AI Benchy Leaderboard

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

Benchmarks gegenereerd uit AI BENCHY-testsuites op: 2026-09-18 Geëvalueerde modellen: 330

Aanbevolen modellen

GPT-6 Astra xhigh Intelligent Slaagpercentage per poging 97.0% Correcte tests 21 / 22 Score 9.9/10 GPT-5.6 Luna medium Snel Responstijd (gem.) 7.43s Totaal aantal uitvoer-tokens 44,525 Score 7.4/10 DeepSeek V4 Flash 0731 high Betaalbaar Invoerprijs $0.060 / 1M Uitvoerprijs $0.120 / 1M Score 8.0/10

330/330

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#292#292	GLM 4.7 Flashnone	4.8	Z.ai	$0.016	8.81s
Modelkaart bekijken Totaal tests 22 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 30.3% Instabiele tests 3 Invoer-tokens 101,513 Uitvoer-tokens 22,992 Redeneer-tokens 0 Responstijd (gem.) 8.81s Responstijd (totaal) 140.88s Responstijd (max) 97.15s Verkeerd antwoord: 14 Ongeldige toolaanroep: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 5.2 Programmeren : 4.3 Gecombineerd : 3.0 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 5.3 Algemene intelligentie : 4.0 Instructies opvolgen : 6.5 Puzzeloplossing : 6.4 Toolaanroepen : 2.8 Algemene kennis : 3.0
#8#8	GPT-5.6 Sollow	9.5	OpenAI	$0.357 ↓	9.04s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 86.4% Instabiele tests 2 Invoer-tokens 78,580 Uitvoer-tokens 4,476 Redeneer-tokens 15,470 Responstijd (gem.) 9.04s Responstijd (totaal) 198.97s Responstijd (max) 53.91s Verkeerd antwoord: 4 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
#213#213	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Modelkaart bekijken Totaal tests 21 Foute tests 7 Betrouwbaarheid n.v.t. Slaagpercentage per poging 63.6% Instabiele tests 0 Invoer-tokens 28,848 Uitvoer-tokens 1,490 Redeneer-tokens 10,102 Responstijd (gem.) 9.05s Responstijd (totaal) 90.53s Responstijd (max) 26.24s API-fout: 4 Verkeerd antwoord: 3 Anti-AI-trucs : 10.0 Programmeren : 3.0 Gecombineerd : 1.5 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
#300#300	Qwen3 Coder Nextmedium	4.6	Qwen	$0.034 ↑	9.07s
Modelkaart bekijken Totaal tests 22 Foute tests 19 Betrouwbaarheid 10.0 Slaagpercentage per poging 25.8% Instabiele tests 4 Invoer-tokens 148,203 Uitvoer-tokens 19,069 Redeneer-tokens 0 Responstijd (gem.) 9.07s Responstijd (totaal) 154.19s Responstijd (max) 81.80s Verkeerd antwoord: 14 Instructies niet gevolgd: 3 Geen antwoord: 1 Time-out: 1 Anti-AI-trucs : 3.5 Programmeren : 3.7 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.6 Algemene intelligentie : 6.3 Instructies opvolgen : 6.3 Puzzeloplossing : 3.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#221#221	GLM 5.3 Flashlow	5.9	Z.ai	$0.018 ↑	9.65s
Modelkaart bekijken Totaal tests 22 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 56.1% Instabiele tests 4 Invoer-tokens 117,551 Uitvoer-tokens 9,199 Redeneer-tokens 14,537 Responstijd (gem.) 9.65s Responstijd (totaal) 212.22s Responstijd (max) 90.45s Verkeerd antwoord: 8 Instructies niet gevolgd: 2 Extra opmaak: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 8.7 Programmeren : 5.4 Gecombineerd : 3.8 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.6 Algemene intelligentie : 5.0 Instructies opvolgen : 10.0 Puzzeloplossing : 7.8 Toolaanroepen : 10.0 Algemene kennis : 3.0
