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: 308

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

308/308

Rang	Modèle	Score	Entreprise	Coût total	Temps de réponse (moy.)
#40#40	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
#82#82	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Voir la fiche du modèle Tests totaux 21 Tests incorrects 7 Fiabilité 10.0 Taux de réussite par tentative 71.2% Tests instables 4 Jetons d'entrée 35,593 Jetons de sortie 12,245 Jetons de raisonnement 62,277 Temps de réponse (moy.) 23.00s Temps de réponse (total) 482.97s Temps de réponse (max) 194.23s Mauvaise réponse: 4 N'a pas suivi les instructions: 1 Aucune réponse: 1 Délai dépassé: 1 Astuces anti-IA : 10.0 Programmation : 8.2 Combiné : 5.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 6.1 Suivi des instructions : 10.0 Résolution d'énigmes : 8.7 Appel d'outils : 10.0 Culture générale : 3.0
#151#151	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Voir la fiche du modèle Tests totaux 21 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 65.2% Tests instables 6 Jetons d'entrée 44,615 Jetons de sortie 2,347 Jetons de raisonnement 98,415 Temps de réponse (moy.) 23.08s Temps de réponse (total) 484.63s Temps de réponse (max) 95.88s Mauvaise réponse: 7 Appel d'outil invalide: 2 N'a pas suivi les instructions: 1 Astuces anti-IA : 7.2 Programmation : 6.0 Combiné : 3.4 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 9.9 Résolution d'énigmes : 7.7 Appel d'outils : 7.0 Culture générale : 3.0
#70#70	GLM 5.2medium	7.8	Z.ai	$0.224 ↓	23.28s
Voir la fiche du modèle Tests totaux 21 Tests incorrects 6 Fiabilité 9.5 Taux de réussite par tentative 80.3% Tests instables 4 Jetons d'entrée 37,199 Jetons de sortie 12,261 Jetons de raisonnement 49,500 Temps de réponse (moy.) 23.28s Temps de réponse (total) 488.94s Temps de réponse (max) 101.36s Mauvaise réponse: 3 Aucune réponse: 2 Délai dépassé: 1 Astuces anti-IA : 10.0 Programmation : 8.2 Combiné : 5.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 4.1 Intelligence générale : 10.0 Suivi des instructions : 9.9 Résolution d'énigmes : 8.2 Appel d'outils : 10.0 Culture générale : 3.0
#23#23	Qwen3.8 Maxmedium	9.0	Qwen	$0.771	23.34s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 5 Fiabilité 10.0 Taux de réussite par tentative 80.3% Tests instables 1 Jetons d'entrée 109,055 Jetons de sortie 6,566 Jetons de raisonnement 85,481 Temps de réponse (moy.) 23.34s Temps de réponse (total) 513.47s Temps de réponse (max) 126.60s 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 : 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
#65#65	Step 3.7 Flashmedium	7.9	Stepfun	$0.495	23.51s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 9 Fiabilité 10.0 Taux de réussite par tentative 68.2% Tests instables 3 Jetons d'entrée 114,191 Jetons de sortie 409,709 Jetons de raisonnement 0 Temps de réponse (moy.) 23.51s Temps de réponse (total) 517.21s Temps de réponse (max) 152.83s Mauvaise réponse: 6 N'a pas suivi les instructions: 1 Appel d'outil invalide: 1 Aucune réponse: 1 Astuces anti-IA : 8.7 Programmation : 8.8 Combiné : 7.3 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 4.0 Suivi des instructions : 9.8 Résolution d'énigmes : 5.7 Appel d'outils : 10.0 Culture générale : 3.0
#275#275	Grok 4.1 Fastmedium	4.7	X AI	$0.069 ↑	23.85s
Voir la fiche du modèle Tests totaux 19 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 53.0% Tests instables 6 Jetons d'entrée 42,845 Jetons de sortie 2,006 Jetons de raisonnement 96,334 Temps de réponse (moy.) 23.85s Temps de réponse (total) 286.16s Temps de réponse (max) 121.79s N'a pas suivi les instructions: 4 Mauvaise réponse: 4 Aucune réponse: 1 Délai dépassé: 1 Astuces anti-IA : 8.7 Programmation : 7.8 Combiné : 5.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.8 Intelligence générale : 4.2 Suivi des instructions : 6.5 Résolution d'énigmes : 5.3 Appel d'outils : 2.8 Culture générale : 3.0
#227#227	Hy3 previewlow	5.5	Tencent	$0.042 ↕	24.56s
