AI Benchy Leaderboard

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

Benchmarks gegenereerd uit AI BENCHY-testsuites op: 2026-10-02 Geëvalueerde modellen: 387

Aanbevolen modellen

GPT-6.1 Sol xhigh Intelligent Slaagpercentage per poging 97.1% Correcte tests 22 / 23 Score 9.9/10 Gemini 3.7 Flash low Snel Responstijd (gem.) 6.24s Totaal aantal uitvoer-tokens 38,453 Score 9.4/10 GPT-6 Luna high Betaalbaar Invoerprijs $0.100 / 1M Uitvoerprijs $0.500 / 1M Prijs voor cachelezen $0.010 / 1M Prijs voor cacheschrijven $0.125 / 1M Score 7.7/10

387/387

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#36#36	Paretonone	9.1	Unbiased	$1.520	33.47s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 87.0% Instabiele tests 2 Invoer-tokens 223,559 Uitvoer-tokens 128,144 Redeneer-tokens 0 Responstijd (gem.) 33.47s Responstijd (totaal) 769.84s Responstijd (max) 143.33s Verkeerd antwoord: 3 Ongeldige toolaanroep: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 7.2 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 2.8
#37#37	Seed 2.1 Turbohigh	9.1	Bytedance Seed	$1.892	170.52s
Modelkaart bekijken Totaal tests 23 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 79.7% Instabiele tests 3 Invoer-tokens 246,954 Uitvoer-tokens 8,378 Redeneer-tokens 698,942 Responstijd (gem.) 170.52s Responstijd (totaal) 3922.04s Responstijd (max) 584.71s Verkeerd antwoord: 4 Instructies niet gevolgd: 1 Geen antwoord: 1 Agenttaken : 10.0 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
#35#35	Muse Spark 1.3high	9.1	Meta	$1.891	52.87s
Modelkaart bekijken Totaal tests 23 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 78.3% Instabiele tests 2 Invoer-tokens 257,320 Uitvoer-tokens 14,459 Redeneer-tokens 354,683 Responstijd (gem.) 52.87s Responstijd (totaal) 1216.04s Responstijd (max) 251.53s Verkeerd antwoord: 3 Instructies niet gevolgd: 2 Geen antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 10.0 Instructies opvolgen : 6.5 Puzzeloplossing : 8.7 Toolaanroepen : 9.6 Algemene kennis : 3.0
#34#34	GPT-5.3-Codexmedium	9.1	OpenAI	$1.318	18.87s
Modelkaart bekijken Totaal tests 23 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 84.1% Instabiele tests 4 Invoer-tokens 222,794 Uitvoer-tokens 7,357 Redeneer-tokens 58,930 Responstijd (gem.) 18.87s Responstijd (totaal) 433.94s Responstijd (max) 100.93s Verkeerd antwoord: 4 Instructies niet gevolgd: 2 Agenttaken : 10.0 Anti-AI-trucs : 8.7 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 4.6 Instructies opvolgen : 10.0 Puzzeloplossing : 9.0 Toolaanroepen : 10.0 Algemene kennis : 2.8
#33#33	Qwen3.8 Max (0902)high	9.1	Qwen	$3.306	186.06s
Modelkaart bekijken Totaal tests 23 Foute tests 5 Betrouwbaarheid 9.8 Slaagpercentage per poging 87.0% Instabiele tests 3 Invoer-tokens 328,637 Uitvoer-tokens 8,619 Redeneer-tokens 432,733 Responstijd (gem.) 186.06s Responstijd (totaal) 4279.49s Responstijd (max) 912.78s Verkeerd antwoord: 2 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Time-out: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 8.7 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 6.5 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#32#32	Qwen3.8 MAXmedium	9.2	Qwen	$1.181 ↑	27.34s
Modelkaart bekijken Totaal tests 23 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 81.2% Instabiele tests 1 Invoer-tokens 276,512 Uitvoer-tokens 8,152 Redeneer-tokens 96,444 Responstijd (gem.) 27.34s Responstijd (totaal) 628.75s Responstijd (max) 126.60s Verkeerd antwoord: 4 Ongeldige toolaanroep: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 8.7 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#31#31	Claude Sonnet 5.5max	9.2	Anthropic	$8.557	84.26s
Modelkaart bekijken Totaal tests 23 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 82.6% Instabiele tests 2 Invoer-tokens 484,627 Uitvoer-tokens 11,026 Redeneer-tokens 747,681 Responstijd (gem.) 84.26s Responstijd (totaal) 1937.91s Responstijd (max) 488.39s Geen antwoord: 3 Instructies niet gevolgd: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.1 Instructies opvolgen : 8.5 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#30#30	GPT-5.5medium	9.2	OpenAI	$4.809	39.86s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 88.4% Instabiele tests 3 Invoer-tokens 180,959 Uitvoer-tokens 6,472 Redeneer-tokens 123,635 Responstijd (gem.) 39.86s Responstijd (totaal) 916.82s Responstijd (max) 332.10s Verkeerd antwoord: 4 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 8.8 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 2.8
#29#29	Claude Opus 5.5medium	9.2	Anthropic	$1.804	25.85s
Modelkaart bekijken Totaal tests 23 Foute tests 3 Betrouwbaarheid 10.0 Slaagpercentage per poging 89.9% Instabiele tests 1 Invoer-tokens 290,117 Uitvoer-tokens 9,805 Redeneer-tokens 22,322 Responstijd (gem.) 25.85s Responstijd (totaal) 594.63s Responstijd (max) 90.20s Verkeerd antwoord: 2 Geen antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 8.4 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#28#28	Seed 2.1 Turbolow	9.3	Bytedance Seed	$1.645	161.25s
Modelkaart bekijken Totaal tests 23 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 81.2% Instabiele tests 2 Invoer-tokens 241,855 Uitvoer-tokens 8,387 Redeneer-tokens 600,946 Responstijd (gem.) 161.25s Responstijd (totaal) 3708.70s Responstijd (max) 739.98s Verkeerd antwoord: 3 Geen antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 8.2 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#27#27	Claude Opus 5medium	9.4	Anthropic	$2.870	13.24s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 84.1% Instabiele tests 1 Invoer-tokens 356,605 Uitvoer-tokens 26,715 Redeneer-tokens 17,041 Responstijd (gem.) 13.24s Responstijd (totaal) 304.46s Responstijd (max) 78.80s Verkeerd antwoord: 3 Geen antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#26#26	Claude Opus 5high	9.4	Anthropic	$4.524	25.31s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 82.6% Instabiele tests 0 Invoer-tokens 376,421 Uitvoer-tokens 67,688 Redeneer-tokens 37,974 Responstijd (gem.) 25.31s Responstijd (totaal) 582.11s Responstijd (max) 159.01s Verkeerd antwoord: 2 Extra opmaak: 1 Geen antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#25#25	Gemini 3.7 Flashlow	9.4	Google	$0.183	6.24s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 95.7% Instabiele tests 2 Invoer-tokens 188,519 Uitvoer-tokens 7,694 Redeneer-tokens 30,759 Responstijd (gem.) 6.24s Responstijd (totaal) 143.56s Responstijd (max) 58.75s Verkeerd antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 7.6 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 8.2 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#24#24	Claude Opus 5.5high	9.4	Anthropic	$2.133	27.55s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 87.0% Instabiele tests 2 Invoer-tokens 319,095 Uitvoer-tokens 10,371 Redeneer-tokens 32,411 Responstijd (gem.) 27.55s Responstijd (totaal) 633.73s Responstijd (max) 95.95s Verkeerd antwoord: 2 Instructies niet gevolgd: 1 Geen antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#23#23	Claude Opus 5.5low	9.4	Anthropic	$1.733	25.68s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 88.4% Instabiele tests 2 Invoer-tokens 308,056 Uitvoer-tokens 9,434 Redeneer-tokens 15,572 Responstijd (gem.) 25.68s Responstijd (totaal) 590.71s Responstijd (max) 89.16s Verkeerd antwoord: 2 Instructies niet gevolgd: 1 Geen antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#22#22	GPT-5.5low	9.5	OpenAI	$1.822	11.91s