#165#165	GLM 5.2none	6.7	Z.ai	$0.221 ↑	9.65s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 2 Invoer-tokens 112,458 Uitvoer-tokens 14,344 Redeneer-tokens 0 Responstijd (gem.) 9.65s Responstijd (totaal) 212.38s Responstijd (max) 79.65s Verkeerd antwoord: 7 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 8.3 Programmeren : 3.7 Gecombineerd : 6.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 6.1 Instructies opvolgen : 9.8 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#290#290	Grok 4.20 Multi Agent Betamedium	4.8	X AI	$5.599 ↑	9.69s
Modelkaart bekijken Totaal tests 18 Foute tests 10 Betrouwbaarheid n.v.t. Slaagpercentage per poging 48.5% 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 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
#211#211	Grok 4.20 Betamedium	6.0	X AI	$0.750 ↑	9.75s
Modelkaart bekijken Totaal tests 18 Foute tests 4 Betrouwbaarheid n.v.t. Slaagpercentage per poging 66.7% Instabiele tests 1 Invoer-tokens 35,955 Uitvoer-tokens 1,647 Redeneer-tokens 91,565 Responstijd (gem.) 9.75s Responstijd (totaal) 175.48s Responstijd (max) 31.36s Verkeerd antwoord: 3 Instructies niet gevolgd: 1 Anti-AI-trucs : 8.7 Programmeren : 3.3 Gecombineerd : 5.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 3.0 Algemene kennis : 0.0
#56#56	Muse Spark 1.2low	8.4	Meta	$0.655	9.77s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 77.3% Instabiele tests 3 Invoer-tokens 101,811 Uitvoer-tokens 8,025 Redeneer-tokens 115,938 Responstijd (gem.) 9.77s Responstijd (totaal) 214.83s Responstijd (max) 47.80s Verkeerd antwoord: 4 Instructies niet gevolgd: 3 Anti-AI-trucs : 9.2 Programmeren : 8.4 Gecombineerd : 9.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.0 Instructies opvolgen : 9.8 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#179#179	Qwen3.5 Plus 2026-02-15none	6.6	Qwen	$0.073 ↓	9.86s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 53.0% Instabiele tests 2 Invoer-tokens 102,655 Uitvoer-tokens 29,370 Redeneer-tokens 0 Responstijd (gem.) 9.86s Responstijd (totaal) 157.77s Responstijd (max) 123.00s Verkeerd antwoord: 11 Anti-AI-trucs : 4.8 Programmeren : 4.3 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 4.4 Instructies opvolgen : 10.0 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#240#240	Owl Alphanone	5.6	Openrouter	$0.000	9.88s
Modelkaart bekijken Totaal tests 21 Foute tests 14 Betrouwbaarheid 10.0 Slaagpercentage per poging 34.9% Instabiele tests 1 Invoer-tokens 42,283 Uitvoer-tokens 5,913 Redeneer-tokens 0 Responstijd (gem.) 9.88s Responstijd (totaal) 207.38s Responstijd (max) 47.10s Verkeerd antwoord: 10 Instructies niet gevolgd: 3 Extra opmaak: 1 Anti-AI-trucs : 3.4 Programmeren : 5.6 Gecombineerd : 1.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.3 Instructies opvolgen : 6.4 Puzzeloplossing : 5.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#39#39	Gemini 3.5 Flash Litehigh	8.8	Google	$0.540	10.05s
Modelkaart bekijken Totaal tests 22 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 2 Invoer-tokens 93,046 Uitvoer-tokens 5,884 Redeneer-tokens 198,741 Responstijd (gem.) 10.05s Responstijd (totaal) 221.06s Responstijd (max) 36.22s Verkeerd antwoord: 5 Anti-AI-trucs : 10.0 Programmeren : 8.4 Gecombineerd : 9.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#200#200	Qwen3.7 Flashnone	6.1	Qwen	$0.019	10.05s
Modelkaart bekijken Totaal tests 22 Foute tests 15 Betrouwbaarheid 10.0 Slaagpercentage per poging 36.4% Instabiele tests 2 Invoer-tokens 218,740 Uitvoer-tokens 90,507 Redeneer-tokens 0 Responstijd (gem.) 10.05s Responstijd (totaal) 221.13s Responstijd (max) 186.24s Verkeerd antwoord: 13 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 3.0 Programmeren : 5.5 Gecombineerd : 3.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 6.3 Puzzeloplossing : 3.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#16#16	GPT-5.5low	9.3	OpenAI	$1.257	10.15s
Modelkaart bekijken Totaal tests 22 Foute tests 3 Betrouwbaarheid 10.0 Slaagpercentage per poging 86.4% Instabiele tests 0 Invoer-tokens 80,067 Uitvoer-tokens 5,378 Redeneer-tokens 23,162 Responstijd (gem.) 10.15s Responstijd (totaal) 223.24s Responstijd (max) 56.19s Verkeerd antwoord: 3 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
#153#153	Gemini 3.5 Flashnone	6.9	Google	$1.093	10.18s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 69.7% Instabiele tests 3 Invoer-tokens 13,852 Uitvoer-tokens 119,100 Redeneer-tokens 0 Responstijd (gem.) 10.18s Responstijd (totaal) 183.29s Responstijd (max) 64.36s API-fout: 4 Verkeerd antwoord: 4 Anti-AI-trucs : 10.0 Programmeren : 8.8 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 3.0 Algemene kennis : 2.8
#21#21	Claude Opus 5medium	9.2	Anthropic	$1.586	10.26s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 1 Invoer-tokens 135,604 Uitvoer-tokens 23,814 Redeneer-tokens 12,804 Responstijd (gem.) 10.26s Responstijd (totaal) 225.66s Responstijd (max) 35.43s Verkeerd antwoord: 3 Geen antwoord: 1 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
#294#294	Hunter Alphamedium	4.7	OpenRouter	$0.000	10.33s
Modelkaart bekijken Totaal tests 18 Foute tests 10 Betrouwbaarheid n.v.t. Slaagpercentage per poging 53.0% Instabiele tests 6 Invoer-tokens 28,927 Uitvoer-tokens 4,682 Redeneer-tokens 17,969 Responstijd (gem.) 10.33s Responstijd (totaal) 175.58s Responstijd (max) 30.53s Verkeerd antwoord: 4 Instructies niet gevolgd: 2 Time-out: 2 API-fout: 1 Extra opmaak: 1 Anti-AI-trucs : 7.3 Programmeren : 9.8 Gecombineerd : 2.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 7.0 Instructies opvolgen : 9.9 Puzzeloplossing : 6.1 Toolaanroepen : 10.0 Algemene kennis : 0.0
#150#150	Claude Fable 5.1low	6.9	Anthropic	$2.565	10.33s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 56.1% Instabiele tests 2 Invoer-tokens 134,582 Uitvoer-tokens 8,955 Redeneer-tokens 15,420 Responstijd (gem.) 10.33s Responstijd (totaal) 227.37s Responstijd (max) 33.10s Extra opmaak: 4 Verkeerd antwoord: 4 Instructies niet gevolgd: 3 Anti-AI-trucs : 6.5 Programmeren : 3.4 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 4.1 Algemene intelligentie : 10.0 Instructies opvolgen : 6.5 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#244#244	Qwen3.6 27Bnone	5.5	Qwen	$0.062 ↓	10.62s
Modelkaart bekijken Totaal tests 22 Foute tests 15 Betrouwbaarheid 10.0 Slaagpercentage per poging 45.5% Instabiele tests 6 Invoer-tokens 95,805 Uitvoer-tokens 16,156 Redeneer-tokens 0 Responstijd (gem.) 10.62s Responstijd (totaal) 233.68s Responstijd (max) 156.31s Verkeerd antwoord: 11 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 2 Anti-AI-trucs : 3.8 Programmeren : 5.5 Gecombineerd : 3.2 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 7.7 Algemene intelligentie : 5.2 Instructies opvolgen : 6.2 Puzzeloplossing : 5.3 Toolaanroepen : 9.5 Algemene kennis : 3.0
#251#251	KAT-Coder-Air V2.5low	5.4	Kwaipilot	$0.046	10.63s
