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: 2026-09-04 Modèles évalués: 316

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

316/316

Rang	Modèle	Score	Entreprise	Coût total	Temps de réponse (moy.)
#268#268	GPT-4o-mininone	5.0	OpenAI	$0.010	1.92s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 17 Fiabilité 10.0 Taux de réussite par tentative 22.7% Tests instables 0 Jetons d'entrée 53,145 Jetons de sortie 2,913 Jetons de raisonnement 0 Temps de réponse (moy.) 1.92s Temps de réponse (total) 30.71s Temps de réponse (max) 7.58s Mauvaise réponse: 15 N'a pas suivi les instructions: 1 Aucune réponse: 1 Astuces anti-IA : 4.8 Programmation : 3.2 Combiné : 3.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.0 Intelligence générale : 4.0 Suivi des instructions : 6.3 Résolution d'énigmes : 3.5 Appel d'outils : 10.0 Culture générale : 3.0
#270#270	Mercury 2.5 Previewnone	4.9	Inception	$0.018	3.51s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 18 Fiabilité 10.0 Taux de réussite par tentative 30.3% Tests instables 5 Jetons d'entrée 130,296 Jetons de sortie 82,585 Jetons de raisonnement 0 Temps de réponse (moy.) 3.51s Temps de réponse (total) 77.28s Temps de réponse (max) 60.70s Mauvaise réponse: 16 N'a pas suivi les instructions: 1 Appel d'outil invalide: 1 Astuces anti-IA : 3.8 Programmation : 4.7 Combiné : 3.0 Analyse et extraction des données : 6.3 Spécifique au domaine : 3.6 Intelligence générale : 5.0 Suivi des instructions : 6.3 Résolution d'énigmes : 5.6 Appel d'outils : 10.0 Culture générale : 3.0
#274#274	Ring-2.6-1Tnone	4.8	Inclusionai	$0.026 ↑	51.99s
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 7,608 Jetons de sortie 40,277 Jetons de raisonnement 0 Temps de réponse (moy.) 51.99s Temps de réponse (total) 831.90s Temps de réponse (max) 143.82s Erreur API: 6 Mauvaise réponse: 5 N'a pas suivi les instructions: 2 Astuces anti-IA : 9.2 Programmation : 5.3 Combiné : 3.0 Analyse et extraction des données : 3.0 Spécifique au domaine : 5.3 Intelligence générale : 4.3 Suivi des instructions : 9.8 Résolution d'énigmes : 7.7 Appel d'outils : 3.0 Culture générale : 3.0
#276#276	GPT-5.4 Nanonone	4.8	OpenAI	$0.041	2.56s
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 115,933 Jetons de sortie 13,794 Jetons de raisonnement 0 Temps de réponse (moy.) 2.56s Temps de réponse (total) 56.37s Temps de réponse (max) 25.50s Mauvaise réponse: 15 N'a pas suivi les instructions: 2 Aucune réponse: 1 Astuces anti-IA : 3.5 Programmation : 4.6 Combiné : 3.0 Analyse et extraction des données : 6.5 Spécifique au domaine : 2.9 Intelligence générale : 3.8 Suivi des instructions : 6.3 Résolution d'énigmes : 5.4 Appel d'outils : 10.0 Culture générale : 3.0
#277#277	Trinity Large Thinkinghigh	4.8	Arcee AI	$0.592 ↓	75.86s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 17 Fiabilité 10.0 Taux de réussite par tentative 39.4% Tests instables 8 Jetons d'entrée 101,776 Jetons de sortie 276,367 Jetons de raisonnement 656,252 Temps de réponse (moy.) 75.86s Temps de réponse (total) 1668.93s Temps de réponse (max) 510.21s Mauvaise réponse: 10 N'a pas suivi les instructions: 4 Appel d'outil invalide: 2 Aucune réponse: 1 Astuces anti-IA : 6.7 Programmation : 3.7 Combiné : 3.0 Analyse et extraction des données : 6.3 Spécifique au domaine : 2.9 Intelligence générale : 6.5 Suivi des instructions : 6.3 Résolution d'énigmes : 4.7 Appel d'outils : 10.0 Culture générale : 3.0
#279#279	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.070	12.46s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 17 Fiabilité 10.0 Taux de réussite par tentative 36.4% Tests instables 7 Jetons d'entrée 69,376 Jetons de sortie 97,752 Jetons de raisonnement 0 Temps de réponse (moy.) 12.46s Temps de réponse (total) 274.11s Temps de réponse (max) 121.05s Mauvaise réponse: 13 Mise en forme supplémentaire: 3 Erreur API: 1 Astuces anti-IA : 5.3 Programmation : 3.3 Combiné : 3.8 Analyse et extraction des données : 6.3 Spécifique au domaine : 3.0 Intelligence générale : 5.0 Suivi des instructions : 9.9 Résolution d'énigmes : 2.9 Appel d'outils : 10.0 Culture générale : 3.0
