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.)
#22#22	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
#24#24	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
#25#25	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
#27#27	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
#28#28	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
#33#33	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
#41#41	Paretodefault	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
#45#45	Gemini 3.5 Flashlow	9.0	Google	$0.752	7.85s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 85.5% Instabiele tests 2 Invoer-tokens 244,533 Uitvoer-tokens 3,450 Redeneer-tokens 39,280 Responstijd (gem.) 7.85s Responstijd (totaal) 180.45s Responstijd (max) 53.74s Verkeerd antwoord: 3 Ongeldige toolaanroep: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 7.8 Gecombineerd : 8.2 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#49#49	Gemini 4 Argonmedium	9.0	Google	$0.674	6.63s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 84.1% Instabiele tests 1 Invoer-tokens 215,326 Uitvoer-tokens 6,668 Redeneer-tokens 17,615 Responstijd (gem.) 6.63s Responstijd (totaal) 152.50s Responstijd (max) 62.49s Verkeerd antwoord: 4 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 6.4 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 9.8 Algemene kennis : 3.0
#50#50	Claude Opus 5low	9.0	Anthropic	$2.350	9.87s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 84.1% Instabiele tests 1 Invoer-tokens 352,845 Uitvoer-tokens 16,553 Redeneer-tokens 7,007 Responstijd (gem.) 9.87s Responstijd (totaal) 226.95s Responstijd (max) 73.15s Verkeerd antwoord: 4 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 7.8 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 : 3.0
#51#51	Gemini 3.6 Flashlow	9.0	Google	$0.363 ↓	6.82s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 89.9% Instabiele tests 3 Invoer-tokens 197,570 Uitvoer-tokens 6,364 Redeneer-tokens 50,704 Responstijd (gem.) 6.82s Responstijd (totaal) 156.81s Responstijd (max) 48.53s Verkeerd antwoord: 4 Agenttaken : 10.0 Anti-AI-trucs : 8.7 Programmeren : 7.8 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.6 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#76#76	Grok 4.6high	8.5	X AI	$2.629	87.48s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 82.6% Instabiele tests 0 Invoer-tokens 376,233 Uitvoer-tokens 6,687 Redeneer-tokens 305,927 Responstijd (gem.) 87.48s Responstijd (totaal) 2012.15s Responstijd (max) 618.49s Verkeerd antwoord: 3 Geen antwoord: 1 Agenttaken : 5.0 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 : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#80#80	Claude Haiku 5.5max	8.5	Anthropic	$0.509	61.71s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 85.5% Instabiele tests 1 Invoer-tokens 487,516 Uitvoer-tokens 10,212 Redeneer-tokens 909,487 Responstijd (gem.) 61.71s Responstijd (totaal) 1419.40s Responstijd (max) 288.94s Geen antwoord: 3 Verkeerd antwoord: 1 Agenttaken : 4.7 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 : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#92#92	Gemini 3.5 Flashhigh	8.3	Google	$2.737	18.59s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 85.5% Instabiele tests 2 Invoer-tokens 348,103 Uitvoer-tokens 11,045 Redeneer-tokens 234,967 Responstijd (gem.) 18.59s Responstijd (totaal) 427.52s Responstijd (max) 145.92s Ongeldige toolaanroep: 2 Verkeerd antwoord: 2 Agenttaken : 3.4 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 8.2 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 9.8 Algemene kennis : 10.0
#111#111	Gemini 3.8 Flashmedium	8.0	Google	$0.769	16.64s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 9.9 Slaagpercentage per poging 89.9% Instabiele tests 3 Invoer-tokens 187,331 Uitvoer-tokens 7,555 Redeneer-tokens 159,931 Responstijd (gem.) 16.64s Responstijd (totaal) 382.64s Responstijd (max) 108.60s Verkeerd antwoord: 2 Ongeldige toolaanroep: 1 Time-out: 1 Agenttaken : 2.8 Anti-AI-trucs : 10.0 Programmeren : 8.0 Gecombineerd : 8.7 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
#116#116	Claude Fable 5.1high	7.9	Anthropic	$3.471	13.30s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 85.5% Instabiele tests 1 Invoer-tokens 144,676 Uitvoer-tokens 8,184 Redeneer-tokens 32,282 Responstijd (gem.) 13.30s Responstijd (totaal) 305.83s Responstijd (max) 40.17s Verkeerd antwoord: 3 API-fout: 1 Agenttaken : 3.0 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
#314#314	Claude Opus 4.7none	5.4	Anthropic	$0.505	3.02s
Modelkaart bekijken Totaal tests 19 Foute tests 3 Betrouwbaarheid 10.0 Slaagpercentage per poging 69.6% Instabiele tests 0 Invoer-tokens 69,576 Uitvoer-tokens 6,265 Redeneer-tokens 0 Responstijd (gem.) 3.02s Responstijd (totaal) 57.44s Responstijd (max) 18.27s Verkeerd antwoord: 3 Agenttaken : 0.0 Anti-AI-trucs : 8.3 Programmeren : 3.3 Gecombineerd : 4.8 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
#21#21	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
#23#23	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
#31#31	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
#85#85	Gemini 3.1 Pro Previewmedium	8.4	Google	$1.585	22.71s
Modelkaart bekijken Totaal tests 23 Foute tests 3 Betrouwbaarheid 9.8 Slaagpercentage per poging 89.9% Instabiele tests 1 Invoer-tokens 176,208 Uitvoer-tokens 6,093 Redeneer-tokens 96,598 Responstijd (gem.) 22.71s Responstijd (totaal) 386.11s Responstijd (max) 88.68s Verkeerd antwoord: 2 Time-out: 1 Agenttaken : 4.7 Anti-AI-trucs : 10.0 Programmeren : 7.9 Gecombineerd : 9.8 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
#9#9	Gemini 3.7 Flashhigh	9.8	Google	$0.528	15.10s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 95.7% Instabiele tests 2 Invoer-tokens 233,400 Uitvoer-tokens 6,922 Redeneer-tokens 173,178 Responstijd (gem.) 15.10s Responstijd (totaal) 347.23s Responstijd (max) 91.63s Verkeerd antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.8 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#10#10	Gemini 3.6 Flashmedium	9.8	Google	$0.577 ↓	14.03s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 95.7% Instabiele tests 2 Invoer-tokens 188,003 Uitvoer-tokens 2,914 Redeneer-tokens 113,210 Responstijd (gem.) 14.03s Responstijd (totaal) 322.73s Responstijd (max) 77.15s Verkeerd antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.8 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#11#11	GPT-6.1 Solmedium	9.6	OpenAI	$0.530	8.90s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 94.2% Instabiele tests 1 Invoer-tokens 172,860 Uitvoer-tokens 5,172 Redeneer-tokens 13,179 Responstijd (gem.) 8.90s Responstijd (totaal) 204.78s Responstijd (max) 51.03s 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 : 4.7
#12#12	GPT-6.1 Solhigh	9.6	OpenAI	$0.755	15.46s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 94.2% Instabiele tests 1 Invoer-tokens 174,960 Uitvoer-tokens 5,780 Redeneer-tokens 34,728 Responstijd (gem.) 15.46s Responstijd (totaal) 355.66s Responstijd (max) 139.76s 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 : 4.7

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