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.)
#210#210	Gemini 2.5 Flashnone	6.0	Google	$0.017	6.19s
Modelkaart bekijken Totaal tests 22 Foute tests 14 Betrouwbaarheid 10.0 Slaagpercentage per poging 39.4% Instabiele tests 1 Invoer-tokens 39,886 Uitvoer-tokens 1,890 Redeneer-tokens 0 Responstijd (gem.) 6.19s Responstijd (totaal) 136.23s Responstijd (max) 118.00s Verkeerd antwoord: 13 Ongeldige toolaanroep: 1 Anti-AI-trucs : 3.0 Programmeren : 5.5 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 5.0 Instructies opvolgen : 10.0 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#196#196	Claude Sonnet 5none	6.1	Anthropic	$0.548	6.05s
Modelkaart bekijken Totaal tests 22 Foute tests 15 Betrouwbaarheid 10.0 Slaagpercentage per poging 40.9% Instabiele tests 4 Invoer-tokens 161,032 Uitvoer-tokens 22,508 Redeneer-tokens 0 Responstijd (gem.) 6.05s Responstijd (totaal) 132.99s Responstijd (max) 33.39s Verkeerd antwoord: 8 Extra opmaak: 4 Geen antwoord: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 5.3 Programmeren : 4.6 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 4.7 Instructies opvolgen : 6.4 Puzzeloplossing : 6.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#284#284	Nemotron 3 Supernone	4.8	NVIDIA	$0.008 ↑	6.04s
Modelkaart bekijken Totaal tests 22 Foute tests 17 Betrouwbaarheid 9.2 Slaagpercentage per poging 27.3% Instabiele tests 2 Invoer-tokens 63,528 Uitvoer-tokens 6,432 Redeneer-tokens 0 Responstijd (gem.) 6.04s Responstijd (totaal) 132.96s Responstijd (max) 20.00s Verkeerd antwoord: 15 Instructies niet gevolgd: 2 Anti-AI-trucs : 4.8 Programmeren : 3.3 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 4.6 Instructies opvolgen : 6.3 Puzzeloplossing : 5.5 Toolaanroepen : 4.7 Algemene kennis : 3.0
#12#12	Gemini 3.7 Flashmedium	9.4	Google	$0.309 ↑	5.87s
Modelkaart bekijken Totaal tests 22 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 93.9% Instabiele tests 1 Invoer-tokens 89,055 Uitvoer-tokens 5,697 Redeneer-tokens 58,880 Responstijd (gem.) 5.87s Responstijd (totaal) 129.20s Responstijd (max) 30.23s Verkeerd antwoord: 2 Anti-AI-trucs : 10.0 Programmeren : 8.4 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 : 10.0
#36#36	Gemini 3.5 Flashlow	8.8	Google	$0.449	5.76s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 84.9% Instabiele tests 2 Invoer-tokens 87,826 Uitvoer-tokens 2,239 Redeneer-tokens 32,956 Responstijd (gem.) 5.76s Responstijd (totaal) 126.71s Responstijd (max) 53.55s Verkeerd antwoord: 3 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 7.8 Gecombineerd : 8.2 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
#262#262	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.051 ↓	5.57s
Modelkaart bekijken Totaal tests 22 Foute tests 18 Betrouwbaarheid 10.0 Slaagpercentage per poging 28.8% Instabiele tests 5 Invoer-tokens 93,990 Uitvoer-tokens 45,905 Redeneer-tokens 0 Responstijd (gem.) 5.57s Responstijd (totaal) 111.32s Responstijd (max) 39.54s Verkeerd antwoord: 13 API-fout: 2 Instructies niet gevolgd: 2 Geen antwoord: 1 Anti-AI-trucs : 3.6 Programmeren : 5.5 Gecombineerd : 3.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 4.4 Instructies opvolgen : 6.2 Puzzeloplossing : 3.2 Toolaanroepen : 3.0 Algemene kennis : 3.0
#104#104	GPT-5.6 Terralow	7.5	OpenAI	$0.420 ↓	5.45s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 74.2% Instabiele tests 6 Invoer-tokens 80,304 Uitvoer-tokens 4,714 Redeneer-tokens 16,872 Responstijd (gem.) 5.45s Responstijd (totaal) 119.83s Responstijd (max) 19.85s Verkeerd antwoord: 8 Ongeldige toolaanroep: 1 Anti-AI-trucs : 8.3 Programmeren : 6.6 Gecombineerd : 8.7 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.8 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 4.7 Algemene kennis : 3.0
#206#206	Gemma 4 31Bnone	6.1	Google	$0.016 ↓	5.41s
Modelkaart bekijken Totaal tests 22 Foute tests 13 Betrouwbaarheid 10.0 Slaagpercentage per poging 43.9% Instabiele tests 1 Invoer-tokens 125,703 Uitvoer-tokens 13,317 Redeneer-tokens 0 Responstijd (gem.) 5.41s Responstijd (totaal) 108.12s Responstijd (max) 29.95s Verkeerd antwoord: 10 API-fout: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 6.5 Programmeren : 5.5 Gecombineerd : 3.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 6.5 Puzzeloplossing : 6.5 Toolaanroepen : 3.0 Algemene kennis : 3.0
#225#225	Solar Pro 4none	5.8	Upstage	$0.017 ↑	5.37s