#280#280	GLM 4.7 Flashnone	4.8	Z.ai	$0.016	8.81s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 17 Fiabilité 10.0 Taux de réussite par tentative 30.3% Tests instables 3 Jetons d'entrée 101,513 Jetons de sortie 22,992 Jetons de raisonnement 0 Temps de réponse (moy.) 8.81s Temps de réponse (total) 140.88s Temps de réponse (max) 97.15s Mauvaise réponse: 14 Appel d'outil invalide: 2 N'a pas suivi les instructions: 1 Astuces anti-IA : 5.2 Programmation : 4.3 Combiné : 3.0 Analyse et extraction des données : 7.3 Spécifique au domaine : 5.3 Intelligence générale : 4.0 Suivi des instructions : 6.5 Résolution d'énigmes : 6.4 Appel d'outils : 2.8 Culture générale : 3.0
#281#281	Trinity Large Previewnone	4.8	Arcee AI	$0.008 ↑	2.98s
Voir la fiche du modèle Tests totaux 21 Tests incorrects 17 Fiabilité 10.0 Taux de réussite par tentative 21.2% Tests instables 2 Jetons d'entrée 29,828 Jetons de sortie 2,169 Jetons de raisonnement 0 Temps de réponse (moy.) 2.98s Temps de réponse (total) 56.57s Temps de réponse (max) 14.34s Mauvaise réponse: 12 N'a pas suivi les instructions: 3 Erreur API: 2 Astuces anti-IA : 3.1 Programmation : 3.7 Combiné : 1.5 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 4.5 Suivi des instructions : 3.5 Résolution d'énigmes : 3.6 Appel d'outils : 10.0 Culture générale : 3.0
#283#283	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
#284#284	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Voir la fiche du modèle Tests totaux 19 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 45.5% Tests instables 2 Jetons d'entrée 44,969 Jetons de sortie 58,087 Jetons de raisonnement 0 Temps de réponse (moy.) 14.73s Temps de réponse (total) 220.93s Temps de réponse (max) 53.14s Erreur API: 4 Mauvaise réponse: 4 N'a pas suivi les instructions: 1 Aucune réponse: 1 Astuces anti-IA : 6.5 Programmation : 1.5 Combiné : 1.5 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 3.0 Suivi des instructions : 10.0 Résolution d'énigmes : 5.3 Appel d'outils : 10.0 Culture générale : 3.0
#285#285	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
#286#286	Mercury 2none	4.7	Inception	$0.030	825ms
Voir la fiche du modèle Tests totaux 22 Tests incorrects 18 Fiabilité 10.0 Taux de réussite par tentative 24.2% Tests instables 2 Jetons d'entrée 89,637 Jetons de sortie 9,584 Jetons de raisonnement 0 Temps de réponse (moy.) 825ms Temps de réponse (total) 18.14s Temps de réponse (max) 4.52s Mauvaise réponse: 17 N'a pas suivi les instructions: 1 Astuces anti-IA : 3.0 Programmation : 3.4 Combiné : 3.0 Analyse et extraction des données : 7.3 Spécifique au domaine : 5.9 Intelligence générale : 4.8 Suivi des instructions : 6.5 Résolution d'énigmes : 3.1 Appel d'outils : 10.0 Culture générale : 3.0
#288#288	Qwen3 Coder Nextmedium	4.6	Qwen	$0.034 ↑	9.07s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 19 Fiabilité 10.0 Taux de réussite par tentative 25.8% Tests instables 4 Jetons d'entrée 148,203 Jetons de sortie 19,069 Jetons de raisonnement 0 Temps de réponse (moy.) 9.07s Temps de réponse (total) 154.19s Temps de réponse (max) 81.80s Mauvaise réponse: 14 N'a pas suivi les instructions: 3 Aucune réponse: 1 Délai dépassé: 1 Astuces anti-IA : 3.5 Programmation : 3.7 Combiné : 3.0 Analyse et extraction des données : 6.5 Spécifique au domaine : 3.6 Intelligence générale : 6.3 Suivi des instructions : 6.3 Résolution d'énigmes : 3.0 Appel d'outils : 10.0 Culture générale : 3.0
