.25s 127 3,456
Hunter Alpha 7.0 3.7 66.7% 1 6.44s 116 260
Befolgung von Anweisungen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Grok 4.20 Beta 9.8 10.0 100.0% 0 4.89s 703 67,771
Grok 4.1 Fast 6.5 10.0 50.0% 0 4.63s 662 21,680
Hunter Alpha 9.9 10.0 100.0% 0 4.18s 208 465
Rätsellösen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Grok 4.20 Beta 10.0 10.0 100.0% 0 3.52s 2,950 31,874
Grok 4.1 Fast 5.3 7.2 44.4% 1 7.40s 853 30,338
Hunter Alpha 6.1 4.7 66.7% 2 5.35s 2,223 8,198
Werkzeugaufrufe Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Grok 4.20 Beta 3.0 10.0 0.0% 0 12.39s 183 5,384
Grok 4.1 Fast 2.8 1.6 33.3% 1 27.71s 260 11,485
Hunter Alpha 10.0 10.0 100.0% 0 17.33s 308 904
Allgemeinwissen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Ausgabe-Token Denk-Token
Grok 4.20 Beta - - - - - - - -
Grok 4.1 Fast 3.0 10.0 0.0% 0 25.52s 15 5,381
Hunter Alpha - - - - - - - -

Schnellvergleich

Vergleichspaar wechseln

Claude Opus 4.7mediumvsGPT-5.5lowGPT-5.4mediumvsQwen3.7 MaxnoneGemini 3 Flash PreviewnonevsGrok Build 0.1mediumDeepSeek V4 FlashhighKostenlos verfügbarvsMiMo-V2.5-PromediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-FlashmediumGemini 3.1 Flash LiteminimalvsKimi K2.5mediumGPT-5.3 ChatnonevsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5-PromediumGemini 3.1 Flash LitelowvsGLM 5.1mediumgpt-oss-120bmediumKostenlos verfügbarvsQwen3.5-FlashnoneQwen3.7 MaxnonevsGLM 5 TurbomediumGemini 3 Flash PreviewnonevsQwen3.6 Flashmedium