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.)
#14#14	Claude Opus 5high	9.2	Anthropic	$3.070	22.51s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 4 Fiabilité 10.0 Taux de réussite par tentative 81.8% Tests instables 0 Jetons d'entrée 135,956 Jetons de sortie 64,624 Jetons de raisonnement 30,959 Temps de réponse (moy.) 22.51s Temps de réponse (total) 495.12s Temps de réponse (max) 159.01s Mauvaise réponse: 2 Mise en forme supplémentaire: 1 Aucune réponse: 1 Astuces anti-IA : 10.0 Programmation : 10.0 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
#18#18	Claude Fable 5.1high	9.0	Anthropic	$3.364	13.59s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 3 Fiabilité 10.0 Taux de réussite par tentative 89.4% Tests instables 1 Jetons d'entrée 135,958 Jetons de sortie 7,930 Jetons de raisonnement 32,141 Temps de réponse (moy.) 13.59s Temps de réponse (total) 298.90s Temps de réponse (max) 40.17s Mauvaise réponse: 3 Astuces anti-IA : 10.0 Programmation : 8.4 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
#61#61	Kimi K3max	7.9	Moonshot AI	$3.467	142.84s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 6 Fiabilité 9.0 Taux de réussite par tentative 77.3% Tests instables 2 Jetons d'entrée 34,960 Jetons de sortie 2,887 Jetons de raisonnement 221,241 Temps de réponse (moy.) 142.84s Temps de réponse (total) 2714.02s Temps de réponse (max) 766.58s Erreur API: 2 Aucune réponse: 2 Mise en forme supplémentaire: 1 Délai dépassé: 1 Astuces anti-IA : 10.0 Programmation : 10.0 Combiné : 6.5 Analyse et extraction des données : 7.3 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 10.0 Appel d'outils : 3.0 Culture générale : 3.0
#20#20	GPT-5.5medium	9.0	OpenAI	$4.163	38.97s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 4 Fiabilité 10.0 Taux de réussite par tentative 87.9% Tests instables 3 Jetons d'entrée 80,668 Jetons de sortie 5,617 Jetons de raisonnement 119,699 Temps de réponse (moy.) 38.97s Temps de réponse (total) 857.43s Temps de réponse (max) 332.10s Mauvaise réponse: 4 Astuces anti-IA : 10.0 Programmation : 8.8 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 : 2.8
#267#267	Grok 4.20 Multi Agent Betamedium	4.8	X AI	$5.599 ↑	9.69s
Voir la fiche du modèle Tests totaux 18 Tests incorrects 10 Fiabilité N/D Taux de réussite par tentative 48.5% Tests instables 5 Jetons d'entrée 721,952 Jetons de sortie 294,668 Jetons de raisonnement 305,374 Temps de réponse (moy.) 9.69s Temps de réponse (total) 155.07s Temps de réponse (max) 35.28s Mauvaise réponse: 4 Erreur API: 2 Mise en forme supplémentaire: 2 N'a pas suivi les instructions: 2 Astuces anti-IA : 6.9 Programmation : 3.3 Combiné : 1.5 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 5.8 Suivi des instructions : 9.8 Résolution d'énigmes : 6.7 Appel d'outils : 3.0 Culture générale : 0.0

←

1 12 13

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