#289#289	MiniMax M2.5medium	4.6	Minimax	$0.327 ↑	69.08s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 17 Fiabilité 10.0 Taux de réussite par tentative 43.9% Tests instables 9 Jetons d'entrée 142,621 Jetons de sortie 20,409 Jetons de raisonnement 251,820 Temps de réponse (moy.) 69.08s Temps de réponse (total) 1036.24s Temps de réponse (max) 251.36s Mauvaise réponse: 7 Délai dépassé: 4 N'a pas suivi les instructions: 3 Aucune réponse: 2 Appel d'outil invalide: 1 Astuces anti-IA : 7.9 Programmation : 3.4 Combiné : 3.7 Analyse et extraction des données : 4.6 Spécifique au domaine : 2.9 Intelligence générale : 3.8 Suivi des instructions : 7.5 Résolution d'énigmes : 5.3 Appel d'outils : 10.0 Culture générale : 3.0
#290#290	Laguna S 2.1none	4.5	Poolside	$0.022 ↓	11.67s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 20 Fiabilité 10.0 Taux de réussite par tentative 15.2% Tests instables 3 Jetons d'entrée 125,604 Jetons de sortie 57,634 Jetons de raisonnement 0 Temps de réponse (moy.) 11.67s Temps de réponse (total) 256.71s Temps de réponse (max) 200.52s Mauvaise réponse: 18 N'a pas suivi les instructions: 1 Aucune réponse: 1 Astuces anti-IA : 3.1 Programmation : 3.4 Combiné : 2.9 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.0 Intelligence générale : 5.0 Suivi des instructions : 4.3 Résolution d'énigmes : 3.1 Appel d'outils : 4.7 Culture générale : 3.0
#299#299	Laguna Xs.2medium	4.1	Poolside	$0.015 ↕	6.73s
Voir la fiche du modèle Tests totaux 19 Tests incorrects 13 Fiabilité 10.0 Taux de réussite par tentative 43.9% Tests instables 6 Jetons d'entrée 39,481 Jetons de sortie 54,218 Jetons de raisonnement 0 Temps de réponse (moy.) 6.73s Temps de réponse (total) 100.98s Temps de réponse (max) 29.11s Mauvaise réponse: 6 Erreur API: 4 Aucune réponse: 2 Appel d'outil invalide: 1 Astuces anti-IA : 6.9 Programmation : 2.1 Combiné : 1.5 Analyse et extraction des données : 7.1 Spécifique au domaine : 4.1 Intelligence générale : 3.0 Suivi des instructions : 10.0 Résolution d'énigmes : 5.3 Appel d'outils : 4.7 Culture générale : 3.0
#300#300	Hy3 previewnone	4.0	Tencent	$0.007 ↕	12.92s
Voir la fiche du modèle Tests totaux 21 Tests incorrects 17 Fiabilité 10.0 Taux de réussite par tentative 22.7% Tests instables 2 Jetons d'entrée 27,172 Jetons de sortie 2,661 Jetons de raisonnement 0 Temps de réponse (moy.) 12.92s Temps de réponse (total) 232.64s Temps de réponse (max) 35.84s Mauvaise réponse: 8 Erreur API: 4 N'a pas suivi les instructions: 4 Mise en forme supplémentaire: 1 Astuces anti-IA : 4.8 Programmation : 2.7 Combiné : 1.5 Analyse et extraction des données : 6.5 Spécifique au domaine : 3.6 Intelligence générale : 4.1 Suivi des instructions : 6.3 Résolution d'énigmes : 3.1 Appel d'outils : 10.0 Culture générale : 3.0
#303#303	Granite 4.1 8Bnone	4.0	IBM Granite	$0.007	1.44s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 20 Fiabilité 10.0 Taux de réussite par tentative 9.1% Tests instables 0 Jetons d'entrée 113,836 Jetons de sortie 5,996 Jetons de raisonnement 0 Temps de réponse (moy.) 1.44s Temps de réponse (total) 31.75s Temps de réponse (max) 16.67s Mauvaise réponse: 13 N'a pas suivi les instructions: 4 Appel d'outil invalide: 2 Mise en forme supplémentaire: 1 Astuces anti-IA : 4.9 Programmation : 4.5 Combiné : 3.0 Analyse et extraction des données : 3.0 Spécifique au domaine : 3.0 Intelligence générale : 4.0 Suivi des instructions : 3.6 Résolution d'énigmes : 3.2 Appel d'outils : 10.0 Culture générale : 3.0
#304#304	Nemotron 3.5 Lightningnone	4.0	NVIDIA	$0.007 ↕	1.21s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 19 Fiabilité 10.0 Taux de réussite par tentative 16.7% Tests instables 2 Jetons d'entrée 74,074 Jetons de sortie 2,731 Jetons de raisonnement 0 Temps de réponse (moy.) 1.21s Temps de réponse (total) 26.62s Temps de réponse (max) 6.30s Mauvaise réponse: 16 Appel d'outil invalide: 2 N'a pas suivi les instructions: 1 Astuces anti-IA : 4.8 Programmation : 3.1 Combiné : 3.0 Analyse et extraction des données : 6.5 Spécifique au domaine : 3.0 Intelligence générale : 4.4 Suivi des instructions : 6.5 Résolution d'énigmes : 3.1 Appel d'outils : 2.8 Culture générale : 3.0
#305#305	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
#306#306	Ling 3.0 Tinyhigh	3.8	Inclusionai	$0.000	75.68s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 18 Fiabilité 10.0 Taux de réussite par tentative 24.2% Tests instables 3 Jetons d'entrée 115,314 Jetons de sortie 133,965 Jetons de raisonnement 816,718 Temps de réponse (moy.) 75.68s Temps de réponse (total) 1589.20s Temps de réponse (max) 345.15s Aucune réponse: 7 Mauvaise réponse: 6 N'a pas suivi les instructions: 3 Erreur API: 1 Appel d'outil invalide: 1 Astuces anti-IA : 6.4 Programmation : 2.9 Combiné : 3.0 Analyse et extraction des données : 2.8 Spécifique au domaine : 2.9 Intelligence générale : 5.4 Suivi des instructions : 6.8 Résolution d'énigmes : 3.0 Appel d'outils : 10.0 Culture générale : 3.0
#308#308	Grok 4.1 Fastnone	3.8	X AI	$0.008 ↓	1.62s
Voir la fiche du modèle Tests totaux 19 Tests incorrects 16 Fiabilité 10.0 Taux de réussite par tentative 19.7% Tests instables 3 Jetons d'entrée 36,608 Jetons de sortie 1,723 Jetons de raisonnement 0 Temps de réponse (moy.) 1.62s Temps de réponse (total) 19.48s Temps de réponse (max) 5.51s Mauvaise réponse: 13 N'a pas suivi les instructions: 3 Astuces anti-IA : 3.2 Programmation : 1.8 Combiné : 1.5 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.9 Intelligence générale : 4.4 Suivi des instructions : 3.0 Résolution d'énigmes : 3.0 Appel d'outils : 2.8 Culture générale : 3.0
#311#311	Laguna Xs.2none	3.8	Poolside	$0.004 ↕	806ms
Voir la fiche du modèle Tests totaux 19 Tests incorrects 14 Fiabilité 10.0 Taux de réussite par tentative 22.7% Tests instables 0 Jetons d'entrée 33,675 Jetons de sortie 2,826 Jetons de raisonnement 0 Temps de réponse (moy.) 806ms Temps de réponse (total) 12.09s Temps de réponse (max) 2.01s Mauvaise réponse: 8 Erreur API: 4 N'a pas suivi les instructions: 1 Appel d'outil invalide: 1 Astuces anti-IA : 3.0 Programmation : 8.3 Combiné : 1.5 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 3.0 Suivi des instructions : 6.5 Résolution d'énigmes : 5.3 Appel d'outils : 3.0 Culture générale : 3.0
#312#312	gpt-oss-120bnone	3.7	OpenAI	$0.010 ↓	21.61s
Voir la fiche du modèle Tests totaux 19 Tests incorrects 13 Fiabilité 10.0 Taux de réussite par tentative 33.3% Tests instables 2 Jetons d'entrée 9,081 Jetons de sortie 51,664 Jetons de raisonnement 0 Temps de réponse (moy.) 21.61s Temps de réponse (total) 345.79s Temps de réponse (max) 113.71s Mauvaise réponse: 8 Erreur API: 3 N'a pas suivi les instructions: 2 Astuces anti-IA : 6.5 Programmation : 1.5 Combiné : 1.5 Analyse et extraction des données : 6.5 Spécifique au domaine : 3.0 Intelligence générale : 4.8 Suivi des instructions : 9.8 Résolution d'énigmes : 6.0 Appel d'outils : 3.0 Culture générale : 3.0
#313#313	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.4	NVIDIA	$0.000	17.13s
Voir la fiche du modèle Tests totaux 19 Tests incorrects 15 Fiabilité 10.0 Taux de réussite par tentative 27.3% Tests instables 5 Jetons d'entrée 11,661 Jetons de sortie 48,491 Jetons de raisonnement 180,695 Temps de réponse (moy.) 17.13s Temps de réponse (total) 222.66s Temps de réponse (max) 147.45s Mauvaise réponse: 7 Erreur API: 6 N'a pas suivi les instructions: 1 Aucune réponse: 1 Astuces anti-IA : 6.4 Programmation : 1.1 Combiné : 1.5 Analyse et extraction des données : 7.3 Spécifique au domaine : 2.9 Intelligence générale : 3.0 Suivi des instructions : 7.3 Résolution d'énigmes : 2.9 Appel d'outils : 3.0 Culture générale : 3.0

←

1 9 10 11 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 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium