AI Benchy Leaderboard

Name: AI BENCHY modelbenchmarkresultaten
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks gegenereerd uit AI BENCHY-testsuites op: 2026-09-02 Geëvalueerde modellen: 305

Aanbevolen modellen

GPT-5.6 Sol high Intelligent Slaagpercentage per poging 89.4% Correcte tests 18 / 22 Score 9.4/10 GPT-5.6 Luna medium Snel Responstijd (gem.) 7.43s Totaal aantal uitvoer-tokens 44,525 Score 7.4/10 DeepSeek V4 Flash 0731 high Betaalbaar Invoerprijs $0.065 / 1M Uitvoerprijs $0.180 / 1M Score 8.0/10

305/305

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#24#24	Seed 2.1 Turbohigh	8.9	Bytedance Seed	$1.797	173.96s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 78.8% Instabiele tests 3 Invoer-tokens 104,695 Uitvoer-tokens 6,645 Redeneer-tokens 691,086 Responstijd (gem.) 173.96s Responstijd (totaal) 3827.19s Responstijd (max) 584.71s Verkeerd antwoord: 4 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 8.2 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 6.5 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#196#196	Step 3.5 Flashmedium	5.9	Stepfun	$0.132 ↑	191.63s
Modelkaart bekijken Totaal tests 21 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 50.0% Instabiele tests 2 Invoer-tokens 65,716 Uitvoer-tokens 189,424 Redeneer-tokens 379,112 Responstijd (gem.) 191.63s Responstijd (totaal) 3066.07s Responstijd (max) 1597.85s Verkeerd antwoord: 5 Instructies niet gevolgd: 3 API-fout: 1 Geen antwoord: 1 Time-out: 1 Anti-AI-trucs : 10.0 Programmeren : 2.4 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 5.5 Instructies opvolgen : 8.3 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#45#45	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 78.8% Instabiele tests 5 Invoer-tokens 104,433 Uitvoer-tokens 6,511 Redeneer-tokens 752,680 Responstijd (gem.) 193.59s Responstijd (totaal) 4258.98s Responstijd (max) 885.33s Verkeerd antwoord: 5 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 8.2 Programmeren : 8.2 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 6.1 Instructies opvolgen : 9.8 Puzzeloplossing : 9.9 Toolaanroepen : 10.0 Algemene kennis : 3.0
#222#222	Hy4 previewlow	5.6	Tencent	$1.745	214.25s
Modelkaart bekijken Totaal tests 22 Foute tests 19 Betrouwbaarheid 5.4 Slaagpercentage per poging 19.7% Instabiele tests 3 Invoer-tokens 45,154 Uitvoer-tokens 4,022 Redeneer-tokens 678,516 Responstijd (gem.) 214.25s Responstijd (totaal) 4713.56s Responstijd (max) 597.45s API-fout: 14 Verkeerd antwoord: 3 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 6.0 Programmeren : 5.2 Gecombineerd : 2.9 Gegevensparsering en extractie : 8.7 Domeinspecifiek : 4.5 Algemene intelligentie : 7.5 Instructies opvolgen : 9.8 Puzzeloplossing : 5.3 Toolaanroepen : 3.0 Algemene kennis : 3.0
#276#276	Granite 4.2 8Bhigh	4.6	IBM Granite	$0.084	235.89s
Modelkaart bekijken Totaal tests 22 Foute tests 18 Betrouwbaarheid 7.6 Slaagpercentage per poging 39.4% Instabiele tests 10 Invoer-tokens 43,278 Uitvoer-tokens 181,083 Redeneer-tokens 431,132 Responstijd (gem.) 235.89s Responstijd (totaal) 5189.64s Responstijd (max) 685.87s Time-out: 10 Verkeerd antwoord: 6 Ongeldige toolaanroep: 1 Geen antwoord: 1 Anti-AI-trucs : 6.9 Programmeren : 3.8 Gecombineerd : 5.0 Gegevensparsering en extractie : 3.8 Domeinspecifiek : 2.9 Algemene intelligentie : 5.5 Instructies opvolgen : 6.4 Puzzeloplossing : 2.9 Toolaanroepen : 10.0 Algemene kennis : 3.0

←

1 12 13

Wereldwijde benchmarktrends

Bekijk hoe huidige modellen score, kosten, snelheid, uitvoerlengte en prestaties per categorie afwegen.

Grafieken →

Paretofront: intelligentie vs kosten

Ontwikkeling van de beste score van toonaangevende bedrijven

Paretofront: intelligentie vs reactiesnelheid

Paretofront: score vs uitvoertokens

Moeilijkheid per categorie over alle modellen

Snelle vergelijking

Gemini 3.6 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 Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow