AI Benchy Leaderboard

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

Benchmarks gegenereerd uit AI BENCHY-testsuites op: 2026-10-17 Geëvalueerde modellen: 442

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

442/442

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#384#384	MiniMax M2.5medium	4.3	Minimax	$0.440 ↑	102.32s
Modelkaart bekijken Totaal tests 23 Foute tests 18 Betrouwbaarheid 9.3 Slaagpercentage per poging 42.0% Instabiele tests 9 Invoer-tokens 188,239 Uitvoer-tokens 27,822 Redeneer-tokens 262,674 Responstijd (gem.) 102.32s Responstijd (totaal) 1637.05s Responstijd (max) 600.81s Verkeerd antwoord: 7 Time-out: 5 Instructies niet gevolgd: 3 Geen antwoord: 2 Ongeldige toolaanroep: 1 Agenttaken : 3.0 Anti-AI-trucs : 7.9 Programmeren : 3.4 Gecombineerd : 3.7 Gegevensparsering en extractie : 4.6 Domeinspecifiek : 2.9 Algemene intelligentie : 3.8 Instructies opvolgen : 7.5 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#176#176	Qwen3.8 Flash Nextxhigh	7.1	Qwen	~$0.195	102.66s
Modelkaart bekijken Totaal tests 23 Foute tests 9 Betrouwbaarheid 9.9 Slaagpercentage per poging 72.5% Instabiele tests 6 Invoer-tokens 301,749 Uitvoer-tokens 1,033 Redeneer-tokens 620,023 Responstijd (gem.) 102.66s Responstijd (totaal) 2361.10s Responstijd (max) 674.08s Verkeerd antwoord: 6 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Agenttaken : 4.7 Anti-AI-trucs : 10.0 Programmeren : 7.4 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 4.7 Instructies opvolgen : 9.8 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#157#157	Gemma 4 26B A4Bmedium	7.3	Google	$0.101 ↓	105.03s
Modelkaart bekijken Totaal tests 23 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 71.0% Instabiele tests 1 Invoer-tokens 224,367 Uitvoer-tokens 27,095 Redeneer-tokens 242,256 Responstijd (gem.) 105.03s Responstijd (totaal) 2310.63s Responstijd (max) 912.19s Geen antwoord: 2 Time-out: 2 Verkeerd antwoord: 2 Ongeldige toolaanroep: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 2.9 Gecombineerd : 6.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#174#174	Qwen3.6 27Bmedium	7.2	Qwen	$1.021 ↑	107.79s
Modelkaart bekijken Totaal tests 23 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 62.3% Instabiele tests 7 Invoer-tokens 264,147 Uitvoer-tokens 34,419 Redeneer-tokens 253,480 Responstijd (gem.) 107.79s Responstijd (totaal) 2479.26s Responstijd (max) 1085.11s Verkeerd antwoord: 5 Geen antwoord: 3 Ongeldige toolaanroep: 2 Extra opmaak: 1 Instructies niet gevolgd: 1 Agenttaken : 10.0 Anti-AI-trucs : 8.3 Programmeren : 7.7 Gecombineerd : 6.7 Gegevensparsering en extractie : 3.5 Domeinspecifiek : 2.9 Algemene intelligentie : 6.5 Instructies opvolgen : 10.0 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#390#390	Qwen3.5-9Bmedium	4.0	Qwen	$0.106	110.18s
