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: 2026-10-17 Modèles évalués: 442

Modèles recommandés

GPT-6.1 Sol xhigh Intelligent Taux de réussite par tentative 97.1% Tests corrects 22 / 23 Score 9.9/10 Gemini 3.7 Flash low Rapide Temps de réponse (moy.) 6.24s Total des jetons de sortie 38,453 Score 9.4/10 GPT-6 Luna high Abordable Prix d'entrée $0.100 / 1M Prix de sortie $0.500 / 1M Prix de lecture du cache $0.010 / 1M Prix d’écriture du cache $0.125 / 1M Score 7.7/10

442/442

Rang	Modèle	Score	Entreprise	Coût total	Temps de réponse (moy.)
#409#409	Laguna Xs.2medium	3.3	Poolside	$0.015 ↕	6.73s
Voir la fiche du modèle Tests totaux 19 Tests incorrects 13 Fiabilité 10.0 Taux de réussite par tentative 42.0% 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 Tâches agentiques : 0.0 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
#287#287	Qwen3.8 Flash Nextnone	5.8	Qwen	~$0.011	5.71s
Voir la fiche du modèle Tests totaux 23 Tests incorrects 15 Fiabilité 10.0 Taux de réussite par tentative 43.5% Tests instables 3 Jetons d'entrée 266,004 Jetons de sortie 9,077 Jetons de raisonnement 0 Temps de réponse (moy.) 5.71s Temps de réponse (total) 131.36s Temps de réponse (max) 65.25s Mauvaise réponse: 14 Aucune réponse: 1 Tâches agentiques : 5.0 Astuces anti-IA : 6.5 Programmation : 5.5 Combiné : 3.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.0 Intelligence générale : 6.1 Suivi des instructions : 7.1 Résolution d'énigmes : 6.3 Appel d'outils : 10.0 Culture générale : 3.0
#431#431	Clef Omnidefault	1.9	Cloudflare	$0.011	880ms
Voir la fiche du modèle Tests totaux 12 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 8.7% Tests instables 0 Jetons d'entrée 70,125 Jetons de sortie 0 Jetons de raisonnement 0 Temps de réponse (moy.) 880ms Temps de réponse (total) 10.56s Temps de réponse (max) 1.31s Mauvaise réponse: 9 N'a pas suivi les instructions: 1 Tâches agentiques : 0.0 Astuces anti-IA : 4.0 Programmation : 2.5 Combiné : 0.0 Analyse et extraction des données : 6.5 Spécifique au domaine : 3.0 Intelligence générale : 0.0 Suivi des instructions : 1.5 Résolution d'énigmes : 1.7 Appel d'outils : 0.0 Culture générale : 0.0
#315#315	Qwen3.8 27Bnone	5.4	Qwen	~$0.010	5.05s
Voir la fiche du modèle Tests totaux 23 Tests incorrects 14 Fiabilité 10.0 Taux de réussite par tentative 39.1% Tests instables 0 Jetons d'entrée 281,460 Jetons de sortie 13,791 Jetons de raisonnement 0 Temps de réponse (moy.) 5.05s Temps de réponse (total) 116.11s Temps de réponse (max) 47.42s Mauvaise réponse: 12 N'a pas suivi les instructions: 1 Appel d'outil invalide: 1 Tâches agentiques : 5.0 Astuces anti-IA : 6.5 Programmation : 5.5 Combiné : 3.0 Analyse et extraction des données : 6.5 Spécifique au domaine : 7.7 Intelligence générale : 4.2 Suivi des instructions : 6.3 Résolution d'énigmes : 6.0 Appel d'outils : 10.0 Culture générale : 3.0
#439#439	Solar Decidedefault	1.0	Upstage	$0.009 ↑	6.01s
Voir la fiche du modèle Tests totaux 7 Tests incorrects 5 Fiabilité 10.0 Taux de réussite par tentative 14.5% Tests instables 3 Jetons d'entrée 47,586 Jetons de sortie 51 Jetons de raisonnement 0 Temps de réponse (moy.) 6.01s Temps de réponse (total) 42.05s Temps de réponse (max) 13.10s Mauvaise réponse: 5 Tâches agentiques : 0.0 Astuces anti-IA : 0.8 Programmation : 0.0 Combiné : 0.0 Analyse et extraction des données : 3.7 Spécifique au domaine : 4.3 Intelligence générale : 0.0 Suivi des instructions : 5.0 Résolution d'énigmes : 1.0 Appel d'outils : 0.0 Culture générale : 0.0
#403#403	Laguna M.1default	3.6	Poolside	$0.009 ↕	2.89s
