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.)
#171#171	LongCat 2.0medium	7.2	Meituan	$0.767 ↑	144.88s
Modelkaart bekijken Totaal tests 23 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 59.4% Instabiele tests 3 Invoer-tokens 287,669 Uitvoer-tokens 47,204 Redeneer-tokens 375,030 Responstijd (gem.) 144.88s Responstijd (totaal) 3332.19s Responstijd (max) 939.52s Verkeerd antwoord: 8 API-fout: 1 Geen antwoord: 1 Time-out: 1 Agenttaken : 6.1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 7.3 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 3.0 Algemene intelligentie : 4.8 Instructies opvolgen : 6.5 Puzzeloplossing : 5.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#206#206	Solar Pro 4low	6.7	Upstage	$0.101 ↑	145.21s
Modelkaart bekijken Totaal tests 23 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 60.9% Instabiele tests 7 Invoer-tokens 384,974 Uitvoer-tokens 13,946 Redeneer-tokens 371,916 Responstijd (gem.) 145.21s Responstijd (totaal) 3339.87s Responstijd (max) 640.89s Verkeerd antwoord: 7 Instructies niet gevolgd: 2 API-fout: 1 Geen antwoord: 1 Time-out: 1 Agenttaken : 6.1 Anti-AI-trucs : 8.2 Programmeren : 5.5 Gecombineerd : 6.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.5 Instructies opvolgen : 8.0 Puzzeloplossing : 9.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#67#67	MiMo-V2.6-Promedium	8.7	Xiaomi	$0.586	148.11s
Modelkaart bekijken Totaal tests 23 Foute tests 9 Betrouwbaarheid 9.5 Slaagpercentage per poging 78.3% Instabiele tests 7 Invoer-tokens 298,476 Uitvoer-tokens 7,762 Redeneer-tokens 515,918 Responstijd (gem.) 148.11s Responstijd (totaal) 3406.53s Responstijd (max) 904.91s Extra opmaak: 3 Verkeerd antwoord: 3 Instructies niet gevolgd: 1 Geen antwoord: 1 Time-out: 1 Agenttaken : 10.0 Anti-AI-trucs : 7.3 Programmeren : 8.2 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 10.0 Instructies opvolgen : 8.4 Puzzeloplossing : 8.4 Toolaanroepen : 10.0 Algemene kennis : 2.8
#385#385	GLM 4.7 Flashmedium	4.2	Z.ai	$0.193	150.90s
Modelkaart bekijken Totaal tests 23 Foute tests 19 Betrouwbaarheid 9.4 Slaagpercentage per poging 30.4% Instabiele tests 8 Invoer-tokens 228,711 Uitvoer-tokens 42,254 Redeneer-tokens 422,121 Responstijd (gem.) 150.90s Responstijd (totaal) 2414.33s Responstijd (max) 1539.97s Verkeerd antwoord: 10 Geen antwoord: 3 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 2 Time-out: 2 Agenttaken : 3.9 Anti-AI-trucs : 4.7 Programmeren : 3.2 Gecombineerd : 2.9 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 3.5 Algemene intelligentie : 3.6 Instructies opvolgen : 6.2 Puzzeloplossing : 2.9 Toolaanroepen : 10.0 Algemene kennis : 3.0
#162#162	LongCat 2.0high	7.3	Meituan	$0.778 ↑	151.67s
Modelkaart bekijken Totaal tests 23 Foute tests 13 Betrouwbaarheid 10.0 Slaagpercentage per poging 53.6% Instabiele tests 4 Invoer-tokens 275,080 Uitvoer-tokens 32,447 Redeneer-tokens 372,188 Responstijd (gem.) 151.67s Responstijd (totaal) 3488.43s Responstijd (max) 941.66s Verkeerd antwoord: 7 Instructies niet gevolgd: 2 Geen antwoord: 2 Time-out: 2 Agenttaken : 10.0 Anti-AI-trucs : 8.9 Programmeren : 7.8 Gecombineerd : 10.0 Gegevensparsering en extractie : 3.6 Domeinspecifiek : 3.6 Algemene intelligentie : 5.1 Instructies opvolgen : 6.5 Puzzeloplossing : 3.1 Toolaanroepen : 10.0 Algemene kennis : 3.0
#30#30	Muse Spark Openhigh	9.2	Meta	$1.782	151.96s
Modelkaart bekijken Totaal tests 23 Foute tests 6 Betrouwbaarheid 9.4 Slaagpercentage per poging 76.8% Instabiele tests 1 Invoer-tokens 270,889 Uitvoer-tokens 10,688 Redeneer-tokens 328,857 Responstijd (gem.) 151.96s Responstijd (totaal) 3495.01s Responstijd (max) 960.01s Time-out: 2 Verkeerd antwoord: 2 API-fout: 1 Instructies niet gevolgd: 1 Agenttaken : 10.0 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 : 9.8 Puzzeloplossing : 7.9 Toolaanroepen : 10.0 Algemene kennis : 3.0
#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
#29#29	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
#66#66	Qwen3.8 27Bhigh	8.7	Qwen	~$0.298	166.34s
Modelkaart bekijken Totaal tests 23 Foute tests 6 Betrouwbaarheid 9.7 Slaagpercentage per poging 78.3% Instabiele tests 2 Invoer-tokens 348,967 Uitvoer-tokens 1,005 Redeneer-tokens 676,075 Responstijd (gem.) 166.34s Responstijd (totaal) 3825.81s Responstijd (max) 640.85s Instructies niet gevolgd: 2 Geen antwoord: 2 Verkeerd antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 8.1 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.0 Instructies opvolgen : 9.8 Puzzeloplossing : 7.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#42#42	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
#36#36	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
#68#68	Seed 2.1 Turbomedium	8.7	Bytedance Seed	$2.042	189.13s
Modelkaart bekijken Totaal tests 23 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 79.7% Instabiele tests 5 Invoer-tokens 234,572 Uitvoer-tokens 8,019 Redeneer-tokens 761,563 Responstijd (gem.) 189.13s Responstijd (totaal) 4349.92s Responstijd (max) 885.33s Verkeerd antwoord: 5 Instructies niet gevolgd: 1 Geen antwoord: 1 Agenttaken : 10.0 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
#319#319	Step 3.5 Flashmedium	5.4	Stepfun	$0.105	190.48s
Modelkaart bekijken Totaal tests 22 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 49.3% Instabiele tests 3 Invoer-tokens 139,086 Uitvoer-tokens 193,584 Redeneer-tokens 413,546 Responstijd (gem.) 190.48s Responstijd (totaal) 3238.23s Responstijd (max) 1597.85s Verkeerd antwoord: 6 Instructies niet gevolgd: 3 API-fout: 1 Geen antwoord: 1 Time-out: 1 Agenttaken : 2.8 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
#317#317	Hy4 previewlow	5.4	Tencent	$1.844	207.21s
Modelkaart bekijken Totaal tests 23 Foute tests 20 Betrouwbaarheid 6.5 Slaagpercentage per poging 21.7% Instabiele tests 4 Invoer-tokens 162,180 Uitvoer-tokens 5,030 Redeneer-tokens 682,447 Responstijd (gem.) 207.21s Responstijd (totaal) 4765.91s Responstijd (max) 597.45s Verkeerd antwoord: 13 API-fout: 5 Instructies niet gevolgd: 1 Geen antwoord: 1 Agenttaken : 4.7 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
#362#362	Granite 4.2 8Bhigh	4.7	IBM Granite	$0.111	235.35s
Modelkaart bekijken Totaal tests 23 Foute tests 19 Betrouwbaarheid 8.2 Slaagpercentage per poging 37.7% Instabiele tests 10 Invoer-tokens 282,658 Uitvoer-tokens 198,563 Redeneer-tokens 462,804 Responstijd (gem.) 235.35s Responstijd (totaal) 5413.09s Responstijd (max) 685.87s Time-out: 10 Verkeerd antwoord: 7 Ongeldige toolaanroep: 1 Geen antwoord: 1 Agenttaken : 5.0 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
#146#146	Mistral Large 4high	7.5	Mistral	$1.391	263.69s
Modelkaart bekijken Totaal tests 23 Foute tests 11 Betrouwbaarheid 9.0 Slaagpercentage per poging 65.2% Instabiele tests 6 Invoer-tokens 230,895 Uitvoer-tokens 161,281 Redeneer-tokens 510,655 Responstijd (gem.) 263.69s Responstijd (totaal) 6064.89s Responstijd (max) 1727.29s Verkeerd antwoord: 6 Instructies niet gevolgd: 2 Geen antwoord: 2 Time-out: 1 Agenttaken : 10.0 Anti-AI-trucs : 8.3 Programmeren : 3.3 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 10.0 Instructies opvolgen : 8.4 Puzzeloplossing : 5.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#398#398	Xing4.0 29b A4bmedium	3.7	Xingchen AGI	$0.000	371.69s
Modelkaart bekijken Totaal tests 23 Foute tests 22 Betrouwbaarheid 7.3 Slaagpercentage per poging 26.1% Instabiele tests 11 Invoer-tokens 98,467 Uitvoer-tokens 3,385 Redeneer-tokens 104,595 Responstijd (gem.) 371.69s Responstijd (totaal) 8548.88s Responstijd (max) 971.85s Verkeerd antwoord: 9 Time-out: 6 API-fout: 4 Instructies niet gevolgd: 3 Agenttaken : 3.0 Anti-AI-trucs : 3.8 Programmeren : 4.2 Gecombineerd : 3.0 Gegevensparsering en extractie : 2.9 Domeinspecifiek : 3.6 Algemene intelligentie : 3.2 Instructies opvolgen : 4.3 Puzzeloplossing : 2.9 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