Modelkaart bekijken Totaal tests 23 Foute tests 20 Betrouwbaarheid 8.7 Slaagpercentage per poging 26.1% Instabiele tests 6 Invoer-tokens 387,323 Uitvoer-tokens 48,562 Redeneer-tokens 410,431 Responstijd (gem.) 110.18s Responstijd (totaal) 1873.00s Responstijd (max) 569.97s Time-out: 11 Geen antwoord: 3 Verkeerd antwoord: 2 API-fout: 1 Extra opmaak: 1 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Agenttaken : 5.2 Anti-AI-trucs : 5.1 Programmeren : 2.9 Gecombineerd : 3.0 Gegevensparsering en extractie : 3.6 Domeinspecifiek : 3.6 Algemene intelligentie : 2.8 Instructies opvolgen : 6.5 Puzzeloplossing : 3.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#245#245	Qwen3.5-35B-A3Bmedium	6.3	Qwen	$0.716 ↓	111.54s
Modelkaart bekijken Totaal tests 23 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 7 Invoer-tokens 378,048 Uitvoer-tokens 56,477 Redeneer-tokens 865,151 Responstijd (gem.) 111.54s Responstijd (totaal) 2565.38s Responstijd (max) 950.25s Geen antwoord: 3 Time-out: 3 Verkeerd antwoord: 3 API-fout: 1 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Agenttaken : 7.4 Anti-AI-trucs : 10.0 Programmeren : 5.9 Gecombineerd : 3.8 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 3.5 Algemene intelligentie : 2.8 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#349#349	Laguna S 2.1high	4.9	Poolside	$0.145 ↓	113.63s
Modelkaart bekijken Totaal tests 23 Foute tests 19 Betrouwbaarheid 10.0 Slaagpercentage per poging 27.5% Instabiele tests 6 Invoer-tokens 344,806 Uitvoer-tokens 177,330 Redeneer-tokens 453,213 Responstijd (gem.) 113.63s Responstijd (totaal) 2613.48s Responstijd (max) 1190.11s Verkeerd antwoord: 12 Ongeldige toolaanroep: 2 Geen antwoord: 2 API-fout: 1 Extra opmaak: 1 Instructies niet gevolgd: 1 Agenttaken : 2.8 Anti-AI-trucs : 3.4 Programmeren : 5.3 Gecombineerd : 2.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 4.6 Instructies opvolgen : 4.6 Puzzeloplossing : 2.9 Toolaanroepen : 10.0 Algemene kennis : 3.0
#114#114	Qwen3.5-27Bmedium	7.9	Qwen	$1.135	114.73s
Modelkaart bekijken Totaal tests 23 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 76.8% Instabiele tests 6 Invoer-tokens 288,919 Uitvoer-tokens 17,484 Redeneer-tokens 617,804 Responstijd (gem.) 114.73s Responstijd (totaal) 2638.74s Responstijd (max) 1026.43s Verkeerd antwoord: 4 Instructies niet gevolgd: 2 Extra opmaak: 1 Ongeldige toolaanroep: 1 Time-out: 1 Agenttaken : 10.0 Anti-AI-trucs : 8.7 Programmeren : 6.2 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 6.1 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#217#217	LongCat 2.0low	6.6	Meituan	$0.630 ↑	115.00s
Modelkaart bekijken Totaal tests 23 Foute tests 13 Betrouwbaarheid 9.9 Slaagpercentage per poging 55.1% Instabiele tests 5 Invoer-tokens 262,387 Uitvoer-tokens 7,344 Redeneer-tokens 338,881 Responstijd (gem.) 115.00s Responstijd (totaal) 2645.11s Responstijd (max) 560.39s Verkeerd antwoord: 8 API-fout: 2 Instructies niet gevolgd: 1 Geen antwoord: 1 Time-out: 1 Agenttaken : 6.1 Anti-AI-trucs : 10.0 Programmeren : 6.6 Gecombineerd : 10.0 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 2.9 Algemene intelligentie : 3.4 Instructies opvolgen : 6.5 Puzzeloplossing : 3.1 Toolaanroepen : 10.0 Algemene kennis : 3.0
#160#160	Grok 4.7medium	7.3	X AI	$2.938	117.65s
