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.)
#118#118	Qwen3.7 Plusnone	7.3	Qwen	$0.106 ↓	12.11s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 54.6% Tests instables 0 Jetons d'entrée 98,833 Jetons de sortie 58,097 Jetons de raisonnement 0 Temps de réponse (moy.) 12.11s Temps de réponse (total) 266.40s Temps de réponse (max) 206.03s Mauvaise réponse: 9 N'a pas suivi les instructions: 1 Astuces anti-IA : 6.5 Programmation : 5.5 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 5.3 Suivi des instructions : 6.3 Résolution d'énigmes : 7.7 Appel d'outils : 10.0 Culture générale : 3.0
#119#119	DeepSeek V4 Flash 0731medium	7.3	DeepSeek	$0.066 ↓	84.66s
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 89,819 Jetons de sortie 58,398 Jetons de raisonnement 492,457 Temps de réponse (moy.) 84.66s Temps de réponse (total) 1862.46s Temps de réponse (max) 288.78s Mauvaise réponse: 5 Aucune réponse: 3 Mise en forme supplémentaire: 1 Appel d'outil invalide: 1 Délai dépassé: 1 Astuces anti-IA : 8.2 Programmation : 6.4 Combiné : 7.3 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 6.1 Suivi des instructions : 8.5 Résolution d'énigmes : 8.2 Appel d'outils : 10.0 Culture générale : 3.0
#120#120	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 9 Fiabilité 10.0 Taux de réussite par tentative 63.6% Tests instables 2 Jetons d'entrée 149,203 Jetons de sortie 16,797 Jetons de raisonnement 0 Temps de réponse (moy.) 4.92s Temps de réponse (total) 108.24s Temps de réponse (max) 35.03s Mauvaise réponse: 4 Mise en forme supplémentaire: 3 N'a pas suivi les instructions: 1 Aucune réponse: 1 Astuces anti-IA : 6.5 Programmation : 5.5 Combiné : 9.8 Analyse et extraction des données : 7.3 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 9.9 Résolution d'énigmes : 7.7 Appel d'outils : 10.0 Culture générale : 3.0
#121#121	Kimi K2.6medium	7.2	Moonshot AI	$1.247 ↑	115.89s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 63.6% Tests instables 4 Jetons d'entrée 68,913 Jetons de sortie 64,654 Jetons de raisonnement 282,865 Temps de réponse (moy.) 115.89s Temps de réponse (total) 2433.66s Temps de réponse (max) 876.20s Délai dépassé: 3 Mauvaise réponse: 3 N'a pas suivi les instructions: 2 Appel d'outil invalide: 1 Aucune réponse: 1 Astuces anti-IA : 7.0 Programmation : 5.7 Combiné : 6.9 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 10.0 Résolution d'énigmes : 6.0 Appel d'outils : 10.0 Culture générale : 3.0
#122#122	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.506	22.11s
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 106,085 Jetons de sortie 9,071 Jetons de raisonnement 135,288 Temps de réponse (moy.) 22.11s Temps de réponse (total) 486.31s Temps de réponse (max) 199.97s Mauvaise réponse: 10 Appel d'outil invalide: 1 Astuces anti-IA : 7.0 Programmation : 6.4 Combiné : 7.3 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 5.1 Suivi des instructions : 9.9 Résolution d'énigmes : 8.2 Appel d'outils : 10.0 Culture générale : 3.0
#123#123	Muse Glimmer 30Bhigh	7.2	Meta	$0.397 ↓	66.70s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 12 Fiabilité 10.0 Taux de réussite par tentative 65.2% Tests instables 8 Jetons d'entrée 103,494 Jetons de sortie 100,589 Jetons de raisonnement 270,217 Temps de réponse (moy.) 66.70s Temps de réponse (total) 1467.39s Temps de réponse (max) 451.90s Mauvaise réponse: 7 N'a pas suivi les instructions: 3 Aucune réponse: 2 Astuces anti-IA : 8.7 Programmation : 8.8 Combiné : 6.4 Analyse et extraction des données : 7.3 Spécifique au domaine : 2.9 Intelligence générale : 5.3 Suivi des instructions : 8.4 Résolution d'énigmes : 6.1 Appel d'outils : 10.0 Culture générale : 3.0
#125#125	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
#126#126	Muse Glimmer 30Bmedium	7.2	Meta	$0.211 ↓	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
#127#127	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.207 ↑	65.67s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 8 Fiabilité 10.0 Taux de réussite par tentative 71.2% Tests instables 4 Jetons d'entrée 124,780 Jetons de sortie 47,694 Jetons de raisonnement 439,825 Temps de réponse (moy.) 65.67s Temps de réponse (total) 1444.68s Temps de réponse (max) 519.30s Mauvaise réponse: 5 Délai dépassé: 2 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 6.0 Combiné : 6.4 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 3.4 Suivi des instructions : 10.0 Résolution d'énigmes : 10.0 Appel d'outils : 10.0 Culture générale : 3.0
#128#128	Muse Glimmer 30Blow	7.1	Meta	$0.143 ↓	18.64s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 63.6% Tests instables 5 Jetons d'entrée 130,312 Jetons de sortie 33,867 Jetons de raisonnement 62,103 Temps de réponse (moy.) 18.64s Temps de réponse (total) 410.18s Temps de réponse (max) 234.92s Mauvaise réponse: 6 N'a pas suivi les instructions: 3 Appel d'outil invalide: 1 Aucune réponse: 1 Astuces anti-IA : 8.7 Programmation : 8.1 Combiné : 3.8 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.5 Intelligence générale : 5.0 Suivi des instructions : 8.4 Résolution d'énigmes : 7.7 Appel d'outils : 10.0 Culture générale : 3.0
#129#129	Step 3.7 Flashlow	7.1	Stepfun	$0.390	17.87s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 63.6% Tests instables 5 Jetons d'entrée 103,842 Jetons de sortie 320,393 Jetons de raisonnement 0 Temps de réponse (moy.) 17.87s Temps de réponse (total) 393.04s Temps de réponse (max) 124.75s Mauvaise réponse: 9 Appel d'outil invalide: 1 Aucune réponse: 1 Astuces anti-IA : 8.7 Programmation : 8.2 Combiné : 7.3 Analyse et extraction des données : 7.3 Spécifique au domaine : 2.9 Intelligence générale : 3.4 Suivi des instructions : 9.8 Résolution d'énigmes : 5.5 Appel d'outils : 10.0 Culture générale : 3.0
#130#130	Solar Pro 4high	7.1	Upstage	$0.046	120.58s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 62.1% Tests instables 5 Jetons d'entrée 79,740 Jetons de sortie 23,357 Jetons de raisonnement 339,837 Temps de réponse (moy.) 120.58s Temps de réponse (total) 2652.77s Temps de réponse (max) 491.07s Mauvaise réponse: 5 N'a pas suivi les instructions: 3 Erreur API: 1 Mise en forme supplémentaire: 1 Aucune réponse: 1 Astuces anti-IA : 8.7 Programmation : 5.7 Combiné : 7.3 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.6 Intelligence générale : 5.5 Suivi des instructions : 7.9 Résolution d'énigmes : 8.7 Appel d'outils : 10.0 Culture générale : 3.0
#131#131	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
#132#132	GPT-5.6 Solnone	7.0	OpenAI	$0.201 ↓	2.17s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 63.6% Tests instables 3 Jetons d'entrée 78,602 Jetons de sortie 4,357 Jetons de raisonnement 0 Temps de réponse (moy.) 2.17s Temps de réponse (total) 47.66s Temps de réponse (max) 12.81s Mauvaise réponse: 9 N'a pas suivi les instructions: 1 Astuces anti-IA : 8.3 Programmation : 5.5 Combiné : 6.5 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.9 Intelligence générale : 6.5 Suivi des instructions : 8.5 Résolution d'énigmes : 7.7 Appel d'outils : 10.0 Culture générale : 3.0
#133#133	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 65.2% Tests instables 7 Jetons d'entrée 101,056 Jetons de sortie 11,832 Jetons de raisonnement 116,955 Temps de réponse (moy.) 68.43s Temps de réponse (total) 1505.53s Temps de réponse (max) 376.10s Mauvaise réponse: 5 Erreur API: 2 Délai dépassé: 2 N'a pas suivi les instructions: 1 Appel d'outil invalide: 1 Astuces anti-IA : 8.2 Programmation : 6.0 Combiné : 7.3 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 3.4 Suivi des instructions : 10.0 Résolution d'énigmes : 7.0 Appel d'outils : 10.0 Culture générale : 3.0