Voir la fiche du modèle Tests totaux 19 Tests incorrects 15 Fiabilité 9.8 Taux de réussite par tentative 26.1% Tests instables 3 Jetons d'entrée 38,147 Jetons de sortie 2,054 Jetons de raisonnement 0 Temps de réponse (moy.) 2.89s Temps de réponse (total) 43.28s Temps de réponse (max) 15.42s Mauvaise réponse: 10 Erreur API: 4 Appel d'outil invalide: 1 Tâches agentiques : 0.0 Astuces anti-IA : 3.4 Programmation : 2.5 Combiné : 1.5 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.6 Intelligence générale : 3.0 Suivi des instructions : 6.3 Résolution d'énigmes : 3.0 Appel d'outils : 10.0 Culture générale : 3.0
#397#397	Nemotron 3.5 Lightningnone	3.8	NVIDIA	$0.009 ↕	15.92s
Voir la fiche du modèle Tests totaux 23 Tests incorrects 20 Fiabilité 9.8 Taux de réussite par tentative 15.9% Tests instables 2 Jetons d'entrée 97,418 Jetons de sortie 4,779 Jetons de raisonnement 0 Temps de réponse (moy.) 15.92s Temps de réponse (total) 366.20s Temps de réponse (max) 339.57s Mauvaise réponse: 16 Appel d'outil invalide: 2 N'a pas suivi les instructions: 1 Délai dépassé: 1 Tâches agentiques : 3.0 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
#430#430	Classify-1default	2.2	Scaledown	$0.008	4.58s
Voir la fiche du modèle Tests totaux 12 Tests incorrects 9 Fiabilité 9.4 Taux de réussite par tentative 18.8% Tests instables 2 Jetons d'entrée 195,645 Jetons de sortie 164 Jetons de raisonnement 0 Temps de réponse (moy.) 4.58s Temps de réponse (total) 55.01s Temps de réponse (max) 13.35s Mauvaise réponse: 8 Erreur API: 1 Tâches agentiques : 0.0 Astuces anti-IA : 4.0 Programmation : 2.7 Combiné : 0.0 Analyse et extraction des données : 7.3 Spécifique au domaine : 5.3 Intelligence générale : 0.0 Suivi des instructions : 1.5 Résolution d'énigmes : 1.0 Appel d'outils : 0.0 Culture générale : 0.0
#379#379	Trinity Large Previewdefault	4.4	Arcee AI	$0.008 ↑	2.83s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 18 Fiabilité 10.0 Taux de réussite par tentative 20.3% Tests instables 2 Jetons d'entrée 29,828 Jetons de sortie 2,169 Jetons de raisonnement 0 Temps de réponse (moy.) 2.83s Temps de réponse (total) 56.65s Temps de réponse (max) 14.34s Mauvaise réponse: 12 Erreur API: 3 N'a pas suivi les instructions: 3 Tâches agentiques : 3.0 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
#415#415	Grok 4.1 Fastdefault	3.1	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 18.8% 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 Tâches agentiques : 0.0 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
#410#410	Hy3 previewnone	3.3	Tencent	$0.007 ↕	12.92s
Voir la fiche du modèle Tests totaux 21 Tests incorrects 17 Fiabilité 10.0 Taux de réussite par tentative 21.7% 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 Tâches agentiques : 0.0 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
#396#396	Granite 4.1 8bdefault	3.8	IBM Granite	$0.007	1.38s
Voir la fiche du modèle Tests totaux 23 Tests incorrects 21 Fiabilité 10.0 Taux de réussite par tentative 8.7% Tests instables 0 Jetons d'entrée 113,836 Jetons de sortie 5,996 Jetons de raisonnement 0 Temps de réponse (moy.) 1.38s Temps de réponse (total) 31.81s Temps de réponse (max) 16.67s Mauvaise réponse: 13 N'a pas suivi les instructions: 4 Appel d'outil invalide: 2 Erreur API: 1 Mise en forme supplémentaire: 1 Tâches agentiques : 3.0 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
#427#427	GPT-6 Luna Decisionsdefault	2.4	OpenAI	$0.005	495ms
Voir la fiche du modèle Tests totaux 12 Tests incorrects 9 Fiabilité 10.0 Taux de réussite par tentative 13.0% Tests instables 0 Jetons d'entrée 47,583 Jetons de sortie 0 Jetons de raisonnement 0 Temps de réponse (moy.) 495ms Temps de réponse (total) 5.94s Temps de réponse (max) 842ms Mauvaise réponse: 8 N'a pas suivi les instructions: 1 Tâches agentiques : 0.0 Astuces anti-IA : 2.3 Programmation : 2.5 Combiné : 0.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 0.0 Suivi des instructions : 1.5 Résolution d'énigmes : 1.7 Appel d'outils : 0.0 Culture générale : 0.0
#416#416	Laguna Xs.2default	3.1	Poolside	$0.004 ↕	806ms