Modelkaart bekijken Totaal tests 23 Foute tests 8 Betrouwbaarheid 9.8 Slaagpercentage per poging 78.3% Instabiele tests 5 Invoer-tokens 326,066 Uitvoer-tokens 5,726 Redeneer-tokens 469,019 Responstijd (gem.) 117.65s Responstijd (totaal) 2706.03s Responstijd (max) 660.89s Verkeerd antwoord: 5 Geen antwoord: 2 Instructies niet gevolgd: 1 Agenttaken : 3.9 Anti-AI-trucs : 10.0 Programmeren : 6.6 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.4 Instructies opvolgen : 8.4 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#88#88	DeepSeek V4 Flash 0731high	8.4	DeepSeek	$0.576 ↑	118.83s
Modelkaart bekijken Totaal tests 23 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 76.8% Instabiele tests 5 Invoer-tokens 281,863 Uitvoer-tokens 24,535 Redeneer-tokens 507,976 Responstijd (gem.) 118.83s Responstijd (totaal) 2733.01s Responstijd (max) 600.61s Verkeerd antwoord: 5 Instructies niet gevolgd: 2 Geen antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 8.7 Programmeren : 6.3 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#82#82	Qwen3.8 2.4T A95Blow	8.4	Qwen	$4.016 ↑	120.40s
Modelkaart bekijken Totaal tests 23 Foute tests 7 Betrouwbaarheid 9.6 Slaagpercentage per poging 73.9% Instabiele tests 2 Invoer-tokens 313,881 Uitvoer-tokens 123,706 Redeneer-tokens 388,328 Responstijd (gem.) 120.40s Responstijd (totaal) 2769.16s Responstijd (max) 534.21s Verkeerd antwoord: 5 Ongeldige toolaanroep: 1 Geen antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 7.8 Gecombineerd : 8.2 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.2 Algemene intelligentie : 6.1 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#120#120	Qwen3.8 2.4T A95Bhigh	7.9	Qwen	$2.949 ↑	120.88s
Modelkaart bekijken Totaal tests 23 Foute tests 8 Betrouwbaarheid 9.6 Slaagpercentage per poging 75.4% Instabiele tests 4 Invoer-tokens 295,642 Uitvoer-tokens 115,041 Redeneer-tokens 353,398 Responstijd (gem.) 120.88s Responstijd (totaal) 2780.16s Responstijd (max) 532.28s Verkeerd antwoord: 4 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Geen antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 5.9 Gecombineerd : 6.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 4.1 Algemene intelligentie : 6.1 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#196#196	Kimi K2.6medium	6.8	Moonshot AI	$1.594 ↑	121.25s
Modelkaart bekijken Totaal tests 23 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 60.9% Instabiele tests 4 Invoer-tokens 226,880 Uitvoer-tokens 65,346 Redeneer-tokens 331,325 Responstijd (gem.) 121.25s Responstijd (totaal) 2667.55s Responstijd (max) 876.20s Verkeerd antwoord: 4 Time-out: 3 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Geen antwoord: 1 Agenttaken : 5.0 Anti-AI-trucs : 7.0 Programmeren : 5.7 Gecombineerd : 6.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 6.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#207#207	Grok 4.7high	6.7	X AI	$3.037	122.19s
Modelkaart bekijken Totaal tests 23 Foute tests 10 Betrouwbaarheid 9.6 Slaagpercentage per poging 72.5% Instabiele tests 7 Invoer-tokens 329,276 Uitvoer-tokens 8,172 Redeneer-tokens 479,012 Responstijd (gem.) 122.19s Responstijd (totaal) 2810.40s Responstijd (max) 573.57s Geen antwoord: 3 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 2 Verkeerd antwoord: 2 API-fout: 1 Agenttaken : 3.0 Anti-AI-trucs : 8.7 Programmeren : 6.0 Gecombineerd : 8.6 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.1 Instructies opvolgen : 8.4 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#203#203	Grok 4.7xhigh	6.7	X AI	$3.398	123.96s
