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.)
#129#129	Grok 4.20medium	7.0	X AI	$0.805 ↓	32.56s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 60.6% Tests instables 5 Jetons d'entrée 102,986 Jetons de sortie 5,860 Jetons de raisonnement 264,399 Temps de réponse (moy.) 32.56s Temps de réponse (total) 716.36s Temps de réponse (max) 199.66s Mauvaise réponse: 6 Mise en forme supplémentaire: 2 N'a pas suivi les instructions: 2 Appel d'outil invalide: 1 Astuces anti-IA : 8.2 Programmation : 6.3 Combiné : 8.7 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 3.9 Suivi des instructions : 9.8 Résolution d'énigmes : 7.7 Appel d'outils : 3.0 Culture générale : 3.0
#73#73	Qwen3.8 27Bmedium	7.8	Qwen	~$0.058	33.05s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 8 Fiabilité 9.6 Taux de réussite par tentative 66.7% Tests instables 1 Jetons d'entrée 98,266 Jetons de sortie 1,861 Jetons de raisonnement 134,301 Temps de réponse (moy.) 33.05s Temps de réponse (total) 694.04s Temps de réponse (max) 214.63s Mauvaise réponse: 3 N'a pas suivi les instructions: 2 Erreur API: 1 Appel d'outil invalide: 1 Aucune réponse: 1 Astuces anti-IA : 10.0 Programmation : 10.0 Combiné : 8.7 Analyse et extraction des données : 6.5 Spécifique au domaine : 5.3 Intelligence générale : 5.0 Suivi des instructions : 10.0 Résolution d'énigmes : 8.3 Appel d'outils : 3.0 Culture générale : 3.0
#77#77	GLM 5medium	7.7	Z.ai	$0.228 ↓	33.54s
Voir la fiche du modèle Tests totaux 21 Tests incorrects 6 Fiabilité 10.0 Taux de réussite par tentative 78.8% Tests instables 4 Jetons d'entrée 35,224 Jetons de sortie 21,570 Jetons de raisonnement 102,996 Temps de réponse (moy.) 33.54s Temps de réponse (total) 435.99s Temps de réponse (max) 99.85s Mauvaise réponse: 3 N'a pas suivi les instructions: 1 Aucune réponse: 1 Délai dépassé: 1 Astuces anti-IA : 10.0 Programmation : 10.0 Combiné : 5.0 Analyse et extraction des données : 7.1 Spécifique au domaine : 3.5 Intelligence générale : 6.1 Suivi des instructions : 10.0 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#85#85	Nemotron 3 Ultramedium	7.6	NVIDIA	$0.701 ↕	33.62s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 9 Fiabilité 9.8 Taux de réussite par tentative 66.7% Tests instables 3 Jetons d'entrée 233,415 Jetons de sortie 54,384 Jetons de raisonnement 130,021 Temps de réponse (moy.) 33.62s Temps de réponse (total) 739.59s Temps de réponse (max) 392.56s Mauvaise réponse: 7 Erreur API: 1 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 8.4 Combiné : 6.3 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.6 Intelligence générale : 3.7 Suivi des instructions : 9.8 Résolution d'énigmes : 5.5 Appel d'outils : 10.0 Culture générale : 3.0
#230#230	DeepSeek V4 Flash 0423none	5.4	DeepSeek	$0.037 ↓	36.17s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 18 Fiabilité 10.0 Taux de réussite par tentative 27.3% Tests instables 4 Jetons d'entrée 240,230 Jetons de sortie 100,726 Jetons de raisonnement 0 Temps de réponse (moy.) 36.17s Temps de réponse (total) 795.83s Temps de réponse (max) 247.27s Mauvaise réponse: 13 Mise en forme supplémentaire: 2 Appel d'outil invalide: 2 N'a pas suivi les instructions: 1 Astuces anti-IA : 3.0 Programmation : 4.2 Combiné : 4.6 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.0 Intelligence générale : 4.2 Suivi des instructions : 6.5 Résolution d'énigmes : 3.1 Appel d'outils : 10.0 Culture générale : 3.0
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.595	37.19s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 1 Fiabilité 10.0 Taux de réussite par tentative 98.5% Tests instables 1 Jetons d'entrée 84,593 Jetons de sortie 10,517 Jetons de raisonnement 397,671 Temps de réponse (moy.) 37.19s Temps de réponse (total) 818.19s Temps de réponse (max) 177.08s Aucune réponse: 1 Astuces anti-IA : 10.0 Programmation : 10.0 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 8.2 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 10.0
#117#117	Qwen3.7 Flashlow	7.2	Qwen	$0.043	38.05s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 66.7% Tests instables 6 Jetons d'entrée 92,191 Jetons de sortie 14,286 Jetons de raisonnement 289,733 Temps de réponse (moy.) 38.05s Temps de réponse (total) 837.05s Temps de réponse (max) 394.54s Mauvaise réponse: 7 N'a pas suivi les instructions: 3 Erreur API: 1 Astuces anti-IA : 10.0 Programmation : 6.7 Combiné : 6.4 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.6 Intelligence générale : 4.0 Suivi des instructions : 8.5 Résolution d'énigmes : 7.3 Appel d'outils : 10.0 Culture générale : 3.0
#22#22	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
#307#307	Step 3.5 Flashnone	2.3	Stepfun	$0.020	39.03s
Voir la fiche du modèle Tests totaux 12 Tests incorrects 6 Fiabilité 10.0 Taux de réussite par tentative 27.3% Tests instables 0 Jetons d'entrée 1,971 Jetons de sortie 64,795 Jetons de raisonnement 0 Temps de réponse (moy.) 39.03s Temps de réponse (total) 312.26s Temps de réponse (max) 114.12s Erreur API: 4 N'a pas suivi les instructions: 1 Mauvaise réponse: 1 Astuces anti-IA : 10.0 Programmation : 9.8 Combiné : 1.5 Analyse et extraction des données : 1.5 Spécifique au domaine : 3.3 Intelligence générale : 4.0 Suivi des instructions : 5.0 Résolution d'énigmes : 0.0 Appel d'outils : 3.0 Culture générale : 3.0
#66#66	Qwen3.8 27Blow	7.9	Qwen	~$0.071	39.11s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 7 Fiabilité 10.0 Taux de réussite par tentative 68.2% Tests instables 0 Jetons d'entrée 99,705 Jetons de sortie 1,545 Jetons de raisonnement 167,784 Temps de réponse (moy.) 39.11s Temps de réponse (total) 860.51s Temps de réponse (max) 376.04s Mauvaise réponse: 4 Aucune réponse: 2 N'a pas suivi les instructions: 1 Astuces anti-IA : 10.0 Programmation : 7.7 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 5.0 Suivi des instructions : 10.0 Résolution d'énigmes : 7.7 Appel d'outils : 3.0 Culture générale : 3.0
#265#265	Hy4 previewnone	4.8	Tencent	$0.041	39.24s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 19 Fiabilité 4.3 Taux de réussite par tentative 16.7% Tests instables 1 Jetons d'entrée 26,376 Jetons de sortie 7,306 Jetons de raisonnement 0 Temps de réponse (moy.) 39.24s Temps de réponse (total) 863.30s Temps de réponse (max) 95.32s Mauvaise réponse: 9 Erreur API: 7 N'a pas suivi les instructions: 2 Mise en forme supplémentaire: 1 Astuces anti-IA : 3.3 Programmation : 3.8 Combiné : 3.0 Analyse et extraction des données : 8.7 Spécifique au domaine : 6.8 Intelligence générale : 5.1 Suivi des instructions : 7.0 Résolution d'énigmes : 4.6 Appel d'outils : 3.0 Culture générale : 3.0
#277#277	Cobuddymedium	4.7	Baidu	$0.000	39.90s
Voir la fiche du modèle Tests totaux 21 Tests incorrects 14 Fiabilité 10.0 Taux de réussite par tentative 45.5% Tests instables 6 Jetons d'entrée 37,449 Jetons de sortie 1,677 Jetons de raisonnement 116,703 Temps de réponse (moy.) 39.90s Temps de réponse (total) 797.98s Temps de réponse (max) 309.02s Mauvaise réponse: 9 N'a pas suivi les instructions: 3 Erreur API: 1 Appel d'outil invalide: 1 Astuces anti-IA : 8.7 Programmation : 3.7 Combiné : 1.5 Analyse et extraction des données : 6.3 Spécifique au domaine : 2.9 Intelligence générale : 4.2 Suivi des instructions : 9.8 Résolution d'énigmes : 3.6 Appel d'outils : 10.0 Culture générale : 3.0
#201#201	Mimo V2 Omnimedium	5.9	Xiaomi	$0.683 ↓	41.16s