#135#135	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 10 Fiabilité 10.0 Taux de réussite par tentative 59.1% Tests instables 2 Jetons d'entrée 79,294 Jetons de sortie 4,915 Jetons de raisonnement 0 Temps de réponse (moy.) 2.35s Temps de réponse (total) 51.78s Temps de réponse (max) 12.24s Mauvaise réponse: 10 Astuces anti-IA : 6.9 Programmation : 5.5 Combiné : 6.5 Analyse et extraction des données : 10.0 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 6.2 Résolution d'énigmes : 7.7 Appel d'outils : 10.0 Culture générale : 3.0
#136#136	Mercury 2medium	7.0	Inception	$0.094	2.95s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 12 Fiabilité 10.0 Taux de réussite par tentative 53.0% Tests instables 4 Jetons d'entrée 110,515 Jetons de sortie 10,325 Jetons de raisonnement 77,229 Temps de réponse (moy.) 2.95s Temps de réponse (total) 61.89s Temps de réponse (max) 14.63s Mauvaise réponse: 8 N'a pas suivi les instructions: 3 Appel d'outil invalide: 1 Astuces anti-IA : 6.9 Programmation : 8.2 Combiné : 6.7 Analyse et extraction des données : 7.3 Spécifique au domaine : 2.9 Intelligence générale : 4.8 Suivi des instructions : 10.0 Résolution d'énigmes : 5.4 Appel d'outils : 10.0 Culture générale : 3.0
#137#137	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
#139#139	Kimi K2.5medium	7.0	Moonshot AI	$0.479 ↓	98.19s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 12 Fiabilité 10.0 Taux de réussite par tentative 63.6% Tests instables 8 Jetons d'entrée 118,496 Jetons de sortie 53,522 Jetons de raisonnement 167,420 Temps de réponse (moy.) 98.19s Temps de réponse (total) 1571.05s Temps de réponse (max) 281.00s Mauvaise réponse: 5 N'a pas suivi les instructions: 2 Aucune réponse: 2 Délai dépassé: 2 Appel d'outil invalide: 1 Astuces anti-IA : 7.3 Programmation : 6.1 Combiné : 6.7 Analyse et extraction des données : 10.0 Spécifique au domaine : 2.9 Intelligence générale : 6.5 Suivi des instructions : 10.0 Résolution d'énigmes : 5.3 Appel d'outils : 10.0 Culture générale : 3.0
#140#140	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
#141#141	Claude Fable 5.1low	6.9	Anthropic	$2.565	10.33s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 56.1% Tests instables 2 Jetons d'entrée 134,582 Jetons de sortie 8,955 Jetons de raisonnement 15,420 Temps de réponse (moy.) 10.33s Temps de réponse (total) 227.37s Temps de réponse (max) 33.10s Mise en forme supplémentaire: 4 Mauvaise réponse: 4 N'a pas suivi les instructions: 3 Astuces anti-IA : 6.5 Programmation : 3.4 Combiné : 10.0 Analyse et extraction des données : 10.0 Spécifique au domaine : 4.1 Intelligence générale : 10.0 Suivi des instructions : 6.5 Résolution d'énigmes : 7.7 Appel d'outils : 10.0 Culture générale : 3.0
#142#142	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
#144#144	Gemini 3.5 Flashnone	6.9	Google	$1.093	10.18s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 8 Fiabilité 10.0 Taux de réussite par tentative 69.7% Tests instables 3 Jetons d'entrée 13,852 Jetons de sortie 119,100 Jetons de raisonnement 0 Temps de réponse (moy.) 10.18s Temps de réponse (total) 183.29s Temps de réponse (max) 64.36s Erreur API: 4 Mauvaise réponse: 4 Astuces anti-IA : 10.0 Programmation : 8.8 Combiné : 3.0 Analyse et extraction des données : 6.5 Spécifique au domaine : 5.3 Intelligence générale : 10.0 Suivi des instructions : 9.8 Résolution d'énigmes : 10.0 Appel d'outils : 3.0 Culture générale : 2.8
#145#145	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
#146#146	Step 3.7 Flashhigh	6.8	Stepfun	$1.229	70.10s
Voir la fiche du modèle Tests totaux 22 Tests incorrects 11 Fiabilité 10.0 Taux de réussite par tentative 60.6% Tests instables 4 Jetons d'entrée 98,700 Jetons de sortie 1,050,900 Jetons de raisonnement 0 Temps de réponse (moy.) 70.10s Temps de réponse (total) 1542.14s Temps de réponse (max) 364.99s Mauvaise réponse: 7 Aucune réponse: 3 Appel d'outil invalide: 1 Astuces anti-IA : 10.0 Programmation : 4.0 Combiné : 8.7 Analyse et extraction des données : 10.0 Spécifique au domaine : 3.6 Intelligence générale : 5.5 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 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