Voir la fiche du modèle Tests totaux 19 Tests incorrects 14 Fiabilité 10.0 Taux de réussite par tentative 21.7% 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 Tâches agentiques : 0.0 Astuces anti-IA : 3.0 Programmation : 0.8 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
#329#329	Ling 3.0 Flashnone	5.2	Inclusionai	$0.004 ↕	3.40s
Voir la fiche du modèle Tests totaux 23 Tests incorrects 17 Fiabilité 10.0 Taux de réussite par tentative 26.1% Tests instables 0 Jetons d'entrée 123,993 Jetons de sortie 12,777 Jetons de raisonnement 0 Temps de réponse (moy.) 3.40s Temps de réponse (total) 74.77s Temps de réponse (max) 17.51s Mauvaise réponse: 13 Erreur API: 2 N'a pas suivi les instructions: 1 Appel d'outil invalide: 1 Tâches agentiques : 3.0 Astuces anti-IA : 4.8 Programmation : 5.5 Combiné : 3.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.0 Intelligence générale : 5.0 Suivi des instructions : 4.8 Résolution d'énigmes : 5.3 Appel d'outils : 10.0 Culture générale : 3.0
#423#423	Jev 1.13default	2.6	Typesafe	$0.003	698ms
Voir la fiche du modèle Tests totaux 12 Tests incorrects 6 Fiabilité 10.0 Taux de réussite par tentative 26.1% Tests instables 0 Jetons d'entrée 67,092 Jetons de sortie 18,927 Jetons de raisonnement 0 Temps de réponse (moy.) 698ms Temps de réponse (total) 8.38s Temps de réponse (max) 1.08s Mauvaise réponse: 6 Tâches agentiques : 0.0 Astuces anti-IA : 4.0 Programmation : 2.2 Combiné : 0.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 7.7 Intelligence générale : 0.0 Suivi des instructions : 1.5 Résolution d'énigmes : 3.3 Appel d'outils : 0.0 Culture générale : 0.0
#429#429	Jev 1.14default	2.3	Typesafe	$0.003	377ms
Voir la fiche du modèle Tests totaux 12 Tests incorrects 8 Fiabilité 10.0 Taux de réussite par tentative 23.2% Tests instables 2 Jetons d'entrée 67,092 Jetons de sortie 18,927 Jetons de raisonnement 0 Temps de réponse (moy.) 377ms Temps de réponse (total) 4.52s Temps de réponse (max) 546ms Mauvaise réponse: 7 N'a pas suivi les instructions: 1 Tâches agentiques : 0.0 Astuces anti-IA : 4.0 Programmation : 2.7 Combiné : 0.0 Analyse et extraction des données : 7.3 Spécifique au domaine : 7.7 Intelligence générale : 0.0 Suivi des instructions : 1.5 Résolution d'énigmes : 1.7 Appel d'outils : 0.0 Culture générale : 0.0
#437#437	Solar Decide Flashdefault	1.7	Upstage	$0.003	1.33s
Voir la fiche du modèle Tests totaux 7 Tests incorrects 4 Fiabilité 10.0 Taux de réussite par tentative 13.0% Tests instables 0 Jetons d'entrée 47,586 Jetons de sortie 51 Jetons de raisonnement 0 Temps de réponse (moy.) 1.33s Temps de réponse (total) 9.32s Temps de réponse (max) 1.66s Mauvaise réponse: 4 Tâches agentiques : 0.0 Astuces anti-IA : 0.8 Programmation : 0.0 Combiné : 0.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 4.4 Intelligence générale : 0.0 Suivi des instructions : 1.5 Résolution d'énigmes : 1.0 Appel d'outils : 0.0 Culture générale : 0.0
#421#421	d1-ultradefault	2.7	Liquid	$0.003	531ms
Voir la fiche du modèle Tests totaux 12 Tests incorrects 8 Fiabilité 10.0 Taux de réussite par tentative 20.3% Tests instables 1 Jetons d'entrée 55,956 Jetons de sortie 0 Jetons de raisonnement 0 Temps de réponse (moy.) 531ms Temps de réponse (total) 6.38s Temps de réponse (max) 697ms Mauvaise réponse: 7 N'a pas suivi les instructions: 1 Tâches agentiques : 0.0 Astuces anti-IA : 4.0 Programmation : 5.3 Combiné : 0.0 Analyse et extraction des données : 6.5 Spécifique au domaine : 5.3 Intelligence générale : 0.0 Suivi des instructions : 1.5 Résolution d'énigmes : 1.7 Appel d'outils : 0.0 Culture générale : 0.0
#434#434	D1default	1.9	Liquid	$0.003	508ms