Voir la fiche du modèle Tests totaux 21 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 53.0% Tests instables 3 Jetons d'entrée 37,007 Jetons de sortie 1,952 Jetons de raisonnement 357,306 Temps de réponse (moy.) 41.16s Temps de réponse (total) 823.26s Temps de réponse (max) 299.23s Mauvaise réponse: 5 N'a pas suivi les instructions: 2 Aucune réponse: 2 Erreur API: 1 Mise en forme supplémentaire: 1 Astuces anti-IA : 10.0 Programmation : 3.3 Combiné : 5.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.0 Intelligence générale : 5.4 Suivi des instructions : 8.3 Résolution d'énigmes : 5.9 Appel d'outils : 10.0 Culture générale : 3.0
#76#76	Qwen3.7 Flashhigh	7.8	Qwen	$0.052	41.37s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 9 Fiabilité 10.0 Taux de réussite par tentative 71.2% Tests instables 6 Jetons d'entrée 116,331 Jetons de sortie 12,330 Jetons de raisonnement 357,920 Temps de réponse (moy.) 41.37s Temps de réponse (total) 910.11s Temps de réponse (max) 431.47s Mauvaise réponse: 7 N'a pas suivi les instructions: 1 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 8.2 Combiné : 6.9 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 5.1 Suivi des instructions : 9.8 Résolution d'énigmes : 7.1 Appel d'outils : 10.0 Culture générale : 3.0
#256#256	MiniMax M2.7medium	5.0	Minimax	$0.208	43.25s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 17 Fiabilité 10.0 Taux de réussite par tentative 45.5% Tests instables 9 Jetons d'entrée 114,527 Jetons de sortie 18,558 Jetons de raisonnement 129,146 Temps de réponse (moy.) 43.25s Temps de réponse (total) 908.21s Temps de réponse (max) 196.21s Mauvaise réponse: 6 N'a pas suivi les instructions: 5 Aucune réponse: 2 Délai dépassé: 2 Erreur API: 1 Appel d'outil invalide: 1 Astuces anti-IA : 7.9 Programmation : 5.7 Combiné : 3.8 Analyse et extraction des données : 6.3 Spécifique au domaine : 3.0 Intelligence générale : 3.9 Suivi des instructions : 3.8 Résolution d'énigmes : 5.9 Appel d'outils : 4.7 Culture générale : 3.0
#123#123	Grok 4.3medium	7.0	X AI	$0.741	44.21s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 66.7% Tests instables 5 Jetons d'entrée 140,244 Jetons de sortie 13,739 Jetons de raisonnement 212,165 Temps de réponse (moy.) 44.21s Temps de réponse (total) 972.64s Temps de réponse (max) 216.69s Mauvaise réponse: 6 N'a pas suivi les instructions: 2 Mise en forme supplémentaire: 1 Aucune réponse: 1 Astuces anti-IA : 10.0 Programmation : 5.9 Combiné : 6.5 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.5 Intelligence générale : 5.4 Suivi des instructions : 9.8 Résolution d'énigmes : 5.9 Appel d'outils : 10.0 Culture générale : 3.0
#19#19	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
#137#137	Qwen3.6 Flashmedium	6.8	Qwen	$0.741 ↓	44.97s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 66.7% Tests instables 5 Jetons d'entrée 129,050 Jetons de sortie 20,026 Jetons de raisonnement 616,923 Temps de réponse (moy.) 44.97s Temps de réponse (total) 989.32s Temps de réponse (max) 578.13s Mauvaise réponse: 8 N'a pas suivi les instructions: 1 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 5.0 Combiné : 6.5 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 4.8 Suivi des instructions : 10.0 Résolution d'énigmes : 8.2 Appel d'outils : 10.0 Culture générale : 3.0
#68#68	Qwen3.6 Plusmedium	7.8	Qwen	$0.418 ↑	45.52s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 7 Fiabilité 10.0 Taux de réussite par tentative 71.2% Tests instables 2 Jetons d'entrée 97,698 Jetons de sortie 6,417 Jetons de raisonnement 191,215 Temps de réponse (moy.) 45.52s Temps de réponse (total) 955.94s Temps de réponse (max) 291.55s Mauvaise réponse: 5 Erreur API: 1 N'a pas suivi les instructions: 1 Astuces anti-IA : 10.0 Programmation : 6.1 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 5.1 Suivi des instructions : 10.0 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#246#246	Granite 4.2 8Bmedium	5.2	IBM Granite	$0.009	45.97s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 15 