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.)
#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
#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
#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
#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
#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
#241#241	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.65s
Modelkaart bekijken Totaal tests 22 Foute tests 14 Betrouwbaarheid 9.6 Slaagpercentage per poging 45.5% Instabiele tests 3 Invoer-tokens 51,369 Uitvoer-tokens 8,008 Redeneer-tokens 58,568 Responstijd (gem.) 8.65s Responstijd (totaal) 190.35s Responstijd (max) 48.19s Verkeerd antwoord: 10 API-fout: 1 Extra opmaak: 1 Instructies niet gevolgd: 1 Time-out: 1 Anti-AI-trucs : 8.7 Programmeren : 3.6 Gecombineerd : 6.5 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.0 Algemene intelligentie : 5.0 Instructies opvolgen : 10.0 Puzzeloplossing : 3.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#270#270	Qwen3 Coder Nextnone	5.1	Qwen	$0.026 ↑	8.63s
Modelkaart bekijken Totaal tests 22 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 25.8% Instabiele tests 1 Invoer-tokens 134,227 Uitvoer-tokens 11,808 Redeneer-tokens 0 Responstijd (gem.) 8.63s Responstijd (totaal) 146.72s Responstijd (max) 45.14s Verkeerd antwoord: 14 Extra opmaak: 1 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 3.6 Programmeren : 4.6 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 6.3 Puzzeloplossing : 3.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#260#260	Ling-2.6-1Tnone	5.3	Inclusionai	$0.016 ↑	8.59s
Modelkaart bekijken Totaal tests 22 Foute tests 18 Betrouwbaarheid 10.0 Slaagpercentage per poging 18.2% Instabiele tests 0 Invoer-tokens 106,423 Uitvoer-tokens 11,555 Redeneer-tokens 0 Responstijd (gem.) 8.59s Responstijd (totaal) 163.20s Responstijd (max) 25.72s Verkeerd antwoord: 12 API-fout: 3 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 3.4 Programmeren : 3.8 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 5.0 Instructies opvolgen : 6.4 Puzzeloplossing : 3.1 Toolaanroepen : 3.0 Algemene kennis : 3.0
#27#27	Gemini 3.5 Flashmedium	9.0	Google	$0.665	8.48s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 1 Invoer-tokens 69,756 Uitvoer-tokens 2,166 Redeneer-tokens 60,007 Responstijd (gem.) 8.48s Responstijd (totaal) 186.57s Responstijd (max) 76.68s Verkeerd antwoord: 3 Instructies niet gevolgd: 1 Anti-AI-trucs : 10.0 Programmeren : 7.9 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 10.0
#14#14	GPT-6 Astramedium	9.4	OpenAI	$1.774	8.08s
Modelkaart bekijken Totaal tests 22 Foute tests 3 Betrouwbaarheid 9.9 Slaagpercentage per poging 90.9% Instabiele tests 2 Invoer-tokens 79,264 Uitvoer-tokens 4,789 Redeneer-tokens 14,838 Responstijd (gem.) 8.08s Responstijd (totaal) 177.70s Responstijd (max) 73.48s Verkeerd antwoord: 3 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 2.8
#184#184	Qwen3.6 Max Previewnone	6.4	Qwen	$0.228 ↓	7.82s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 9.9 Slaagpercentage per poging 56.1% Instabiele tests 2 Invoer-tokens 106,348 Uitvoer-tokens 19,257 Redeneer-tokens 0 Responstijd (gem.) 7.82s Responstijd (totaal) 172.04s Responstijd (max) 102.62s Verkeerd antwoord: 11 Anti-AI-trucs : 5.2 Programmeren : 3.8 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.3 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#80#80	GPT-5.2 Chatnone	7.9	OpenAI	$0.594	7.73s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 69.7% Instabiele tests 4 Invoer-tokens 101,104 Uitvoer-tokens 29,742 Redeneer-tokens 0 Responstijd (gem.) 7.73s Responstijd (totaal) 162.40s Responstijd (max) 38.52s Verkeerd antwoord: 6 API-fout: 1 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 8.7 Programmeren : 8.8 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 4.4 Instructies opvolgen : 9.8 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#121#121	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 57.6% Instabiele tests 1 Invoer-tokens 123,273 Uitvoer-tokens 19,362 Redeneer-tokens 0 Responstijd (gem.) 7.67s Responstijd (totaal) 122.78s Responstijd (max) 51.18s Verkeerd antwoord: 5 Extra opmaak: 4 Instructies niet gevolgd: 1 Anti-AI-trucs : 4.8 Programmeren : 5.5 Gecombineerd : 9.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 6.1 Instructies opvolgen : 6.5 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#102#102	Claude Opus 5none	7.5	Anthropic	$1.550	7.65s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 57.6% Instabiele tests 1 Invoer-tokens 185,547 Uitvoer-tokens 24,866 Redeneer-tokens 0 Responstijd (gem.) 7.65s Responstijd (totaal) 168.35s Responstijd (max) 47.72s Verkeerd antwoord: 6 Extra opmaak: 2 Ongeldige toolaanroep: 1 Geen antwoord: 1 Anti-AI-trucs : 5.5 Programmeren : 5.9 Gecombineerd : 8.3 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
#44#44	Claude Opus 4.7medium	8.7	Anthropic	$1.476	7.62s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 1 Invoer-tokens 145,249 Uitvoer-tokens 24,948 Redeneer-tokens 5,042 Responstijd (gem.) 7.62s Responstijd (totaal) 159.94s Responstijd (max) 65.40s Verkeerd antwoord: 3 Time-out: 1 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
#238#238	Gemma 4 26B A4Bnone	5.6	Google	$0.017 ↓	7.58s
Modelkaart bekijken Totaal tests 22 Foute tests 13 Betrouwbaarheid 10.0 Slaagpercentage per poging 43.9% Instabiele tests 1 Invoer-tokens 131,257 Uitvoer-tokens 15,781 Redeneer-tokens 0 Responstijd (gem.) 7.58s Responstijd (totaal) 166.82s Responstijd (max) 57.10s Verkeerd antwoord: 9 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Time-out: 1 Anti-AI-trucs : 8.3 Programmeren : 3.7 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.0 Instructies opvolgen : 6.3 Puzzeloplossing : 6.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#116#116	GPT-5.6 Lunamedium	7.4	OpenAI	$0.072 ↓	7.43s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 62.1% Instabiele tests 2 Invoer-tokens 89,685 Uitvoer-tokens 5,701 Redeneer-tokens 38,824 Responstijd (gem.) 7.43s Responstijd (totaal) 163.54s Responstijd (max) 29.85s Verkeerd antwoord: 9 Anti-AI-trucs : 8.3 Programmeren : 5.4 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.1 Instructies opvolgen : 9.9 Puzzeloplossing : 7.8 Toolaanroepen : 10.0 Algemene kennis : 3.0
#41#41	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 1 Invoer-tokens 134,770 Uitvoer-tokens 13,604 Redeneer-tokens 4,388 Responstijd (gem.) 6.99s Responstijd (totaal) 153.80s Responstijd (max) 30.67s Verkeerd antwoord: 4 Anti-AI-trucs : 10.0 Programmeren : 7.8 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 : 3.0
#87#87	GPT-5.6 Terramedium	7.8	OpenAI	$0.523 ↓	6.85s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 69.7% Instabiele tests 2 Invoer-tokens 79,184 Uitvoer-tokens 4,878 Redeneer-tokens 25,471 Responstijd (gem.) 6.85s Responstijd (totaal) 150.65s Responstijd (max) 41.68s Verkeerd antwoord: 8 Anti-AI-trucs : 8.3 Programmeren : 6.1 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.5 Instructies opvolgen : 10.0 Puzzeloplossing : 8.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#223#223	Seed 2.1 Turbonone	5.9	Bytedance Seed	$0.092	6.84s
