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.)
#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
#196#196	Step 3.5 Flashmedium	5.9	Stepfun	$0.132 ↑	191.63s
Voir la fiche du modèle Tests totaux 21 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 50.0% Tests instables 2 Jetons d'entrée 65,716 Jetons de sortie 189,424 Jetons de raisonnement 379,112 Temps de réponse (moy.) 191.63s Temps de réponse (total) 3066.07s Temps de réponse (max) 1597.85s Mauvaise réponse: 5 N'a pas suivi les instructions: 3 Erreur API: 1 Aucune réponse: 1 Délai dépassé: 1 Astuces anti-IA : 10.0 Programmation : 2.4 Combiné : 6.5 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.5 Intelligence générale : 5.5 Suivi des instructions : 8.3 Résolution d'énigmes : 5.3 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
#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
#276#276	Granite 4.2 8Bhigh	4.6	IBM Granite	$0.084	235.89s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 18 Fiabilité 7.6 Taux de réussite par tentative 39.4% Tests instables 10 Jetons d'entrée 43,278 Jetons de sortie 181,083 Jetons de raisonnement 431,132 Temps de réponse (moy.) 235.89s Temps de réponse (total) 5189.64s Temps de réponse (max) 685.87s Délai dépassé: 10 Mauvaise réponse: 6 Appel d'outil invalide: 1 Aucune réponse: 1 Astuces anti-IA : 6.9 Programmation : 3.8 Combiné : 5.0 Analyse et extraction des données : 3.8 Spécifique au domaine : 2.9 Intelligence générale : 5.5 Suivi des instructions : 6.4 Résolution d'énigmes : 2.9 Appel d'outils : 10.0 Culture générale : 3.0

←

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