Fiabilité 8.7 Taux de réussite par tentative 34.9% Tests instables 1 Jetons d'entrée 52,909 Jetons de sortie 7,058 Jetons de raisonnement 12,272 Temps de réponse (moy.) 45.97s Temps de réponse (total) 1011.42s Temps de réponse (max) 557.96s Mauvaise réponse: 9 Délai dépassé: 4 N'a pas suivi les instructions: 1 Aucune réponse: 1 Astuces anti-IA : 8.4 Programmation : 5.5 Combiné : 3.0 Analyse et extraction des données : 6.5 Spécifique au domaine : 5.3 Intelligence générale : 4.0 Suivi des instructions : 3.8 Résolution d'énigmes : 3.1 Appel d'outils : 10.0 Culture générale : 3.0
#170#170	MiMo-V2.5medium	6.4	Xiaomi	$0.104 ↓	46.28s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 68.2% Tests instables 7 Jetons d'entrée 105,456 Jetons de sortie 7,108 Jetons de raisonnement 319,940 Temps de réponse (moy.) 46.28s Temps de réponse (total) 1018.12s Temps de réponse (max) 316.27s Mauvaise réponse: 5 Mise en forme supplémentaire: 2 Aucune réponse: 2 N'a pas suivi les instructions: 1 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 6.2 Combiné : 8.7 Analyse et extraction des données : 2.7 Spécifique au domaine : 3.6 Intelligence générale : 5.4 Suivi des instructions : 9.9 Résolution d'énigmes : 8.2 Appel d'outils : 10.0 Culture générale : 3.0
#116#116	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 9 Fiabilité 9.6 Taux de réussite par tentative 63.6% Tests instables 2 Jetons d'entrée 42,106 Jetons de sortie 2,280 Jetons de raisonnement 169,843 Temps de réponse (moy.) 46.97s Temps de réponse (total) 986.35s Temps de réponse (max) 189.38s Mauvaise réponse: 8 Délai dépassé: 1 Astuces anti-IA : 10.0 Programmation : 6.2 Combiné : 6.5 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 4.9 Suivi des instructions : 10.0 Résolution d'énigmes : 8.2 Appel d'outils : 10.0 Culture générale : 3.0
#134#134	Qwen3.7 Flashmedium	6.9	Qwen	$0.065	47.38s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 12 Fiabilité 10.0 Taux de réussite par tentative 63.6% Tests instables 7 Jetons d'entrée 114,477 Jetons de sortie 12,786 Jetons de raisonnement 457,290 Temps de réponse (moy.) 47.38s Temps de réponse (total) 1042.43s Temps de réponse (max) 593.64s Mauvaise réponse: 8 N'a pas suivi les instructions: 3 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 6.2 Combiné : 6.4 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 5.5 Suivi des instructions : 5.8 Résolution d'énigmes : 7.1 Appel d'outils : 10.0 Culture générale : 3.0
#74#74	Seed-2.0-Litemedium	7.8	Bytedance Seed	$0.236	47.94s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 9 Fiabilité 10.0 Taux de réussite par tentative 69.7% Tests instables 4 Jetons d'entrée 129,906 Jetons de sortie 12,530 Jetons de raisonnement 88,766 Temps de réponse (moy.) 47.94s Temps de réponse (total) 1054.57s Temps de réponse (max) 254.92s Mauvaise réponse: 6 N'a pas suivi les instructions: 2 Aucune réponse: 1 Astuces anti-IA : 8.3 Programmation : 8.0 Combiné : 6.4 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.6 Intelligence générale : 6.7 Suivi des instructions : 10.0 Résolution d'énigmes : 9.0 Appel d'outils : 10.0 Culture générale : 3.0
#163#163	Laguna XS 2.1medium	6.5	Poolside	$0.068	48.18s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 13 Fiabilité 10.0 Taux de réussite par tentative 45.5% Tests instables 2 Jetons d'entrée 118,998 Jetons de sortie 30,750 Jetons de raisonnement 491,730 Temps de réponse (moy.) 48.18s Temps de réponse (total) 1059.93s Temps de réponse (max) 422.72s Mauvaise réponse: 10 Aucune réponse: 2 Appel d'outil invalide: 1 Astuces anti-IA : 4.8 Programmation : 5.5 Combiné : 6.3 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.5 Intelligence générale : 5.0 Suivi des instructions : 9.8 Résolution d'énigmes : 5.3 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