AI BENCHY

AI Benchmark Leaderboard

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

Benchmarks gegenereerd uit AI BENCHY-testsuites op: 2026-06-03 Geëvalueerde modellen: 161

161/161

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#66#66	Step 3.7 Flashhigh	7.2	Stepfun	$0.960	49.43s
Modelkaart bekijken Totaal tests 20 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.3% Instabiele tests 3 Invoer-tokens 35,763 Uitvoer-tokens 828,084 Redeneer-tokens 0 Responstijd (gem.) 49.43s Responstijd (totaal) 988.58s Responstijd (max) 192.75s Verkeerd antwoord: 6 Geen antwoord: 3 Anti-AI-trucs : 10.0 Programmeren : 3.7 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 4.1 Algemene intelligentie : 5.5 Instructies opvolgen : 9.8 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#2🥈 #2	Gemini 3.5 Flashhigh	9.6	Google	$0.994	8.30s
Modelkaart bekijken Totaal tests 20 Foute tests 1 Betrouwbaarheid 10.0 Slaagpercentage per poging 96.7% Instabiele tests 1 Invoer-tokens 34,591 Uitvoer-tokens 1,969 Redeneer-tokens 102,679 Responstijd (gem.) 8.30s Responstijd (totaal) 165.92s Responstijd (max) 34.82s Verkeerd antwoord: 1 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 : 9.8 Algemene kennis : 10.0
#11#11	Claude Opus 4.8medium	8.7	Anthropic	$1.006	9.34s
Modelkaart bekijken Totaal tests 20 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 1 Invoer-tokens 57,185 Uitvoer-tokens 23,201 Redeneer-tokens 5,901 Responstijd (gem.) 9.34s Responstijd (totaal) 186.84s Responstijd (max) 38.03s Verkeerd antwoord: 3 Geen antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 9.8 Gegevensparsering en extractie : 7.1 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#4#4	Gemini 3.1 Pro Previewmedium	9.3	Google	$1.006	20.77s
Modelkaart bekijken Totaal tests 20 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 90.0% Instabiele tests 0 Invoer-tokens 38,614 Uitvoer-tokens 1,971 Redeneer-tokens 75,384 Responstijd (gem.) 20.77s Responstijd (totaal) 269.96s Responstijd (max) 88.68s Verkeerd antwoord: 2 Anti-AI-trucs : 10.0 Programmeren : 7.0 Gecombineerd : 9.5 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
#27#27	GPT-5.4medium	7.9	OpenAI	$1.140	22.31s
Modelkaart bekijken Totaal tests 20 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 75.0% Instabiele tests 4 Invoer-tokens 31,489 Uitvoer-tokens 2,221 Redeneer-tokens 68,486 Responstijd (gem.) 22.31s Responstijd (totaal) 446.17s Responstijd (max) 100.41s Verkeerd antwoord: 5 Instructies niet gevolgd: 2 Anti-AI-trucs : 8.3 Programmeren : 8.2 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.7 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#47#47	Claude Sonnet 4.6medium	7.6	Anthropic	$1.330	15.81s
Modelkaart bekijken Totaal tests 20 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 66.7% Instabiele tests 1 Invoer-tokens 45,947 Uitvoer-tokens 49,891 Redeneer-tokens 29,565 Responstijd (gem.) 15.81s Responstijd (totaal) 189.71s Responstijd (max) 46.35s Extra opmaak: 3 Verkeerd antwoord: 3 Time-out: 1 Anti-AI-trucs : 6.5 Programmeren : 7.2 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
#64#64	Claude Opus 4.6medium	7.2	Anthropic	$1.896	25.45s
Modelkaart bekijken Totaal tests 20 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.3% Instabiele tests 2 Invoer-tokens 50,062 Uitvoer-tokens 42,254 Redeneer-tokens 23,554 Responstijd (gem.) 25.45s Responstijd (totaal) 330.91s Responstijd (max) 83.40s Extra opmaak: 4 Verkeerd antwoord: 3 Instructies niet gevolgd: 1 Anti-AI-trucs : 6.4 Programmeren : 7.2 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#61#61	Gemini 3.1 Flash Litehigh	7.3	Google	$2.044	61.96s
Modelkaart bekijken Totaal tests 18 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 68.5% Instabiele tests 4 Invoer-tokens 29,134 Uitvoer-tokens 1,984 Redeneer-tokens 1,355,583 Responstijd (gem.) 61.96s Responstijd (totaal) 1115.31s Responstijd (max) 149.23s Verkeerd antwoord: 4 Instructies niet gevolgd: 3 Geen antwoord: 1 Anti-AI-trucs : 8.7 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 5.0 Instructies opvolgen : 7.3 Puzzeloplossing : 5.7 Toolaanroepen : 10.0
#13#13	Gemini 3.1 Flash Lite Previewhigh	8.6	Google	$2.310	68.14s
Modelkaart bekijken Totaal tests 16 Foute tests 3 Betrouwbaarheid n.v.t. Slaagpercentage per poging 81.3% Instabiele tests 0 Invoer-tokens 28,980 Uitvoer-tokens 1,283 Redeneer-tokens 1,533,310 Responstijd (gem.) 68.14s Responstijd (totaal) 1090.28s Responstijd (max) 280.52s Verkeerd antwoord: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 7.7 Toolaanroepen : 10.0
#10#10	GPT-5.5medium	8.7	OpenAI	$3.502	37.88s
Modelkaart bekijken Totaal tests 20 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 86.7% Instabiele tests 3 Invoer-tokens 31,593 Uitvoer-tokens 1,964 Redeneer-tokens 109,481 Responstijd (gem.) 37.88s Responstijd (totaal) 757.66s Responstijd (max) 332.10s Verkeerd antwoord: 4 Anti-AI-trucs : 10.0 Programmeren : 8.2 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
#86#86	Grok 4.20 Multi Agent Betamedium	6.6	X AI	$5.599 ↑	9.69s
Modelkaart bekijken Totaal tests 18 Foute tests 10 Betrouwbaarheid n.v.t. Slaagpercentage per poging 59.3% 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 : 10.0 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.8 Instructies opvolgen : 9.8 Puzzeloplossing : 6.7 Toolaanroepen : 3.0

Snelle vergelijking

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

AI Benchmark Leaderboard

Modellen filteren

Snelle vergelijking