Modelkaart bekijken Totaal tests 22 Foute tests 15 Betrouwbaarheid 9.9 Slaagpercentage per poging 43.9% Instabiele tests 6 Invoer-tokens 61,094 Uitvoer-tokens 6,532 Redeneer-tokens 53,882 Responstijd (gem.) 10.63s Responstijd (totaal) 233.77s Responstijd (max) 86.23s Verkeerd antwoord: 7 Extra opmaak: 4 API-fout: 2 Instructies niet gevolgd: 2 Anti-AI-trucs : 7.3 Programmeren : 3.5 Gecombineerd : 6.4 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.0 Algemene intelligentie : 5.0 Instructies opvolgen : 9.8 Puzzeloplossing : 3.1 Toolaanroepen : 10.0 Algemene kennis : 3.0
#283#283	Ling-2.6-flashnone	4.9	Inclusionai	$0.002 ↑	10.71s
Modelkaart bekijken Totaal tests 22 Foute tests 16 Betrouwbaarheid 9.6 Slaagpercentage per poging 30.3% Instabiele tests 2 Invoer-tokens 114,384 Uitvoer-tokens 14,903 Redeneer-tokens 0 Responstijd (gem.) 10.71s Responstijd (totaal) 214.28s Responstijd (max) 36.03s Verkeerd antwoord: 9 Ongeldige toolaanroep: 3 API-fout: 2 Instructies niet gevolgd: 2 Anti-AI-trucs : 6.8 Programmeren : 5.3 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.0 Algemene intelligentie : 4.0 Instructies opvolgen : 9.8 Puzzeloplossing : 2.9 Toolaanroepen : 3.0 Algemene kennis : 3.0
#268#268	Mistral Small 4medium	5.1	Mistral	$0.097	10.80s
Modelkaart bekijken Totaal tests 22 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 43.9% Instabiele tests 8 Invoer-tokens 140,559 Uitvoer-tokens 40,268 Redeneer-tokens 93,329 Responstijd (gem.) 10.80s Responstijd (totaal) 237.60s Responstijd (max) 59.15s Verkeerd antwoord: 13 Instructies niet gevolgd: 2 API-fout: 1 Geen antwoord: 1 Anti-AI-trucs : 5.6 Programmeren : 4.4 Gecombineerd : 3.0 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 5.9 Algemene intelligentie : 4.8 Instructies opvolgen : 7.3 Puzzeloplossing : 3.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#78#78	GPT-5.6 Terrahigh	8.0	OpenAI	$0.836 ↓	11.22s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 68.2% Instabiele tests 2 Invoer-tokens 81,056 Uitvoer-tokens 5,055 Redeneer-tokens 51,033 Responstijd (gem.) 11.22s Responstijd (totaal) 246.77s Responstijd (max) 91.49s Verkeerd antwoord: 7 Ongeldige toolaanroep: 1 Anti-AI-trucs : 8.3 Programmeren : 7.6 Gecombineerd : 8.7 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.1 Instructies opvolgen : 10.0 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#15#15	GPT-5.6 Solhigh	9.4	OpenAI	$0.446 ↓	11.48s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 89.4% Instabiele tests 3 Invoer-tokens 79,258 Uitvoer-tokens 4,855 Redeneer-tokens 23,853 Responstijd (gem.) 11.48s Responstijd (totaal) 252.62s Responstijd (max) 54.79s Verkeerd antwoord: 4 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
#302#302	Laguna S 2.1none	4.5	Poolside	$0.022 ↓	11.67s
Modelkaart bekijken Totaal tests 22 Foute tests 20 Betrouwbaarheid 10.0 Slaagpercentage per poging 15.2% Instabiele tests 3 Invoer-tokens 125,604 Uitvoer-tokens 57,634 Redeneer-tokens 0 Responstijd (gem.) 11.67s Responstijd (totaal) 256.71s Responstijd (max) 200.52s Verkeerd antwoord: 18 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 3.1 Programmeren : 3.4 Gecombineerd : 2.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 5.0 Instructies opvolgen : 4.3 Puzzeloplossing : 3.1 Toolaanroepen : 4.7 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 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium