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.)
#16#16	Seed 2.1 Turbolow	9.1	Bytedance Seed	$1.546	163.90s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 5 Fiabilité 10.0 Taux de réussite par tentative 80.3% Tests instables 2 Jetons d'entrée 104,464 Jetons de sortie 6,844 Jetons de raisonnement 590,392 Temps de réponse (moy.) 163.90s Temps de réponse (total) 3605.87s Temps de réponse (max) 739.98s Mauvaise réponse: 3 Aucune réponse: 2 Astuces anti-IA : 8.2 Programmation : 10.0 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 10.0 Suivi des instructions : 9.8 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#84#84	Claude Opus 5none	7.5	Anthropic	$1.550	7.65s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 57.6% Tests instables 1 Jetons d'entrée 185,547 Jetons de sortie 24,866 Jetons de raisonnement 0 Temps de réponse (moy.) 7.65s Temps de réponse (total) 168.35s Temps de réponse (max) 47.72s Mauvaise réponse: 6 Mise en forme supplémentaire: 2 Appel d'outil invalide: 1 Aucune réponse: 1 Astuces anti-IA : 5.5 Programmation : 5.9 Combiné : 8.3 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 7.7 Appel d'outils : 10.0 Culture générale : 3.0
#38#38	GPT-5.4medium	8.5	OpenAI	$1.560	22.85s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 7 Fiabilité 10.0 Taux de réussite par tentative 77.3% Tests instables 4 Jetons d'entrée 81,136 Jetons de sortie 6,155 Jetons de raisonnement 84,311 Temps de réponse (moy.) 22.85s Temps de réponse (total) 502.78s Temps de réponse (max) 100.41s Mauvaise réponse: 5 N'a pas suivi les instructions: 2 Astuces anti-IA : 8.3 Programmation : 8.8 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 4.7 Suivi des instructions : 10.0 Résolution d'énigmes : 8.2 Appel d'outils : 10.0 Culture générale : 3.0
#15#15	Claude Opus 5medium	9.2	Anthropic	$1.586	10.26s
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 135,604 Jetons de sortie 23,814 Jetons de raisonnement 12,804 Temps de réponse (moy.) 10.26s Temps de réponse (total) 225.66s Temps de réponse (max) 35.43s Mauvaise réponse: 3 Aucune réponse: 1 Astuces anti-IA : 10.0 Programmation : 10.0 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#55#55	Muse Spark 1.1high	8.0	Meta	$1.709	30.84s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 68.2% Tests instables 6 Jetons d'entrée 129,003 Jetons de sortie 8,340 Jetons de raisonnement 355,649 Temps de réponse (moy.) 30.84s Temps de réponse (total) 647.67s Temps de réponse (max) 196.03s Mauvaise réponse: 3 N'a pas suivi les instructions: 2 Appel d'outil invalide: 2 Erreur API: 1 Mise en forme supplémentaire: 1 Aucune réponse: 1 Astuces anti-IA : 7.5 Programmation : 10.0 Combiné : 5.9 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 10.0 Suivi des instructions : 6.4 Résolution d'énigmes : 7.8 Appel d'outils : 9.6 Culture générale : 3.0
#41#41	Grok 4.6medium	8.4	X AI	$1.713	73.46s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 6 Fiabilité 10.0 Taux de réussite par tentative 81.8% Tests instables 4 Jetons d'entrée 106,787 Jetons de sortie 4,811 Jetons de raisonnement 244,997 Temps de réponse (moy.) 73.46s Temps de réponse (total) 1616.12s Temps de réponse (max) 514.35s Mauvaise réponse: 5 N'a pas suivi les instructions: 1 Astuces anti-IA : 10.0 Programmation : 8.2 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 4.1 Suivi des instructions : 9.8 Résolution d'énigmes : 8.7 Appel d'outils : 10.0 Culture générale : 3.0
#222#222	Hy4 previewlow	5.6	Tencent	$1.745	214.25s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 19 Fiabilité 5.4 Taux de réussite par tentative 19.7% Tests instables 3 Jetons d'entrée 45,154 Jetons de sortie 4,022 Jetons de raisonnement 678,516 Temps de réponse (moy.) 214.25s Temps de réponse (total) 4713.56s Temps de réponse (max) 597.45s Erreur API: 14 Mauvaise réponse: 3 N'a pas suivi les instructions: 1 Aucune réponse: 1 Astuces anti-IA : 6.0 Programmation : 5.2 Combiné : 2.9 Analyse et extraction des données : 8.7 Spécifique au domaine : 4.5 Intelligence générale : 7.5 Suivi des instructions : 9.8 Résolution d'énigmes : 5.3 Appel d'outils : 3.0 Culture générale : 3.0
#32#32	Muse Spark 1.2high	8.7	Meta	$1.771	26.59s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 8 Fiabilité 9.9 Taux de réussite par tentative 74.2% Tests instables 5 Jetons d'entrée 117,037 Jetons de sortie 6,983 Jetons de raisonnement 375,104 Temps de réponse (moy.) 26.59s Temps de réponse (total) 584.89s Temps de réponse (max) 192.00s Mauvaise réponse: 4 N'a pas suivi les instructions: 3 Appel d'outil invalide: 1 Astuces anti-IA : 7.1 Programmation : 10.0 Combiné : 8.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 4.1 Intelligence générale : 10.0 Suivi des instructions : 9.8 Résolution d'énigmes : 8.2 Appel d'outils : 10.0 Culture générale : 3.0
#24#24	Seed 2.1 Turbohigh	8.9	Bytedance Seed	$1.797	173.96s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 6 Fiabilité 10.0 Taux de réussite par tentative 78.8% Tests instables 3 Jetons d'entrée 104,695 Jetons de sortie 6,645 Jetons de raisonnement 691,086 Temps de réponse (moy.) 173.96s Temps de réponse (total) 3827.19s Temps de réponse (max) 584.71s Mauvaise réponse: 4 N'a pas suivi les instructions: 1 Aucune réponse: 1 Astuces anti-IA : 8.2 Programmation : 10.0 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 6.5 Suivi des instructions : 9.8 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#11#11	Grok 4.6high	9.3	X AI	$1.908	84.15s
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 107,275 Jetons de sortie 5,094 Jetons de raisonnement 277,123 Temps de réponse (moy.) 84.15s Temps de réponse (total) 1851.26s Temps de réponse (max) 618.49s Mauvaise réponse: 2 Aucune réponse: 1 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 : 9.8 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#45#45	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 7 Fiabilité 10.0 Taux de réussite par tentative 78.8% Tests instables 5 Jetons d'entrée 104,433 Jetons de sortie 6,511 Jetons de raisonnement 752,680 Temps de réponse (moy.) 193.59s Temps de réponse (total) 4258.98s Temps de réponse (max) 885.33s Mauvaise réponse: 5 N'a pas suivi les instructions: 1 Aucune réponse: 1 Astuces anti-IA : 8.2 Programmation : 8.2 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 6.1 Suivi des instructions : 9.8 Résolution d'énigmes : 9.9 Appel d'outils : 10.0 Culture générale : 3.0
#27#27	Claude Opus 4.8medium	8.8	Anthropic	$1.983	12.97s
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 138,448 Jetons de sortie 40,765 Jetons de raisonnement 11,162 Temps de réponse (moy.) 12.97s Temps de réponse (total) 285.29s Temps de réponse (max) 70.54s Mauvaise réponse: 4 Aucune réponse: 1 Astuces anti-IA : 10.0 Programmation : 10.0 Combiné : 9.9 Analyse et extraction des données : 7.1 Spécifique au domaine : 3.6 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#6#6	Gemini 3.5 Flashhigh	9.4	Google	$2.011	15.46s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 3 Fiabilité 10.0 Taux de réussite par tentative 89.4% Tests instables 2 Jetons d'entrée 107,146 Jetons de sortie 8,777 Jetons de raisonnement 196,705 Temps de réponse (moy.) 15.46s Temps de réponse (total) 340.20s Temps de réponse (max) 145.92s Mauvaise réponse: 2 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 10.0 Combiné : 8.2 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 : 9.8 Culture générale : 10.0
#39#39	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 5 Fiabilité 10.0 Taux de réussite par tentative 83.3% Tests instables 3 Jetons d'entrée 122,155 Jetons de sortie 5,514 Jetons de raisonnement 293,946 Temps de réponse (moy.) 68.59s Temps de réponse (total) 1508.91s Temps de réponse (max) 436.38s Mauvaise réponse: 5 Astuces anti-IA : 10.0 Programmation : 7.6 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 6.5 Suivi des instructions : 9.8 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#213#213	Gemini 3.1 Flash Litehigh	5.6	Google	$2.044	61.96s
Voir la fiche du modèle Tests totaux 18 Tests incorrects 8 Fiabilité 10.0 Taux de réussite par tentative 56.1% Tests instables 4 Jetons d'entrée 29,134 Jetons de sortie 1,984 Jetons de raisonnement 1,355,583 Temps de réponse (moy.) 61.96s Temps de réponse (total) 1115.31s Temps de réponse (max) 149.23s Mauvaise réponse: 4 N'a pas suivi les instructions: 3 Aucune réponse: 1 Astuces anti-IA : 8.7 Programmation : 3.3 Combiné : 5.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.6 Intelligence générale : 5.0 Suivi des instructions : 7.3 Résolution d'énigmes : 5.7 Appel d'outils : 10.0 Culture générale : 0.0
#73#73	Claude Opus 4.8low	7.8	Anthropic	$2.089	12.88s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 6 Fiabilité 10.0 Taux de réussite par tentative 80.3% Tests instables 3 Jetons d'entrée 156,522 Jetons de sortie 43,056 Jetons de raisonnement 9,181 Temps de réponse (moy.) 12.88s Temps de réponse (total) 283.32s Temps de réponse (max) 127.97s Mauvaise réponse: 4 Mise en forme supplémentaire: 1 Aucune réponse: 1 Astuces anti-IA : 10.0 Programmation : 6.6 Combiné : 9.9 Analyse et extraction des données : 6.3 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 9.8 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#70#70	Claude Sonnet 4.6medium	7.8	Anthropic	$2.126	28.08s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 8 Fiabilité 10.0 Taux de réussite par tentative 65.2% Tests instables 1 Jetons d'entrée 106,316 Jetons de sortie 79,338 Jetons de raisonnement 41,089 Temps de réponse (moy.) 28.08s Temps de réponse (total) 421.15s Temps de réponse (max) 140.96s Mauvaise réponse: 4 Mise en forme supplémentaire: 3 Délai dépassé: 1 Astuces anti-IA : 6.5 Programmation : 5.7 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.0 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#22#22	Grok 4.5high	9.0	X AI	$2.252 ↑	72.30s
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 152,175 Jetons de sortie 5,655 Jetons de raisonnement 318,807 Temps de réponse (moy.) 72.30s Temps de réponse (total) 1590.56s Temps de réponse (max) 676.83s Aucune réponse: 2 Mauvaise réponse: 2 N'a pas suivi les instructions: 1 Astuces anti-IA : 10.0 Programmation : 10.0 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 4.1 Intelligence générale : 4.7 Suivi des instructions : 9.8 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#239#239	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Voir la fiche du modèle Tests totaux 16 Tests incorrects 3 Fiabilité N/D Taux de réussite par tentative 59.1% Tests instables 0 Jetons d'entrée 28,980 Jetons de sortie 1,283 Jetons de raisonnement 1,533,310 Temps de réponse (moy.) 68.14s Temps de réponse (total) 1090.28s Temps de réponse (max) 280.52s Mauvaise réponse: 2 N'a pas suivi les instructions: 1 Astuces anti-IA : 7.5 Programmation : 0.0 Combiné : 5.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 9.8 Résolution d'énigmes : 7.7 Appel d'outils : 10.0 Culture générale : 0.0
#99#99	Qwen3.8 2.4T A95Bhigh	7.4	Qwen	$2.357	120.59s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 8 Fiabilité 9.4 Taux de réussite par tentative 74.2% Tests instables 4 Jetons d'entrée 108,931 Jetons de sortie 112,801 Jetons de raisonnement 343,227 Temps de réponse (moy.) 120.59s Temps de réponse (total) 2653.05s Temps de réponse (max) 532.28s Mauvaise réponse: 3 N'a pas suivi les instructions: 2 Aucune réponse: 2 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 5.9 Combiné : 6.9 Analyse et extraction des données : 10.0 Spécifique au domaine : 4.1 Intelligence générale : 6.1 Suivi des instructions : 9.8 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#130#130	Claude Fable 5.1low	6.9	Anthropic	$2.565	10.33s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 56.1% Tests instables 2 Jetons d'entrée 134,582 Jetons de sortie 8,955 Jetons de raisonnement 15,420 Temps de réponse (moy.) 10.33s Temps de réponse (total) 227.37s Temps de réponse (max) 33.10s Mise en forme supplémentaire: 4 Mauvaise réponse: 4 N'a pas suivi les instructions: 3 Astuces anti-IA : 6.5 Programmation : 3.4 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 4.1 Intelligence générale : 10.0 Suivi des instructions : 6.5 Résolution d'énigmes : 7.7 Appel d'outils : 10.0 Culture générale : 3.0
#51#51	Qwen3.8 2.4T A95Blow	8.1	Qwen	$2.672	118.97s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 7 Fiabilité 9.4 Taux de réussite par tentative 72.7% Tests instables 2 Jetons d'entrée 113,279 Jetons de sortie 121,045 Jetons de raisonnement 374,496 Temps de réponse (moy.) 118.97s Temps de réponse (total) 2617.41s Temps de réponse (max) 534.21s Mauvaise réponse: 4 Aucune réponse: 2 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 7.8 Combiné : 8.2 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.2 Intelligence générale : 6.1 Suivi des instructions : 9.8 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#48#48	Claude Fable 5.1medium	8.3	Anthropic	$2.909	11.67s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 7 Fiabilité 10.0 Taux de réussite par tentative 81.8% Tests instables 6 Jetons d'entrée 135,112 Jetons de sortie 7,594 Jetons de raisonnement 23,558 Temps de réponse (moy.) 11.67s Temps de réponse (total) 256.73s Temps de réponse (max) 36.59s Mauvaise réponse: 3 Aucune réponse: 2 Mise en forme supplémentaire: 1 N'a pas suivi les instructions: 1 Astuces anti-IA : 8.2 Programmation : 7.0 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 7.7 Intelligence générale : 10.0 Suivi des instructions : 7.3 Résolution d'énigmes : 7.6 Appel d'outils : 10.0 Culture générale : 2.8
#77#77	Claude Opus 4.6medium	7.7	Anthropic	$2.961	32.23s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 9 Fiabilité 10.0 Taux de réussite par tentative 63.6% Tests instables 3 Jetons d'entrée 108,573 Jetons de sortie 69,994 Jetons de raisonnement 26,728 Temps de réponse (moy.) 32.23s Temps de réponse (total) 515.65s Temps de réponse (max) 151.51s Mise en forme supplémentaire: 4 Mauvaise réponse: 4 N'a pas suivi les instructions: 1 Astuces anti-IA : 6.4 Programmation : 5.7 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.0 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 7.7 Appel d'outils : 10.0 Culture générale : 3.0
#35#35	Claude Fable 5medium	8.6	Anthropic	$3.004	15.01s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 5 Fiabilité 10.0 Taux de réussite par tentative 78.8% Tests instables 1 Jetons d'entrée 89,640 Jetons de sortie 33,092 Jetons de raisonnement 9,054 Temps de réponse (moy.) 15.01s Temps de réponse (total) 330.15s Temps de réponse (max) 80.80s Aucune réponse: 3 Appel d'outil invalide: 1 Mauvaise réponse: 1 Astuces anti-IA : 10.0 Programmation : 10.0 Combiné : 6.5 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 7.7 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