Modelkaart bekijken Totaal tests 23 Foute tests 9 Betrouwbaarheid 9.7 Slaagpercentage per poging 73.9% Instabiele tests 6 Invoer-tokens 310,049 Uitvoer-tokens 6,094 Redeneer-tokens 566,221 Responstijd (gem.) 123.96s Responstijd (totaal) 2851.07s Responstijd (max) 775.64s Geen antwoord: 4 Verkeerd antwoord: 3 API-fout: 1 Ongeldige toolaanroep: 1 Agenttaken : 3.0 Anti-AI-trucs : 8.7 Programmeren : 5.3 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 4.7 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#147#147	Seed-2.0-Codehigh	7.5	Bytedance Seed	$1.448	124.87s
Modelkaart bekijken Totaal tests 23 Foute tests 11 Betrouwbaarheid 9.0 Slaagpercentage per poging 65.2% Instabiele tests 5 Invoer-tokens 297,321 Uitvoer-tokens 8,997 Redeneer-tokens 423,853 Responstijd (gem.) 124.87s Responstijd (totaal) 2871.96s Responstijd (max) 675.30s Verkeerd antwoord: 6 API-fout: 3 Instructies niet gevolgd: 1 Geen antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 8.3 Programmeren : 6.2 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 4.6 Instructies opvolgen : 9.8 Puzzeloplossing : 7.8 Toolaanroepen : 4.7 Algemene kennis : 3.0
#237#237	Kimi K2.5medium	6.4	Moonshot AI	$0.841 ↑	125.76s
Modelkaart bekijken Totaal tests 23 Foute tests 13 Betrouwbaarheid 9.6 Slaagpercentage per poging 60.9% Instabiele tests 8 Invoer-tokens 292,271 Uitvoer-tokens 55,025 Redeneer-tokens 186,071 Responstijd (gem.) 125.76s Responstijd (totaal) 2137.84s Responstijd (max) 566.79s Verkeerd antwoord: 5 Time-out: 3 Instructies niet gevolgd: 2 Geen antwoord: 2 Ongeldige toolaanroep: 1 Agenttaken : 3.9 Anti-AI-trucs : 7.3 Programmeren : 6.1 Gecombineerd : 6.7 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 6.5 Instructies opvolgen : 10.0 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#250#250	Solar Pro 4high	6.3	Upstage	$0.077 ↑	128.91s
Modelkaart bekijken Totaal tests 23 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 60.9% Instabiele tests 6 Invoer-tokens 209,002 Uitvoer-tokens 24,675 Redeneer-tokens 377,528 Responstijd (gem.) 128.91s Responstijd (totaal) 2965.04s Responstijd (max) 491.07s Verkeerd antwoord: 6 Instructies niet gevolgd: 3 API-fout: 1 Extra opmaak: 1 Geen antwoord: 1 Agenttaken : 2.8 Anti-AI-trucs : 8.7 Programmeren : 5.7 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 5.5 Instructies opvolgen : 7.9 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#235#235	Solar Pro 4medium	6.4	Upstage	$0.098 ↑	133.93s
Modelkaart bekijken Totaal tests 23 Foute tests 11 Betrouwbaarheid 9.9 Slaagpercentage per poging 60.9% Instabiele tests 5 Invoer-tokens 299,558 Uitvoer-tokens 33,248 Redeneer-tokens 374,819 Responstijd (gem.) 133.93s Responstijd (totaal) 3080.36s Responstijd (max) 519.91s Verkeerd antwoord: 6 Instructies niet gevolgd: 2 API-fout: 1 Extra opmaak: 1 Geen antwoord: 1 Agenttaken : 4.7 Anti-AI-trucs : 8.2 Programmeren : 5.5 Gecombineerd : 6.4 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 3.0 Instructies opvolgen : 9.8 Puzzeloplossing : 9.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#271#271	Step 5 Previewmedium	6.1	Stepfun	$4.136	136.10s