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 21,045 Jetons de sortie 63,460 Jetons de raisonnement 0 Temps de réponse (moy.) 24.56s Temps de réponse (total) 368.35s Temps de réponse (max) 78.74s Erreur API: 7 Mauvaise réponse: 4 Astuces anti-IA : 8.3 Programmation : 5.3 Combiné : 5.0 Analyse et extraction des données : 6.5 Spécifique au domaine : 5.9 Intelligence générale : 3.0 Suivi des instructions : 10.0 Résolution d'énigmes : 5.3 Appel d'outils : 2.8 Culture générale : 3.0
#132#132	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.478	24.87s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 65.2% Tests instables 8 Jetons d'entrée 87,916 Jetons de sortie 7,213 Jetons de raisonnement 132,162 Temps de réponse (moy.) 24.87s Temps de réponse (total) 547.14s Temps de réponse (max) 257.00s Mauvaise réponse: 9 Erreur API: 1 N'a pas suivi les instructions: 1 Astuces anti-IA : 8.2 Programmation : 7.8 Combiné : 6.4 Analyse et extraction des données : 7.3 Spécifique au domaine : 2.9 Intelligence générale : 4.7 Suivi des instructions : 9.9 Résolution d'énigmes : 5.9 Appel d'outils : 10.0 Culture générale : 3.0
#197#197	Qwen3.5-Flashnone	6.0	Qwen	$0.073 ↓	25.28s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 15 Fiabilité 10.0 Taux de réussite par tentative 34.9% Tests instables 2 Jetons d'entrée 282,356 Jetons de sortie 209,201 Jetons de raisonnement 0 Temps de réponse (moy.) 25.28s Temps de réponse (total) 556.14s Temps de réponse (max) 480.96s Mauvaise réponse: 14 Appel d'outil invalide: 1 Astuces anti-IA : 3.5 Programmation : 5.5 Combiné : 2.9 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 6.3 Résolution d'énigmes : 3.1 Appel d'outils : 10.0 Culture générale : 3.0
#108#108	GLM 5.3 Flashhigh	7.3	Z.ai	$0.029	25.36s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 9 Fiabilité 10.0 Taux de réussite par tentative 66.7% Tests instables 3 Jetons d'entrée 113,003 Jetons de sortie 11,558 Jetons de raisonnement 66,760 Temps de réponse (moy.) 25.36s Temps de réponse (total) 558.01s Temps de réponse (max) 163.41s Mauvaise réponse: 4 Mise en forme supplémentaire: 2 N'a pas suivi les instructions: 1 Appel d'outil invalide: 1 Aucune réponse: 1 Astuces anti-IA : 8.3 Programmation : 8.2 Combiné : 6.4 Analyse et extraction des données : 7.3 Spécifique au domaine : 3.0 Intelligence générale : 5.0 Suivi des instructions : 10.0 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#148#148	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.487	26.01s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 71.2% Tests instables 8 Jetons d'entrée 98,508 Jetons de sortie 139,572 Jetons de raisonnement 0 Temps de réponse (moy.) 26.01s Temps de réponse (total) 572.22s Temps de réponse (max) 335.41s Mauvaise réponse: 10 Appel d'outil invalide: 1 Astuces anti-IA : 8.7 Programmation : 6.1 Combiné : 4.1 Analyse et extraction des données : 10.0 Spécifique au domaine : 4.1 Intelligence générale : 4.8 Suivi des instructions : 9.8 Résolution d'énigmes : 8.2 Appel d'outils : 10.0 Culture générale : 3.0
#36#36	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
#34#34	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
#94#94	GPT-5.4 Minimedium	7.5	OpenAI	$0.786	26.72s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 68.2% Tests instables 5 Jetons d'entrée 97,164 Jetons de sortie 6,211 Jetons de raisonnement 152,133 Temps de réponse (moy.) 26.72s Temps de réponse (total) 587.90s Temps de réponse (max) 138.75s Mauvaise réponse: 6 N'a pas suivi les instructions: 3 Appel d'outil invalide: 1 Astuces anti-IA : 8.6 Programmation : 8.4 Combiné : 6.9 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.6 Intelligence générale : 4.5 Suivi des instructions : 9.8 Résolution d'énigmes : 7.8 Appel d'outils : 4.7 Culture générale : 3.0
#54#54	GPT-5 Minimedium	8.1	OpenAI	$0.241	27.64s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 65.2% Tests instables 4 Jetons d'entrée 98,383 Jetons de sortie 14,409 Jetons de raisonnement 93,610 Temps de réponse (moy.) 27.64s Temps de réponse (total) 608.02s Temps de réponse (max) 111.48s Mauvaise réponse: 5 N'a pas suivi les instructions: 3 Aucune réponse: 1 Délai dépassé: 1 Astuces anti-IA : 7.1 Programmation : 10.0 Combiné : 7.3 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.5 Intelligence générale : 4.5 Suivi des instructions : 10.0 Résolution d'énigmes : 5.6 Appel d'outils : 10.0 Culture générale : 3.0
#106#106	GLM 5.3high	7.3	Z.ai	$0.403	27.82s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 9 Fiabilité 10.0 Taux de réussite par tentative 74.2% Tests instables 7 Jetons d'entrée 87,601 Jetons de sortie 6,006 Jetons de raisonnement 57,661 Temps de réponse (moy.) 27.82s Temps de réponse (total) 612.06s Temps de réponse (max) 159.91s Mauvaise réponse: 6 Mise en forme supplémentaire: 2 N'a pas suivi les instructions: 1 Astuces anti-IA : 10.0 Programmation : 6.6 Combiné : 6.4 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 6.1 Suivi des instructions : 9.8 Résolution d'énigmes : 8.2 Appel d'outils : 10.0 Culture générale : 3.0
#72#72	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
#45#45	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
#297#297	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Voir la fiche du modèle Tests totaux 19 Tests incorrects 12 Fiabilité 10.0 Taux de réussite par tentative 43.9% Tests instables 4 Jetons d'entrée 11,793 Jetons de sortie 267,275 Jetons de raisonnement 0 Temps de réponse (moy.) 28.69s Temps de réponse (total) 459.00s Temps de réponse (max) 138.35s Mauvaise réponse: 7 Erreur API: 3 N'a pas suivi les instructions: 2 Astuces anti-IA : 8.7 Programmation : 3.3 Combiné : 1.5 Analyse et extraction des données : 3.8 Spécifique au domaine : 3.6 Intelligence générale : 4.3 Suivi des instructions : 9.8 Résolution d'énigmes : 6.4 Appel d'outils : 3.0 Culture générale : 3.0
#255#255	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 18 Fiabilité 8.7 Taux de réussite par tentative 18.2% Tests instables 0 Jetons d'entrée 130,501 Jetons de sortie 26,786 Jetons de raisonnement 0 Temps de réponse (moy.) 29.95s Temps de réponse (total) 658.83s Temps de réponse (max) 159.85s Mauvaise réponse: 12 Mise en forme supplémentaire: 2 N'a pas suivi les instructions: 2 Appel d'outil invalide: 2 Astuces anti-IA : 3.0 Programmation : 3.9 Combiné : 3.2 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.0 Intelligence générale : 3.9 Suivi des instructions : 6.5 Résolution d'énigmes : 3.5 Appel d'outils : 9.5 Culture générale : 3.0
#48#48	Inkling Smallhigh	8.4	Thinkingmachines	$0.398 ↓	30.43s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 8 Fiabilité 10.0 Taux de réussite par tentative 69.7% Tests instables 2 Jetons d'entrée 85,669 Jetons de sortie 6,092 Jetons de raisonnement 292,801 Temps de réponse (moy.) 30.43s Temps de réponse (total) 669.38s Temps de réponse (max) 122.60s Mauvaise réponse: 6 N'a pas suivi les instructions: 2 Astuces anti-IA : 10.0 Programmation : 10.0 Combiné : 9.9 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 5.3 Suivi des instructions : 9.8 Résolution d'énigmes : 4.8 Appel d'outils : 3.0 Culture générale : 3.0
#118#118	Muse Glimmer 30Bmedium	7.2	Meta	$0.227 ↓	30.64s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 63.6% Tests instables 6 Jetons d'entrée 116,513 Jetons de sortie 33,065 Jetons de raisonnement 135,009 Temps de réponse (moy.) 30.64s Temps de réponse (total) 674.01s Temps de réponse (max) 181.08s Mauvaise réponse: 9 N'a pas suivi les instructions: 1 Aucune réponse: 1 Astuces anti-IA : 9.2 Programmation : 8.4 Combiné : 6.5 Analyse et extraction des données : 7.3 Spécifique au domaine : 2.9 Intelligence générale : 4.7 Suivi des instructions : 9.8 Résolution d'énigmes : 6.0 Appel d'outils : 10.0 Culture générale : 3.0
#57#57	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
#79#79	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

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 3.8 Flashhigh Gemini 3.8 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