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.)
#105#105	Claude Opus 4.7medium	8.1	Anthropic	$3.636	14.12s
Modelkaart bekijken Totaal tests 23 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 81.2% Instabiele tests 2 Invoer-tokens 437,293 Uitvoer-tokens 29,102 Redeneer-tokens 28,876 Responstijd (gem.) 14.12s Responstijd (totaal) 310.55s Responstijd (max) 150.60s Verkeerd antwoord: 3 Ongeldige toolaanroep: 1 Time-out: 1 Agenttaken : 5.2 Anti-AI-trucs : 8.3 Programmeren : 7.6 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 : 3.0
#169#169	Claude Opus 4.8low	7.2	Anthropic	$3.787	17.13s
Modelkaart bekijken Totaal tests 23 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 78.3% Instabiele tests 4 Invoer-tokens 409,947 Uitvoer-tokens 46,060 Redeneer-tokens 23,429 Responstijd (gem.) 17.13s Responstijd (totaal) 394.01s Responstijd (max) 127.97s Verkeerd antwoord: 5 Extra opmaak: 1 Geen antwoord: 1 Agenttaken : 4.7 Anti-AI-trucs : 10.0 Programmeren : 6.6 Gecombineerd : 9.9 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#139#139	Muse Wonderxhigh	7.7	Meta	$4.012	34.40s
Modelkaart bekijken Totaal tests 23 Foute tests 9 Betrouwbaarheid 9.1 Slaagpercentage per poging 65.2% Instabiele tests 2 Invoer-tokens 93,060 Uitvoer-tokens 10,305 Redeneer-tokens 171,683 Responstijd (gem.) 34.40s Responstijd (totaal) 791.16s Responstijd (max) 236.64s API-fout: 6 Verkeerd antwoord: 3 Agenttaken : 3.0 Anti-AI-trucs : 8.3 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 10.0 Instructies opvolgen : 6.5 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 2.8
#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
#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
#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
#7#7	GPT-6 Astrahigh	9.9	OpenAI	$4.458	20.16s
Modelkaart bekijken Totaal tests 23 Foute tests 1 Betrouwbaarheid 9.9 Slaagpercentage per poging 97.1% Instabiele tests 1 Invoer-tokens 167,805 Uitvoer-tokens 5,651 Redeneer-tokens 49,944 Responstijd (gem.) 20.16s Responstijd (totaal) 463.68s Responstijd (max) 254.93s Verkeerd antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.6 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#185#185	Step 5 Previewhigh	7.0	Stepfun	$4.513	154.41s
Modelkaart bekijken Totaal tests 23 Foute tests 13 Betrouwbaarheid 9.5 Slaagpercentage per poging 52.2% Instabiele tests 4 Invoer-tokens 243,381 Uitvoer-tokens 1,581,325 Redeneer-tokens 0 Responstijd (gem.) 154.41s Responstijd (totaal) 3551.40s Responstijd (max) 455.72s Geen antwoord: 7 Verkeerd antwoord: 3 API-fout: 2 Instructies niet gevolgd: 1 Agenttaken : 10.0 Anti-AI-trucs : 6.5 Programmeren : 2.9 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 3.4 Instructies opvolgen : 7.3 Puzzeloplossing : 5.8 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
#89#89	GLM 5.2high	8.4	Z.ai	$4.632 ↑	69.11s
Modelkaart bekijken Totaal tests 23 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 71.0% Instabiele tests 3 Invoer-tokens 288,913 Uitvoer-tokens 79,462 Redeneer-tokens 303,120 Responstijd (gem.) 69.11s Responstijd (totaal) 1589.43s Responstijd (max) 599.43s Verkeerd antwoord: 5 Geen antwoord: 2 Instructies niet gevolgd: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 6.4 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.1 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 6.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#122#122	Muse Wondermax	7.9	Meta	$4.766	44.39s
Modelkaart bekijken Totaal tests 23 Foute tests 7 Betrouwbaarheid 9.0 Slaagpercentage per poging 75.4% Instabiele tests 3 Invoer-tokens 93,126 Uitvoer-tokens 10,497 Redeneer-tokens 209,138 Responstijd (gem.) 44.39s Responstijd (totaal) 1021.02s Responstijd (max) 287.79s API-fout: 4 Verkeerd antwoord: 2 Instructies niet gevolgd: 1 Agenttaken : 3.0 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 : 7.5 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 2.8
#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
#5#5	GPT-6 Astramax	9.9	OpenAI	$5.044	61.63s
Modelkaart bekijken Totaal tests 23 Foute tests 1 Betrouwbaarheid 9.6 Slaagpercentage per poging 95.7% Instabiele tests 0 Invoer-tokens 181,223 Uitvoer-tokens 5,707 Redeneer-tokens 58,909 Responstijd (gem.) 61.63s Responstijd (totaal) 1417.51s Responstijd (max) 960.01s Time-out: 1 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 : 10.0
#57#57	Claude Fable 5medium	8.9	Anthropic	$5.089	16.84s
Modelkaart bekijken Totaal tests 23 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 79.7% Instabiele tests 1 Invoer-tokens 272,411 Uitvoer-tokens 35,497 Redeneer-tokens 11,788 Responstijd (gem.) 16.84s Responstijd (totaal) 387.26s Responstijd (max) 80.80s Geen antwoord: 3 Ongeldige toolaanroep: 1 Verkeerd antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#391#391	Grok 4.20 Multi Agent Betamedium	3.9	X AI	$5.599 ↑	9.69s
Modelkaart bekijken Totaal tests 18 Foute tests 10 Betrouwbaarheid n.v.t. Slaagpercentage per poging 46.4% Instabiele tests 5 Invoer-tokens 721,952 Uitvoer-tokens 294,668 Redeneer-tokens 305,374 Responstijd (gem.) 9.69s Responstijd (totaal) 155.07s Responstijd (max) 35.28s Verkeerd antwoord: 4 API-fout: 2 Extra opmaak: 2 Instructies niet gevolgd: 2 Agenttaken : 0.0 Anti-AI-trucs : 6.9 Programmeren : 3.3 Gecombineerd : 1.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.8 Instructies opvolgen : 9.8 Puzzeloplossing : 6.7 Toolaanroepen : 3.0 Algemene kennis : 0.0
#8#8	GPT-6 Astraxhigh	9.9	OpenAI	$6.213	29.67s
Modelkaart bekijken Totaal tests 23 Foute tests 1 Betrouwbaarheid 9.9 Slaagpercentage per poging 97.1% Instabiele tests 1 Invoer-tokens 170,731 Uitvoer-tokens 5,865 Redeneer-tokens 84,230 Responstijd (gem.) 29.67s Responstijd (totaal) 682.42s Responstijd (max) 381.11s Verkeerd antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.6 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#34#34	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

←

1 17 18

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