Modelkaart bekijken Totaal tests 22 Foute tests 15 Betrouwbaarheid 10.0 Slaagpercentage per poging 33.3% Instabiele tests 1 Invoer-tokens 130,863 Uitvoer-tokens 11,912 Redeneer-tokens 0 Responstijd (gem.) 5.37s Responstijd (totaal) 118.06s Responstijd (max) 64.67s Verkeerd antwoord: 14 Geen antwoord: 1 Anti-AI-trucs : 4.8 Programmeren : 5.5 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.0 Instructies opvolgen : 6.4 Puzzeloplossing : 5.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#195#195	GPT-5.6 Lunalow	6.2	OpenAI	$0.051 ↓	5.20s
Modelkaart bekijken Totaal tests 22 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 54.5% Instabiele tests 5 Invoer-tokens 96,355 Uitvoer-tokens 8,213 Redeneer-tokens 18,073 Responstijd (gem.) 5.20s Responstijd (totaal) 114.46s Responstijd (max) 19.44s Verkeerd antwoord: 10 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 8.3 Programmeren : 5.5 Gecombineerd : 2.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.0 Instructies opvolgen : 8.5 Puzzeloplossing : 7.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#187#187	LongCat 2.0none	6.4	Meituan	$0.044	5.17s
Modelkaart bekijken Totaal tests 22 Foute tests 14 Betrouwbaarheid 10.0 Slaagpercentage per poging 40.9% Instabiele tests 2 Invoer-tokens 108,752 Uitvoer-tokens 9,375 Redeneer-tokens 0 Responstijd (gem.) 5.17s Responstijd (totaal) 113.83s Responstijd (max) 48.38s Verkeerd antwoord: 13 Extra opmaak: 1 Anti-AI-trucs : 4.8 Programmeren : 5.5 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.0 Instructies opvolgen : 6.5 Puzzeloplossing : 4.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#85#85	Gemini 3.5 Flash Litemedium	7.8	Google	$0.272	5.12s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 78.8% Instabiele tests 6 Invoer-tokens 103,916 Uitvoer-tokens 8,892 Redeneer-tokens 87,343 Responstijd (gem.) 5.12s Responstijd (totaal) 112.73s Responstijd (max) 26.41s Verkeerd antwoord: 6 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 7.9 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 4.1 Algemene intelligentie : 4.7 Instructies opvolgen : 9.8 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 2.8
#203#203	Inklinglow	6.1	Thinkingmachines	$0.187	5.11s
Modelkaart bekijken Totaal tests 22 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 54.6% Instabiele tests 4 Invoer-tokens 109,893 Uitvoer-tokens 8,580 Redeneer-tokens 10,324 Responstijd (gem.) 5.11s Responstijd (totaal) 112.46s Responstijd (max) 41.58s Verkeerd antwoord: 8 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 2 Anti-AI-trucs : 8.3 Programmeren : 5.1 Gecombineerd : 2.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 6.4 Toolaanroepen : 3.0 Algemene kennis : 3.0
#9#9	GPT-6 Astralow	9.5	OpenAI	$1.289	5.09s
Modelkaart bekijken Totaal tests 22 Foute tests 2 Betrouwbaarheid 9.9 Slaagpercentage per poging 90.9% Instabiele tests 0 Invoer-tokens 78,100 Uitvoer-tokens 4,155 Redeneer-tokens 5,989 Responstijd (gem.) 5.09s Responstijd (totaal) 112.04s Responstijd (max) 28.60s Verkeerd antwoord: 2 Anti-AI-trucs : 10.0 Programmeren : 10.0 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
#42#42	Gemini 3.6 Flashlow	8.7	Google	$0.251 ↓	4.92s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 89.4% Instabiele tests 3 Invoer-tokens 85,886 Uitvoer-tokens 5,489 Redeneer-tokens 44,232 Responstijd (gem.) 4.92s Responstijd (totaal) 108.28s Responstijd (max) 30.83s Verkeerd antwoord: 4 Anti-AI-trucs : 8.7 Programmeren : 7.8 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.6 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#128#128	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 2 Invoer-tokens 149,203 Uitvoer-tokens 16,797 Redeneer-tokens 0 Responstijd (gem.) 4.92s Responstijd (totaal) 108.24s Responstijd (max) 35.03s Verkeerd antwoord: 4 Extra opmaak: 3 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 6.5 Programmeren : 5.5 Gecombineerd : 9.8 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#112#112	Gemini 3.8 Flashlow	7.5	Google	$0.239	4.83s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 81.8% Instabiele tests 4 Invoer-tokens 111,773 Uitvoer-tokens 8,035 Redeneer-tokens 33,289 Responstijd (gem.) 4.83s Responstijd (totaal) 106.18s Responstijd (max) 35.14s Verkeerd antwoord: 5 Geen antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 5.4 Gecombineerd : 3.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.8 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#173#173	Qwen3.5-27Bnone	6.6	Qwen	$0.058 ↓	4.77s