Modelkaart bekijken Totaal tests 23 Foute tests 13 Betrouwbaarheid 9.6 Slaagpercentage per poging 53.6% Instabiele tests 5 Invoer-tokens 261,842 Uitvoer-tokens 1,434,621 Redeneer-tokens 0 Responstijd (gem.) 136.10s Responstijd (totaal) 3130.27s Responstijd (max) 438.09s Geen antwoord: 6 Verkeerd antwoord: 3 Instructies niet gevolgd: 2 API-fout: 1 Ongeldige toolaanroep: 1 Agenttaken : 6.1 Anti-AI-trucs : 6.4 Programmeren : 2.8 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 3.4 Instructies opvolgen : 10.0 Puzzeloplossing : 7.8 Toolaanroepen : 10.0 Algemene kennis : 3.0
#302#302	Step 5 Previewlow	5.6	Stepfun	$4.110	138.27s
Modelkaart bekijken Totaal tests 23 Foute tests 13 Betrouwbaarheid 9.7 Slaagpercentage per poging 58.0% Instabiele tests 7 Invoer-tokens 261,256 Uitvoer-tokens 1,425,268 Redeneer-tokens 0 Responstijd (gem.) 138.27s Responstijd (totaal) 3180.10s Responstijd (max) 436.56s Geen antwoord: 7 API-fout: 2 Verkeerd antwoord: 2 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Agenttaken : 3.4 Anti-AI-trucs : 6.9 Programmeren : 2.7 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 3.5 Instructies opvolgen : 10.0 Puzzeloplossing : 7.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#93#93	Kimi K3max	8.3	Moonshot AI	$3.409 ↓	139.41s
Modelkaart bekijken Totaal tests 23 Foute tests 6 Betrouwbaarheid 9.3 Slaagpercentage per poging 78.3% Instabiele tests 2 Invoer-tokens 170,700 Uitvoer-tokens 7,719 Redeneer-tokens 225,608 Responstijd (gem.) 139.41s Responstijd (totaal) 2788.26s Responstijd (max) 766.58s API-fout: 2 Geen antwoord: 2 Extra opmaak: 1 Time-out: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 6.5 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 3.0 Algemene kennis : 3.0
#316#316	North Mini Codemedium	5.4	Cohere	$0.000	140.39s
Modelkaart bekijken Totaal tests 23 Foute tests 15 Betrouwbaarheid 8.9 Slaagpercentage per poging 42.0% Instabiele tests 4 Invoer-tokens 166,347 Uitvoer-tokens 423,884 Redeneer-tokens 1,394,387 Responstijd (gem.) 140.39s Responstijd (totaal) 3229.07s Responstijd (max) 786.72s Verkeerd antwoord: 10 Extra opmaak: 2 API-fout: 1 Ongeldige toolaanroep: 1 Time-out: 1 Agenttaken : 3.9 Anti-AI-trucs : 8.4 Programmeren : 4.5 Gecombineerd : 2.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.1 Instructies opvolgen : 9.8 Puzzeloplossing : 3.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#202#202	Solar Pro 4xhigh	6.7	Upstage	$0.067	142.76s
Modelkaart bekijken Totaal tests 23 Foute tests 11 Betrouwbaarheid 9.9 Slaagpercentage per poging 58.0% Instabiele tests 2 Invoer-tokens 150,033 Uitvoer-tokens 22,347 Redeneer-tokens 402,143 Responstijd (gem.) 142.76s Responstijd (totaal) 3283.43s Responstijd (max) 491.42s Verkeerd antwoord: 5 Instructies niet gevolgd: 3 Geen antwoord: 2 Extra opmaak: 1 Agenttaken : 3.0 Anti-AI-trucs : 8.3 Programmeren : 5.8 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 5.5 Instructies opvolgen : 8.4 Puzzeloplossing : 8.9 Toolaanroepen : 10.0 Algemene kennis : 3.0

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