Modelkaart bekijken Totaal tests 22 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 54.6% Instabiele tests 3 Invoer-tokens 129,150 Uitvoer-tokens 10,643 Redeneer-tokens 0 Responstijd (gem.) 6.84s Responstijd (totaal) 150.46s Responstijd (max) 55.92s Verkeerd antwoord: 11 Geen antwoord: 1 Anti-AI-trucs : 4.8 Programmeren : 4.5 Gecombineerd : 3.8 Gegevensparsering en extractie : 7.1 Domeinspecifiek : 7.7 Algemene intelligentie : 5.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#231#231	GLM 5.1none	5.7	Z.ai	$0.164 ↓	6.74s
Modelkaart bekijken Totaal tests 22 Foute tests 14 Betrouwbaarheid 10.0 Slaagpercentage per poging 45.5% Instabiele tests 5 Invoer-tokens 124,219 Uitvoer-tokens 14,393 Redeneer-tokens 0 Responstijd (gem.) 6.74s Responstijd (totaal) 148.20s Responstijd (max) 61.20s Verkeerd antwoord: 12 Ongeldige toolaanroep: 1 Geen antwoord: 1 Anti-AI-trucs : 4.0 Programmeren : 3.9 Gecombineerd : 2.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.0 Instructies opvolgen : 9.8 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#311#311	Laguna Xs.2medium	4.1	Poolside	$0.015 ↕	6.73s
Modelkaart bekijken Totaal tests 19 Foute tests 13 Betrouwbaarheid 10.0 Slaagpercentage per poging 43.9% Instabiele tests 6 Invoer-tokens 39,481 Uitvoer-tokens 54,218 Redeneer-tokens 0 Responstijd (gem.) 6.73s Responstijd (totaal) 100.98s Responstijd (max) 29.11s Verkeerd antwoord: 6 API-fout: 4 Geen antwoord: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 6.9 Programmeren : 2.1 Gecombineerd : 1.5 Gegevensparsering en extractie : 7.1 Domeinspecifiek : 4.1 Algemene intelligentie : 3.0 Instructies opvolgen : 10.0 Puzzeloplossing : 5.3 Toolaanroepen : 4.7 Algemene kennis : 3.0
#106#106	GPT 5.3 Chatnone	7.5	OpenAI	$0.533	6.56s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 4 Invoer-tokens 78,846 Uitvoer-tokens 28,179 Redeneer-tokens 0 Responstijd (gem.) 6.56s Responstijd (totaal) 137.77s Responstijd (max) 18.33s Verkeerd antwoord: 6 Instructies niet gevolgd: 2 API-fout: 1 Anti-AI-trucs : 6.7 Programmeren : 5.6 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 4.6 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#120#120	Gemini 3 Flash Previewlow	7.4	Google	$0.185	6.51s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 75.8% Instabiele tests 2 Invoer-tokens 123,687 Uitvoer-tokens 9,572 Redeneer-tokens 31,204 Responstijd (gem.) 6.51s Responstijd (totaal) 143.12s Responstijd (max) 17.13s Verkeerd antwoord: 6 Anti-AI-trucs : 10.0 Programmeren : 5.8 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#175#175	Inkling Smallmedium	6.6	Thinkingmachines	$0.113 ↓	6.30s
Modelkaart bekijken Totaal tests 22 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 53.0% Instabiele tests 3 Invoer-tokens 100,255 Uitvoer-tokens 6,422 Redeneer-tokens 49,847 Responstijd (gem.) 6.30s Responstijd (totaal) 138.60s Responstijd (max) 17.26s Verkeerd antwoord: 6 Instructies niet gevolgd: 4 Ongeldige toolaanroep: 2 Anti-AI-trucs : 10.0 Programmeren : 7.8 Gecombineerd : 3.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 5.3 Instructies opvolgen : 8.5 Puzzeloplossing : 5.8 Toolaanroepen : 3.0 Algemene kennis : 3.0

←

1 9 10 11 14

→

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