Modelkaart bekijken Totaal tests 22 Foute tests 13 Betrouwbaarheid 10.0 Slaagpercentage per poging 45.5% Instabiele tests 2 Invoer-tokens 102,325 Uitvoer-tokens 24,323 Redeneer-tokens 0 Responstijd (gem.) 4.77s Responstijd (totaal) 105.00s Responstijd (max) 69.46s Verkeerd antwoord: 11 Instructies niet gevolgd: 2 Anti-AI-trucs : 4.8 Programmeren : 5.8 Gecombineerd : 6.4 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.0 Instructies opvolgen : 6.3 Puzzeloplossing : 6.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#309#309	Hunter Alphanone	4.2	OpenRouter	$0.000	4.70s
Modelkaart bekijken Totaal tests 18 Foute tests 12 Betrouwbaarheid n.v.t. Slaagpercentage per poging 37.9% Instabiele tests 4 Invoer-tokens 34,329 Uitvoer-tokens 2,264 Redeneer-tokens 0 Responstijd (gem.) 4.70s Responstijd (totaal) 79.86s Responstijd (max) 15.17s Verkeerd antwoord: 9 Instructies niet gevolgd: 2 API-fout: 1 Anti-AI-trucs : 3.5 Programmeren : 9.8 Gecombineerd : 1.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 6.1 Instructies opvolgen : 6.4 Puzzeloplossing : 5.8 Toolaanroepen : 10.0 Algemene kennis : 0.0
#272#272	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.68s
Modelkaart bekijken Totaal tests 22 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 27.3% Instabiele tests 2 Invoer-tokens 141,052 Uitvoer-tokens 16,464 Redeneer-tokens 0 Responstijd (gem.) 4.68s Responstijd (totaal) 103.02s Responstijd (max) 55.36s Verkeerd antwoord: 14 Extra opmaak: 1 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 3.5 Programmeren : 5.5 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 2.9 Algemene intelligentie : 4.4 Instructies opvolgen : 6.5 Puzzeloplossing : 5.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#113#113	Gemini 3.1 Flash Lite Previewmedium	7.4	Google	$0.117	4.59s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 0 Invoer-tokens 117,493 Uitvoer-tokens 10,589 Redeneer-tokens 47,189 Responstijd (gem.) 4.59s Responstijd (totaal) 101.04s Responstijd (max) 18.34s Verkeerd antwoord: 6 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 9.1 Programmeren : 5.5 Gecombineerd : 7.2 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
#114#114	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.56s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 9.9 Slaagpercentage per poging 68.2% Instabiele tests 0 Invoer-tokens 95,992 Uitvoer-tokens 12,446 Redeneer-tokens 0 Responstijd (gem.) 4.56s Responstijd (totaal) 100.30s Responstijd (max) 72.30s Verkeerd antwoord: 7 Anti-AI-trucs : 6.5 Programmeren : 5.5 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#125#125	Gemini 3.1 Flash Litemedium	7.3	Google	$0.120	4.38s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 62.1% Instabiele tests 2 Invoer-tokens 104,925 Uitvoer-tokens 9,168 Redeneer-tokens 53,188 Responstijd (gem.) 4.38s Responstijd (totaal) 96.32s Responstijd (max) 26.22s Verkeerd antwoord: 7 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 9.1 Programmeren : 5.5 Gecombineerd : 7.2 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 7.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#193#193	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.066	4.37s
Modelkaart bekijken Totaal tests 22 Foute tests 14 Betrouwbaarheid 10.0 Slaagpercentage per poging 40.9% Instabiele tests 3 Invoer-tokens 142,206 Uitvoer-tokens 14,744 Redeneer-tokens 0 Responstijd (gem.) 4.37s Responstijd (totaal) 96.20s Responstijd (max) 44.58s Verkeerd antwoord: 13 Geen antwoord: 1 Anti-AI-trucs : 3.0 Programmeren : 5.6 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#139#139	Mercury 2.5high	7.1	Inception	$0.031	4.32s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 9.7 Slaagpercentage per poging 62.1% Instabiele tests 4 Invoer-tokens 120,068 Uitvoer-tokens 3,402 Redeneer-tokens 171,145 Responstijd (gem.) 4.32s Responstijd (totaal) 95.06s Responstijd (max) 23.63s Verkeerd antwoord: 8 API-fout: 1 Geen antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 6.4 Gecombineerd : 6.4 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.0 Instructies opvolgen : 6.5 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 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