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.)
#24#24	Qwen3.5-27Bmedium	7.9	Qwen	$0.488 ↓	60.09s
Modelkaart bekijken Totaal tests 20 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 73.3% Instabiele tests 3 Invoer-tokens 39,329 Uitvoer-tokens 2,569 Redeneer-tokens 304,894 Responstijd (gem.) 60.09s Responstijd (totaal) 1201.89s Responstijd (max) 177.36s Verkeerd antwoord: 3 Instructies niet gevolgd: 2 Extra opmaak: 1 Time-out: 1 Anti-AI-trucs : 8.7 Programmeren : 7.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 6.1 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#74#74	Ring-2.6-1Tmedium	7.0	Inclusionai	$0.033	61.29s
Modelkaart bekijken Totaal tests 20 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.3% Instabiele tests 3 Invoer-tokens 35,892 Uitvoer-tokens 21,752 Redeneer-tokens 42,754 Responstijd (gem.) 61.29s Responstijd (totaal) 1164.50s Responstijd (max) 304.19s Verkeerd antwoord: 6 Instructies niet gevolgd: 2 API-fout: 1 Anti-AI-trucs : 10.0 Programmeren : 6.5 Gecombineerd : 10.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.5 Algemene intelligentie : 4.1 Instructies opvolgen : 9.8 Puzzeloplossing : 5.9 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
#45#45	Qwen3.5-Flashmedium	7.6	Qwen	$0.074 ↓	63.04s
Modelkaart bekijken Totaal tests 20 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 75.0% Instabiele tests 5 Invoer-tokens 37,036 Uitvoer-tokens 2,074 Redeneer-tokens 272,063 Responstijd (gem.) 63.04s Responstijd (totaal) 1197.71s Responstijd (max) 234.29s Time-out: 3 Verkeerd antwoord: 3 API-fout: 1 Instructies niet gevolgd: 1 Anti-AI-trucs : 10.0 Programmeren : 4.1 Gecombineerd : 10.0 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 5.3 Algemene intelligentie : 6.1 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#19#19	Qwen3.5 Plus 2026-02-15medium	8.1	Qwen	$0.283 ↓	67.58s
Modelkaart bekijken Totaal tests 20 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 76.7% Instabiele tests 3 Invoer-tokens 39,028 Uitvoer-tokens 2,145 Redeneer-tokens 172,563 Responstijd (gem.) 67.58s Responstijd (totaal) 878.57s Responstijd (max) 266.69s Verkeerd antwoord: 4 Time-out: 2 Anti-AI-trucs : 8.2 Programmeren : 7.6 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.7 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#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
#67#67	MiniMax M3medium	7.2	Minimax	$0.120	68.44s
Modelkaart bekijken Totaal tests 20 Foute tests 9 Betrouwbaarheid 9.6 Slaagpercentage per poging 65.0% Instabiele tests 4 Invoer-tokens 43,447 Uitvoer-tokens 46,884 Redeneer-tokens 85,935 Responstijd (gem.) 68.44s Responstijd (totaal) 1300.32s Responstijd (max) 431.03s Time-out: 3 Verkeerd antwoord: 3 Instructies niet gevolgd: 2 Geen antwoord: 1 Anti-AI-trucs : 5.5 Programmeren : 6.8 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.5 Algemene intelligentie : 5.1 Instructies opvolgen : 9.8 Puzzeloplossing : 7.9 Toolaanroepen : 10.0 Algemene kennis : 3.0
#63#63	Qwen3.5-35B-A3Bmedium	7.3	Qwen	$0.368 ↓	69.66s
Modelkaart bekijken Totaal tests 20 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 73.3% Instabiele tests 6 Invoer-tokens 40,306 Uitvoer-tokens 31,242 Redeneer-tokens 330,546 Responstijd (gem.) 69.66s Responstijd (totaal) 1393.17s Responstijd (max) 409.98s Time-out: 4 Geen antwoord: 2 Verkeerd antwoord: 2 API-fout: 1 Anti-AI-trucs : 10.0 Programmeren : 6.5 Gecombineerd : 4.7 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 4.1 Algemene intelligentie : 2.8 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#71#71	Seed-2.0-Minimedium	7.1	Bytedance Seed	$0.044	80.22s
Modelkaart bekijken Totaal tests 20 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 60.0% Instabiele tests 2 Invoer-tokens 41,904 Uitvoer-tokens 2,555 Redeneer-tokens 95,974 Responstijd (gem.) 80.22s Responstijd (totaal) 1363.72s Responstijd (max) 262.83s Time-out: 4 Verkeerd antwoord: 4 Instructies niet gevolgd: 1 Anti-AI-trucs : 6.6 Programmeren : 6.8 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 5.1 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#158#158	Qwen3.5-9Bmedium	4.2	Qwen	$0.033 ↓	83.32s
Modelkaart bekijken Totaal tests 20 Foute tests 17 Betrouwbaarheid 5.0 Slaagpercentage per poging 28.3% Instabiele tests 5 Invoer-tokens 15,204 Uitvoer-tokens 27,305 Redeneer-tokens 199,780 Responstijd (gem.) 83.32s Responstijd (totaal) 1249.74s Responstijd (max) 226.38s Time-out: 11 Verkeerd antwoord: 2 API-fout: 1 Extra opmaak: 1 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 5.1 Programmeren : 2.8 Gecombineerd : 3.0 Gegevensparsering en extractie : 3.6 Domeinspecifiek : 3.6 Algemene intelligentie : 2.8 Instructies opvolgen : 6.5 Puzzeloplossing : 3.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#81#81	Kimi K2.5medium	6.7	Moonshot AI	$0.272 ↓	89.02s
Modelkaart bekijken Totaal tests 20 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 66.7% Instabiele tests 8 Invoer-tokens 31,717 Uitvoer-tokens 48,374 Redeneer-tokens 128,473 Responstijd (gem.) 89.02s Responstijd (totaal) 1157.32s Responstijd (max) 281.00s Verkeerd antwoord: 5 Instructies niet gevolgd: 2 Geen antwoord: 2 Time-out: 2 Anti-AI-trucs : 7.3 Programmeren : 4.1 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 6.5 Instructies opvolgen : 10.0 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 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