Voir la fiche du modèle Tests totaux 12 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 11.6% Tests instables 1 Jetons d'entrée 55,956 Jetons de sortie 0 Jetons de raisonnement 0 Temps de réponse (moy.) 508ms Temps de réponse (total) 6.10s Temps de réponse (max) 820ms Mauvaise réponse: 10 Tâches agentiques : 0.0 Astuces anti-IA : 4.0 Programmation : 2.2 Combiné : 0.0 Analyse et extraction des données : 6.5 Spécifique au domaine : 3.6 Intelligence générale : 0.0 Suivi des instructions : 1.5 Résolution d'énigmes : 1.7 Appel d'outils : 0.0 Culture générale : 0.0
#428#428	Kev 4Bdefault	2.4	Jaredpalmer	$0.002	5.63s
Voir la fiche du modèle Tests totaux 12 Tests incorrects 9 Fiabilité 10.0 Taux de réussite par tentative 15.9% Tests instables 1 Jetons d'entrée 42,804 Jetons de sortie 28,061 Jetons de raisonnement 0 Temps de réponse (moy.) 5.63s Temps de réponse (total) 67.61s Temps de réponse (max) 17.79s Mauvaise réponse: 9 Tâches agentiques : 0.0 Astuces anti-IA : 2.3 Programmation : 4.5 Combiné : 0.0 Analyse et extraction des données : 6.5 Spécifique au domaine : 5.3 Intelligence générale : 0.0 Suivi des instructions : 1.5 Résolution d'énigmes : 2.0 Appel d'outils : 0.0 Culture générale : 0.0
#438#438	Microsoft-Decision-1default	1.4	Microsoft	$0.002	982ms
Voir la fiche du modèle Tests totaux 12 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 7.3% Tests instables 1 Jetons d'entrée 41,466 Jetons de sortie 69 Jetons de raisonnement 0 Temps de réponse (moy.) 982ms Temps de réponse (total) 11.78s Temps de réponse (max) 1.41s Mauvaise réponse: 11 Tâches agentiques : 0.0 Astuces anti-IA : 4.4 Programmation : 2.2 Combiné : 0.0 Analyse et extraction des données : 3.0 Spécifique au domaine : 3.0 Intelligence générale : 0.0 Suivi des instructions : 1.5 Résolution d'énigmes : 1.7 Appel d'outils : 0.0 Culture générale : 0.0
#426#426	Drex v1.5default	2.4	Nace AI	$0.002	986ms
Voir la fiche du modèle Tests totaux 12 Tests incorrects 8 Fiabilité 10.0 Taux de réussite par tentative 17.4% Tests instables 0 Jetons d'entrée 42,804 Jetons de sortie 27,468 Jetons de raisonnement 0 Temps de réponse (moy.) 986ms Temps de réponse (total) 11.84s Temps de réponse (max) 1.38s Mauvaise réponse: 8 Tâches agentiques : 0.0 Astuces anti-IA : 4.0 Programmation : 4.5 Combiné : 0.0 Analyse et extraction des données : 6.5 Spécifique au domaine : 5.3 Intelligence générale : 0.0 Suivi des instructions : 1.5 Résolution d'énigmes : 1.0 Appel d'outils : 0.0 Culture générale : 0.0
#373#373	Ling 2.6 Flashdefault	4.5	Inclusionai	$0.002 ↑	10.21s
Voir la fiche du modèle Tests totaux 23 Tests incorrects 17 Fiabilité 9.6 Taux de réussite par tentative 29.0% Tests instables 2 Jetons d'entrée 114,384 Jetons de sortie 14,903 Jetons de raisonnement 0 Temps de réponse (moy.) 10.21s Temps de réponse (total) 214.31s Temps de réponse (max) 36.03s Mauvaise réponse: 9 Erreur API: 3 Appel d'outil invalide: 3 N'a pas suivi les instructions: 2 Tâches agentiques : 3.0 Astuces anti-IA : 6.8 Programmation : 5.3 Combiné : 3.0 Analyse et extraction des données : 6.5 Spécifique au domaine : 3.0 Intelligence générale : 4.0 Suivi des instructions : 9.8 Résolution d'énigmes : 2.9 Appel d'outils : 3.0 Culture générale : 3.0
#425#425	Decider V1.1 27Bdefault	2.6	Perplexity	$0.002	320ms
Voir la fiche du modèle Tests totaux 12 Tests incorrects 8 Fiabilité 10.0 Taux de réussite par tentative 17.4% Tests instables 0 Jetons d'entrée 73,557 Jetons de sortie 69 Jetons de raisonnement 0 Temps de réponse (moy.) 320ms Temps de réponse (total) 3.84s Temps de réponse (max) 491ms Mauvaise réponse: 8 Tâches agentiques : 0.0 Astuces anti-IA : 4.0 Programmation : 4.9 Combiné : 0.0 Analyse et extraction des données : 6.5 Spécifique au domaine : 5.3 Intelligence générale : 0.0 Suivi des instructions : 1.5 Résolution d'énigmes : 1.7 Appel d'outils : 0.0 Culture générale : 0.0

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 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow