Leaderboard AI Benchy

Name: Résultats de benchmark des modèles AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks générés à partir des suites de tests AI BENCHY le: 2026-09-02 Modèles évalués: 305

Modèles recommandés

GPT-5.6 Sol high Intelligent Taux de réussite par tentative 89.4% Tests corrects 18 / 22 Score 9.4/10 GPT-5.6 Luna medium Rapide Temps de réponse (moy.) 7.43s Total des jetons de sortie 44,525 Score 7.4/10 DeepSeek V4 Flash 0731 high Abordable Prix d'entrée $0.065 / 1M Prix de sortie $0.180 / 1M Score 8.0/10

305/305

Rang	Modèle	Score	Entreprise	Coût total	Temps de réponse (moy.)
#50#50	Claude Sonnet 5medium	8.2	Anthropic	$0.922	12.54s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 7 Fiabilité 10.0 Taux de réussite par tentative 75.8% Tests instables 3 Jetons d'entrée 145,953 Jetons de sortie 52,330 Jetons de raisonnement 10,874 Temps de réponse (moy.) 12.54s Temps de réponse (total) 275.90s Temps de réponse (max) 66.71s Mauvaise réponse: 5 N'a pas suivi les instructions: 1 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 9.0 Combiné : 7.3 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 4.8 Suivi des instructions : 9.9 Résolution d'énigmes : 7.7 Appel d'outils : 10.0 Culture générale : 3.0
#42#42	Grok 4.5low	8.4	X AI	$0.945	16.17s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 6 Fiabilité 10.0 Taux de réussite par tentative 77.3% Tests instables 2 Jetons d'entrée 125,605 Jetons de sortie 7,505 Jetons de raisonnement 107,984 Temps de réponse (moy.) 16.17s Temps de réponse (total) 355.67s Temps de réponse (max) 205.28s Mauvaise réponse: 6 Astuces anti-IA : 10.0 Programmation : 10.0 Combiné : 6.5 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 6.1 Suivi des instructions : 9.8 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#90#90	Qwen3.5-27Bmedium	7.5	Qwen	$0.982 ↓	113.28s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 9 Fiabilité 10.0 Taux de réussite par tentative 75.8% Tests instables 6 Jetons d'entrée 111,644 Jetons de sortie 16,113 Jetons de raisonnement 598,796 Temps de réponse (moy.) 113.28s Temps de réponse (total) 2492.26s Temps de réponse (max) 1026.43s Mauvaise réponse: 4 N'a pas suivi les instructions: 2 Mise en forme supplémentaire: 1 Appel d'outil invalide: 1 Délai dépassé: 1 Astuces anti-IA : 8.7 Programmation : 6.2 Combiné : 7.3 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.9 Intelligence générale : 6.1 Suivi des instructions : 10.0 Résolution d'énigmes : 8.2 Appel d'outils : 10.0 Culture générale : 3.0
#23#23	GPT-5.3-Codexmedium	8.9	OpenAI	$0.988	16.91s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 6 Fiabilité 10.0 Taux de réussite par tentative 83.3% Tests instables 4 Jetons d'entrée 81,187 Jetons de sortie 6,258 Jetons de raisonnement 54,116 Temps de réponse (moy.) 16.91s Temps de réponse (total) 372.03s Temps de réponse (max) 100.93s Mauvaise réponse: 4 N'a pas suivi les instructions: 2 Astuces anti-IA : 8.7 Programmation : 10.0 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.9 Intelligence générale : 4.6 Suivi des instructions : 10.0 Résolution d'énigmes : 9.0 Appel d'outils : 10.0 Culture générale : 2.8
#159#159	Qwen3.6 27Bmedium	6.5	Qwen	$1.045 ↑	106.06s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 12 Fiabilité 10.0 Taux de réussite par tentative 60.6% Tests instables 7 Jetons d'entrée 106,176 Jetons de sortie 33,013 Jetons de raisonnement 239,560 Temps de réponse (moy.) 106.06s Temps de réponse (total) 2333.36s Temps de réponse (max) 1085.11s Mauvaise réponse: 5 Aucune réponse: 3 Appel d'outil invalide: 2 Mise en forme supplémentaire: 1 N'a pas suivi les instructions: 1 Astuces anti-IA : 8.3 Programmation : 7.7 Combiné : 6.7 Analyse et extraction des données : 3.5 Spécifique au domaine : 2.9 Intelligence générale : 6.5 Suivi des instructions : 10.0 Résolution d'énigmes : 7.7 Appel d'outils : 10.0 Culture générale : 3.0
#54#54	Inklinghigh	8.0	Thinkingmachines	$1.046	62.57s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 7 Fiabilité 10.0 Taux de réussite par tentative 77.3% Tests instables 3 Jetons d'entrée 86,755 Jetons de sortie 6,057 Jetons de raisonnement 230,570 Temps de réponse (moy.) 62.57s Temps de réponse (total) 1376.46s Temps de réponse (max) 327.51s Mauvaise réponse: 4 Appel d'outil invalide: 2 N'a pas suivi les instructions: 1 Astuces anti-IA : 10.0 Programmation : 8.5 Combiné : 7.3 Analyse et extraction des données : 10.0 Spécifique au domaine : 7.7 Intelligence générale : 10.0 Suivi des instructions : 9.8 Résolution d'énigmes : 6.9 Appel d'outils : 3.0 Culture générale : 3.0
#133#133	Gemini 3.5 Flashnone	6.9	Google	$1.093	10.18s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 8 Fiabilité 10.0 Taux de réussite par tentative 69.7% Tests instables 3 Jetons d'entrée 13,852 Jetons de sortie 119,100 Jetons de raisonnement 0 Temps de réponse (moy.) 10.18s Temps de réponse (total) 183.29s Temps de réponse (max) 64.36s Erreur API: 4 Mauvaise réponse: 4 Astuces anti-IA : 10.0 Programmation : 8.8 Combiné : 3.0 Analyse et extraction des données : 6.5 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 9.8 Résolution d'énigmes : 10.0 Appel d'outils : 3.0 Culture générale : 2.8
#28#28	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 4 Fiabilité 10.0 Taux de réussite par tentative 83.3% Tests instables 1 Jetons d'entrée 134,770 Jetons de sortie 13,604 Jetons de raisonnement 4,388 Temps de réponse (moy.) 6.99s Temps de réponse (total) 153.80s Temps de réponse (max) 30.67s Mauvaise réponse: 4 Astuces anti-IA : 10.0 Programmation : 7.8 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#93#93	Grok Build 0.1medium	7.5	X AI	$1.130	54.50s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 9 Fiabilité 10.0 Taux de réussite par tentative 60.6% Tests instables 1 Jetons d'entrée 106,946 Jetons de sortie 7,993 Jetons de raisonnement 503,413 Temps de réponse (moy.) 54.50s Temps de réponse (total) 1199.07s Temps de réponse (max) 252.69s Mauvaise réponse: 6 Mise en forme supplémentaire: 3 Astuces anti-IA : 8.3 Programmation : 5.7 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 4.4 Suivi des instructions : 9.8 Résolution d'énigmes : 7.7 Appel d'outils : 10.0 Culture générale : 3.0
#36#36	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 5 Fiabilité 10.0 Taux de réussite par tentative 83.3% Tests instables 2 Jetons d'entrée 79,249 Jetons de sortie 5,097 Jetons de raisonnement 165,276 Temps de réponse (moy.) 66.52s Temps de réponse (total) 1463.50s Temps de réponse (max) 238.07s Mauvaise réponse: 4 Délai dépassé: 1 Astuces anti-IA : 10.0 Programmation : 8.8 Combiné : 7.3 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#177#177	Qwen3.5-35B-A3Bmedium	6.1	Qwen	$1.140 ↑	110.84s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 65.2% Tests instables 6 Jetons d'entrée 130,450 Jetons de sortie 54,857 Jetons de raisonnement 838,606 Temps de réponse (moy.) 110.84s Temps de réponse (total) 2438.58s Temps de réponse (max) 950.25s Délai dépassé: 4 Aucune réponse: 3 Mauvaise réponse: 2 Erreur API: 1 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 5.9 Combiné : 3.8 Analyse et extraction des données : 7.3 Spécifique au domaine : 3.5 Intelligence générale : 2.8 Suivi des instructions : 10.0 Résolution d'énigmes : 8.2 Appel d'outils : 10.0 Culture générale : 3.0
#136#136	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 12 Fiabilité 7.3 Taux de réussite par tentative 63.6% Tests instables 7 Jetons d'entrée 76,036 Jetons de sortie 7,267 Jetons de raisonnement 364,176 Temps de réponse (moy.) 101.05s Temps de réponse (total) 2223.19s Temps de réponse (max) 626.58s Erreur API: 6 Mauvaise réponse: 4 Mise en forme supplémentaire: 1 N'a pas suivi les instructions: 1 Astuces anti-IA : 6.9 Programmation : 8.9 Combiné : 4.7 Analyse et extraction des données : 7.3 Spécifique au domaine : 5.3 Intelligence générale : 4.8 Suivi des instructions : 9.8 Résolution d'énigmes : 8.2 Appel d'outils : 4.7 Culture générale : 3.0
#17#17	Qwen3.7 Maxmedium	9.1	Qwen	$1.157 ↓	44.32s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 5 Fiabilité 10.0 Taux de réussite par tentative 86.4% Tests instables 3 Jetons d'entrée 106,029 Jetons de sortie 5,748 Jetons de raisonnement 220,354 Temps de réponse (moy.) 44.32s Temps de réponse (total) 975.11s Temps de réponse (max) 556.06s Mauvaise réponse: 4 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 10.0 Combiné : 8.7 Analyse et extraction des données : 10.0 Spécifique au domaine : 4.1 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#109#109	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 9 Fiabilité 10.0 Taux de réussite par tentative 63.6% Tests instables 2 Jetons d'entrée 149,203 Jetons de sortie 16,797 Jetons de raisonnement 0 Temps de réponse (moy.) 4.92s Temps de réponse (total) 108.24s Temps de réponse (max) 35.03s Mauvaise réponse: 4 Mise en forme supplémentaire: 3 N'a pas suivi les instructions: 1 Aucune réponse: 1 Astuces anti-IA : 6.5 Programmation : 5.5 Combiné : 9.8 Analyse et extraction des données : 7.3 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 9.9 Résolution d'énigmes : 7.7 Appel d'outils : 10.0 Culture générale : 3.0
#43#43	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 8 Fiabilité 10.0 Taux de réussite par tentative 72.7% Tests instables 4 Jetons d'entrée 105,013 Jetons de sortie 9,914 Jetons de raisonnement 61,338 Temps de réponse (moy.) 28.51s Temps de réponse (total) 456.13s Temps de réponse (max) 116.86s N'a pas suivi les instructions: 3 Mauvaise réponse: 3 Aucune réponse: 1 Délai dépassé: 1 Astuces anti-IA : 6.5 Programmation : 10.0 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.9 Intelligence générale : 3.7 Suivi des instructions : 9.9 Résolution d'énigmes : 7.5 Appel d'outils : 4.7 Culture générale : 3.0
#58#58	GLM 5.2high	8.0	Z.ai	$1.188 ↑	69.86s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 8 Fiabilité 10.0 Taux de réussite par tentative 69.7% Tests instables 3 Jetons d'entrée 83,822 Jetons de sortie 72,040 Jetons de raisonnement 292,615 Temps de réponse (moy.) 69.86s Temps de réponse (total) 1536.98s Temps de réponse (max) 599.43s Délai dépassé: 3 Aucune réponse: 2 Mauvaise réponse: 2 N'a pas suivi les instructions: 1 Astuces anti-IA : 10.0 Programmation : 6.4 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.1 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 6.0 Appel d'outils : 10.0 Culture générale : 3.0
#116#116	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.207 ↑	65.67s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 8 Fiabilité 10.0 Taux de réussite par tentative 71.2% Tests instables 4 Jetons d'entrée 124,780 Jetons de sortie 47,694 Jetons de raisonnement 439,825 Temps de réponse (moy.) 65.67s Temps de réponse (total) 1444.68s Temps de réponse (max) 519.30s Mauvaise réponse: 5 Délai dépassé: 2 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 6.0 Combiné : 6.4 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 3.4 Suivi des instructions : 10.0 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#135#135	Step 3.7 Flashhigh	6.8	Stepfun	$1.229	70.10s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 60.6% Tests instables 4 Jetons d'entrée 98,700 Jetons de sortie 1,050,900 Jetons de raisonnement 0 Temps de réponse (moy.) 70.10s Temps de réponse (total) 1542.14s Temps de réponse (max) 364.99s Mauvaise réponse: 7 Aucune réponse: 3 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 4.0 Combiné : 8.7 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.6 Intelligence générale : 5.5 Suivi des instructions : 9.8 Résolution d'énigmes : 5.3 Appel d'outils : 10.0 Culture générale : 3.0
#110#110	Kimi K2.6medium	7.2	Moonshot AI	$1.247 ↑	115.89s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 63.6% Tests instables 4 Jetons d'entrée 68,913 Jetons de sortie 64,654 Jetons de raisonnement 282,865 Temps de réponse (moy.) 115.89s Temps de réponse (total) 2433.66s Temps de réponse (max) 876.20s Délai dépassé: 3 Mauvaise réponse: 3 N'a pas suivi les instructions: 2 Appel d'outil invalide: 1 Aucune réponse: 1 Astuces anti-IA : 7.0 Programmation : 5.7 Combiné : 6.9 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 6.0 Appel d'outils : 10.0 Culture générale : 3.0
#10#10	GPT-5.5low	9.3	OpenAI	$1.257	10.15s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 3 Fiabilité 10.0 Taux de réussite par tentative 86.4% Tests instables 0 Jetons d'entrée 80,067 Jetons de sortie 5,378 Jetons de raisonnement 23,162 Temps de réponse (moy.) 10.15s Temps de réponse (total) 223.24s Temps de réponse (max) 56.19s Mauvaise réponse: 3 Astuces anti-IA : 10.0 Programmation : 10.0 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 9.9 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#132#132	Seed-2.0-Codehigh	6.9	Bytedance Seed	$1.273	124.18s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 8.6 Taux de réussite par tentative 63.6% Tests instables 5 Jetons d'entrée 81,970 Jetons de sortie 7,186 Jetons de raisonnement 403,389 Temps de réponse (moy.) 124.18s Temps de réponse (total) 2732.03s Temps de réponse (max) 675.30s Erreur API: 5 Mauvaise réponse: 4 N'a pas suivi les instructions: 1 Aucune réponse: 1 Astuces anti-IA : 8.3 Programmation : 6.2 Combiné : 7.3 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.5 Intelligence générale : 4.6 Suivi des instructions : 9.8 Résolution d'énigmes : 7.8 Appel d'outils : 4.7 Culture générale : 3.0
#33#33	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 8 Fiabilité 10.0 Taux de réussite par tentative 74.2% Tests instables 4 Jetons d'entrée 123,680 Jetons de sortie 7,222 Jetons de raisonnement 271,442 Temps de réponse (moy.) 19.67s Temps de réponse (total) 432.72s Temps de réponse (max) 142.49s N'a pas suivi les instructions: 3 Mauvaise réponse: 3 Mise en forme supplémentaire: 1 Appel d'outil invalide: 1 Astuces anti-IA : 7.3 Programmation : 10.0 Combiné : 8.5 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 6.1 Suivi des instructions : 9.8 Résolution d'énigmes : 8.7 Appel d'outils : 10.0 Culture générale : 3.0
#12#12	Gemini 3.1 Pro Previewmedium	9.2	Google	$1.352	20.62s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 2 Fiabilité 10.0 Taux de réussite par tentative 90.9% Tests instables 0 Jetons d'entrée 92,296 Jetons de sortie 5,232 Jetons de raisonnement 92,006 Temps de réponse (moy.) 20.62s Temps de réponse (total) 329.94s Temps de réponse (max) 88.68s Mauvaise réponse: 2 Astuces anti-IA : 10.0 Programmation : 7.9 Combiné : 9.8 Analyse et extraction des données : 10.0 Spécifique au domaine : 7.7 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 10.0
#34#34	Muse Spark 1.1medium	8.6	Meta	$1.420	26.25s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 7 Fiabilité 10.0 Taux de réussite par tentative 72.7% Tests instables 2 Jetons d'entrée 142,147 Jetons de sortie 7,905 Jetons de raisonnement 284,247 Temps de réponse (moy.) 26.25s Temps de réponse (total) 577.47s Temps de réponse (max) 165.38s Mauvaise réponse: 4 N'a pas suivi les instructions: 2 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 10.0 Combiné : 8.3 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.5 Intelligence générale : 10.0 Suivi des instructions : 6.5 Résolution d'énigmes : 7.9 Appel d'outils : 9.8 Culture générale : 3.0
#31#31	Claude Opus 4.7medium	8.7	Anthropic	$1.476	7.62s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 4 Fiabilité 10.0 Taux de réussite par tentative 83.3% Tests instables 1 Jetons d'entrée 145,249 Jetons de sortie 24,948 Jetons de raisonnement 5,042 Temps de réponse (moy.) 7.62s Temps de réponse (total) 159.94s Temps de réponse (max) 65.40s Mauvaise réponse: 3 Délai dépassé: 1 Astuces anti-IA : 8.3 Programmation : 7.6 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 7.7 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0

Tendances globales du benchmark

Voyez comment les modèles actuels équilibrent score, coût, vitesse, longueur des sorties et performance par catégorie.

Graphiques →

Frontière de Pareto : intelligence vs coût

Évolution du meilleur score des entreprises leaders

Frontière de Pareto : intelligence vs vitesse de réponse

Frontière de Pareto : score vs jetons de sortie

Difficulté des catégories selon les modèles

Comparaison rapide

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