Modelkaart bekijken Totaal tests 23 Foute tests 3 Betrouwbaarheid 10.0 Slaagpercentage per poging 87.0% Instabiele tests 0 Invoer-tokens 177,939 Uitvoer-tokens 6,283 Redeneer-tokens 24,782 Responstijd (gem.) 11.91s Responstijd (totaal) 273.82s Responstijd (max) 56.19s Verkeerd antwoord: 3 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#21#21	GPT-5.6 Solhigh	9.5	OpenAI	$1.595 ↑	13.59s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 89.9% Instabiele tests 3 Invoer-tokens 195,567 Uitvoer-tokens 5,841 Redeneer-tokens 26,230 Responstijd (gem.) 13.59s Responstijd (totaal) 312.61s Responstijd (max) 59.99s Verkeerd antwoord: 4 Agenttaken : 10.0 Anti-AI-trucs : 8.7 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 4.7
#20#20	GPT-6 Astramedium	9.5	OpenAI	$2.707	9.90s
Modelkaart bekijken Totaal tests 23 Foute tests 3 Betrouwbaarheid 9.9 Slaagpercentage per poging 91.3% Instabiele tests 2 Invoer-tokens 165,464 Uitvoer-tokens 5,591 Redeneer-tokens 15,454 Responstijd (gem.) 9.90s Responstijd (totaal) 227.67s Responstijd (max) 73.48s Verkeerd antwoord: 3 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 2.8
#18#18	GPT-6 Solmedium	9.5	OpenAI	$0.703	12.12s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 94.2% Instabiele tests 1 Invoer-tokens 194,520 Uitvoer-tokens 5,396 Redeneer-tokens 25,991 Responstijd (gem.) 12.12s Responstijd (totaal) 278.70s Responstijd (max) 82.74s Verkeerd antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 8.2 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#19#19	GPT-5.6 Solmedium	9.5	OpenAI	$1.700	14.57s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 91.3% Instabiele tests 3 Invoer-tokens 191,341 Uitvoer-tokens 5,665 Redeneer-tokens 32,340 Responstijd (gem.) 14.57s Responstijd (totaal) 335.16s Responstijd (max) 79.40s Verkeerd antwoord: 4 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 4.7
#17#17	Gemini 3.7 Flashmedium	9.5	Google	$0.278	8.16s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 94.2% Instabiele tests 1 Invoer-tokens 202,347 Uitvoer-tokens 6,660 Redeneer-tokens 68,002 Responstijd (gem.) 8.16s Responstijd (totaal) 187.58s Responstijd (max) 58.39s Verkeerd antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 8.4 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#16#16	GPT-6.1 Sollow	9.6	OpenAI	$0.460	7.15s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 92.8% Instabiele tests 1 Invoer-tokens 163,900 Uitvoer-tokens 4,958 Redeneer-tokens 8,180 Responstijd (gem.) 7.15s Responstijd (totaal) 164.47s Responstijd (max) 46.57s Verkeerd antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 2.8
#15#15	Gemini 3 Flash Previewmedium	9.6	Google	$0.876	21.57s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 94.2% Instabiele tests 1 Invoer-tokens 235,726 Uitvoer-tokens 6,669 Redeneer-tokens 245,867 Responstijd (gem.) 21.57s Responstijd (totaal) 496.12s Responstijd (max) 117.26s Verkeerd antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 8.6 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#14#14	GPT-6 Astralow	9.6	OpenAI	$2.160	7.01s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 9.9 Slaagpercentage per poging 91.3% Instabiele tests 0 Invoer-tokens 159,023 Uitvoer-tokens 4,935 Redeneer-tokens 6,454 Responstijd (gem.) 7.01s Responstijd (totaal) 161.20s Responstijd (max) 49.16s Verkeerd antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#13#13	GPT-5.6 Sollow	9.6	OpenAI	$1.244	11.13s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 87.0% Instabiele tests 2 Invoer-tokens 191,653 Uitvoer-tokens 5,473 Redeneer-tokens 17,084 Responstijd (gem.) 11.13s Responstijd (totaal) 256.08s Responstijd (max) 57.11s Verkeerd antwoord: 4 Agenttaken : 10.0 Anti-AI-trucs : 8.3 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 10.0

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 3.8 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