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.)
#253#253	MiMo-V2.5-Pronone	5.4	Xiaomi	$0.068 ↓	4.24s
Modelkaart bekijken Totaal tests 22 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 33.3% Instabiele tests 4 Invoer-tokens 124,808 Uitvoer-tokens 15,362 Redeneer-tokens 0 Responstijd (gem.) 4.24s Responstijd (totaal) 93.28s Responstijd (max) 53.13s Verkeerd antwoord: 12 Instructies niet gevolgd: 4 Geen antwoord: 1 Anti-AI-trucs : 3.3 Programmeren : 4.3 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 4.0 Instructies opvolgen : 6.4 Puzzeloplossing : 6.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#228#228	GLM 5none	5.7	Z.ai	$0.027 ↑	4.03s
Modelkaart bekijken Totaal tests 21 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 42.4% Instabiele tests 1 Invoer-tokens 37,135 Uitvoer-tokens 1,989 Redeneer-tokens 0 Responstijd (gem.) 4.03s Responstijd (totaal) 56.37s Responstijd (max) 11.07s Verkeerd antwoord: 12 Anti-AI-trucs : 4.8 Programmeren : 4.0 Gecombineerd : 1.5 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
#178#178	Mercury 2.5 Previewhigh	6.6	Inception	$0.030	4.01s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 5 Invoer-tokens 115,759 Uitvoer-tokens 2,562 Redeneer-tokens 160,943 Responstijd (gem.) 4.01s Responstijd (totaal) 88.25s Responstijd (max) 17.71s Verkeerd antwoord: 6 Instructies niet gevolgd: 2 API-fout: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 6.7 Gecombineerd : 3.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.1 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 3.0 Algemene kennis : 3.0
#208#208	Nemotron 3 Ultranone	6.1	NVIDIA	$0.093 ↕	3.88s
Modelkaart bekijken Totaal tests 22 Foute tests 14 Betrouwbaarheid 10.0 Slaagpercentage per poging 42.4% Instabiele tests 2 Invoer-tokens 101,168 Uitvoer-tokens 9,470 Redeneer-tokens 0 Responstijd (gem.) 3.88s Responstijd (totaal) 85.33s Responstijd (max) 37.50s Verkeerd antwoord: 11 API-fout: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 3.5 Programmeren : 5.5 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.0 Instructies opvolgen : 10.0 Puzzeloplossing : 5.9 Toolaanroepen : 10.0 Algemene kennis : 3.0
#19#19	Gemini 3.7 Flashlow	9.2	Google	$0.207 ↑	3.85s
Modelkaart bekijken Totaal tests 22 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 95.5% Instabiele tests 2 Invoer-tokens 90,322 Uitvoer-tokens 6,294 Redeneer-tokens 30,759 Responstijd (gem.) 3.85s Responstijd (totaal) 84.80s Responstijd (max) 19.44s Verkeerd antwoord: 2 Anti-AI-trucs : 10.0 Programmeren : 7.6 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 8.2 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#205#205	Qwen3.6 Flashnone	6.1	Qwen	$0.062 ↓	3.73s
Modelkaart bekijken Totaal tests 22 Foute tests 15 Betrouwbaarheid 10.0 Slaagpercentage per poging 34.9% Instabiele tests 1 Invoer-tokens 139,797 Uitvoer-tokens 30,947 Redeneer-tokens 0 Responstijd (gem.) 3.73s Responstijd (totaal) 81.95s Responstijd (max) 48.79s Verkeerd antwoord: 12 Ongeldige toolaanroep: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 3.1 Programmeren : 5.4 Gecombineerd : 3.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 6.3 Puzzeloplossing : 3.5 Toolaanroepen : 10.0 Algemene kennis : 3.0
#109#109	Mercury 2.5 Previewmedium	7.5	Inception	$0.024	3.58s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 69.7% Instabiele tests 1 Invoer-tokens 112,713 Uitvoer-tokens 5,436 Redeneer-tokens 121,598 Responstijd (gem.) 3.58s Responstijd (totaal) 78.66s Responstijd (max) 17.84s Verkeerd antwoord: 4 API-fout: 1 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 7.8 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 3.0 Algemene kennis : 3.0
#230#230	Ling-3.0-flashnone	5.7	Inclusionai	$0.004 ↕	3.56s
Modelkaart bekijken Totaal tests 22 Foute tests 16 Betrouwbaarheid 10.0 Slaagpercentage per poging 27.3% Instabiele tests 0 Invoer-tokens 123,993 Uitvoer-tokens 12,777 Redeneer-tokens 0 Responstijd (gem.) 3.56s Responstijd (totaal) 74.74s Responstijd (max) 17.51s Verkeerd antwoord: 13 API-fout: 1 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 4.8 Programmeren : 5.5 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 5.0 Instructies opvolgen : 4.8 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#263#263	Dots 3 Note Previewnone	5.2	Dots Studio	$0.000	3.53s
Modelkaart bekijken Totaal tests 22 Foute tests 19 Betrouwbaarheid 10.0 Slaagpercentage per poging 16.7% Instabiele tests 1 Invoer-tokens 116,155 Uitvoer-tokens 19,679 Redeneer-tokens 0 Responstijd (gem.) 3.53s Responstijd (totaal) 77.68s Responstijd (max) 24.48s Verkeerd antwoord: 15 Instructies niet gevolgd: 2 Extra opmaak: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 3.1 Programmeren : 4.6 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 5.0 Instructies opvolgen : 4.8 Puzzeloplossing : 3.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#282#282	Mercury 2.5 Previewnone	4.9	Inception	$0.018	3.51s
Modelkaart bekijken Totaal tests 22 Foute tests 18 Betrouwbaarheid 10.0 Slaagpercentage per poging 30.3% Instabiele tests 5 Invoer-tokens 130,296 Uitvoer-tokens 82,585 Redeneer-tokens 0 Responstijd (gem.) 3.51s Responstijd (totaal) 77.28s Responstijd (max) 60.70s Verkeerd antwoord: 16 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 3.8 Programmeren : 4.7 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 3.6 Algemene intelligentie : 5.0 Instructies opvolgen : 6.3 Puzzeloplossing : 5.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#264#264	Inklingnone	5.2	Thinkingmachines	$0.147	3.47s
Modelkaart bekijken Totaal tests 22 Foute tests 16 Betrouwbaarheid 10.0 Slaagpercentage per poging 28.8% Instabiele tests 1 Invoer-tokens 104,120 Uitvoer-tokens 10,554 Redeneer-tokens 0 Responstijd (gem.) 3.47s Responstijd (totaal) 76.28s Responstijd (max) 48.02s Verkeerd antwoord: 13 Extra opmaak: 1 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 4.8 Programmeren : 4.5 Gecombineerd : 2.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.0 Instructies opvolgen : 6.3 Puzzeloplossing : 5.6 Toolaanroepen : 3.0 Algemene kennis : 3.0
#162#162	Mercury 2.5medium	6.8	Inception	$0.022	3.19s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 9.8 Slaagpercentage per poging 65.2% Instabiele tests 4 Invoer-tokens 91,402 Uitvoer-tokens 3,138 Redeneer-tokens 116,991 Responstijd (gem.) 3.19s Responstijd (totaal) 70.18s Responstijd (max) 9.87s Verkeerd antwoord: 9 API-fout: 1 Anti-AI-trucs : 10.0 Programmeren : 5.0 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 4.4 Instructies opvolgen : 6.4 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#246#246	Qwen3.8 27Bnone	5.5	Qwen	~$0.006	3.12s
Modelkaart bekijken Totaal tests 22 Foute tests 13 Betrouwbaarheid 10.0 Slaagpercentage per poging 40.9% Instabiele tests 0 Invoer-tokens 122,463 Uitvoer-tokens 11,445 Redeneer-tokens 0 Responstijd (gem.) 3.12s Responstijd (totaal) 68.69s Responstijd (max) 44.76s Verkeerd antwoord: 11 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 6.5 Programmeren : 5.5 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 7.7 Algemene intelligentie : 4.2 Instructies opvolgen : 6.3 Puzzeloplossing : 6.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#171#171	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Modelkaart bekijken Totaal tests 19 Foute tests 3 Betrouwbaarheid 10.0 Slaagpercentage per poging 72.7% Instabiele tests 0 Invoer-tokens 69,576 Uitvoer-tokens 6,265 Redeneer-tokens 0 Responstijd (gem.) 3.02s Responstijd (totaal) 57.44s Responstijd (max) 18.27s Verkeerd antwoord: 3 Anti-AI-trucs : 8.3 Programmeren : 3.3 Gecombineerd : 4.8 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
#236#236	GLM 5V Turbonone	5.6	Z.ai	$0.052	2.99s
Modelkaart bekijken Totaal tests 21 Foute tests 13 Betrouwbaarheid 10.0 Slaagpercentage per poging 36.4% Instabiele tests 0 Invoer-tokens 37,100 Uitvoer-tokens 1,766 Redeneer-tokens 0 Responstijd (gem.) 2.99s Responstijd (totaal) 62.74s Responstijd (max) 6.51s Verkeerd antwoord: 11 Instructies niet gevolgd: 2 Anti-AI-trucs : 4.8 Programmeren : 5.5 Gecombineerd : 1.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.6 Instructies opvolgen : 6.5 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#293#293	Trinity Large Previewnone	4.8	Arcee AI	$0.008 ↑	2.98s
Modelkaart bekijken Totaal tests 21 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 21.2% Instabiele tests 2 Invoer-tokens 29,828 Uitvoer-tokens 2,169 Redeneer-tokens 0 Responstijd (gem.) 2.98s Responstijd (totaal) 56.57s Responstijd (max) 14.34s Verkeerd antwoord: 12 Instructies niet gevolgd: 3 API-fout: 2 Anti-AI-trucs : 3.1 Programmeren : 3.7 Gecombineerd : 1.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.5 Instructies opvolgen : 3.5 Puzzeloplossing : 3.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#145#145	Mercury 2medium	7.0	Inception	$0.094	2.95s
Modelkaart bekijken Totaal tests 22 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 53.0% Instabiele tests 4 Invoer-tokens 110,515 Uitvoer-tokens 10,325 Redeneer-tokens 77,229 Responstijd (gem.) 2.95s Responstijd (totaal) 61.89s Responstijd (max) 14.63s Verkeerd antwoord: 8 Instructies niet gevolgd: 3 Ongeldige toolaanroep: 1 Anti-AI-trucs : 6.9 Programmeren : 8.2 Gecombineerd : 6.7 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 2.9 Algemene intelligentie : 4.8 Instructies opvolgen : 10.0 Puzzeloplossing : 5.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#304#304	Laguna M.1none	4.4	Poolside	$0.009 ↕	2.89s
Modelkaart bekijken Totaal tests 19 Foute tests 15 Betrouwbaarheid 9.8 Slaagpercentage per poging 27.3% Instabiele tests 3 Invoer-tokens 38,147 Uitvoer-tokens 2,054 Redeneer-tokens 0 Responstijd (gem.) 2.89s Responstijd (totaal) 43.28s Responstijd (max) 15.42s Verkeerd antwoord: 10 API-fout: 4 Ongeldige toolaanroep: 1 Anti-AI-trucs : 3.4 Programmeren : 2.5 Gecombineerd : 1.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 3.0 Instructies opvolgen : 6.3 Puzzeloplossing : 3.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#274#274	GLM 5 Turbonone	5.1	Z.ai	$0.047 ↑	2.82s
Modelkaart bekijken Totaal tests 21 Foute tests 15 Betrouwbaarheid 10.0 Slaagpercentage per poging 30.3% Instabiele tests 2 Invoer-tokens 32,525 Uitvoer-tokens 1,815 Redeneer-tokens 0 Responstijd (gem.) 2.82s Responstijd (totaal) 59.29s Responstijd (max) 8.21s Verkeerd antwoord: 13 Instructies niet gevolgd: 2 Anti-AI-trucs : 3.0 Programmeren : 3.9 Gecombineerd : 1.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.2 Instructies opvolgen : 6.5 Puzzeloplossing : 5.5 Toolaanroepen : 10.0 Algemene kennis : 3.0
#163#163	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.82s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 3 Invoer-tokens 104,217 Uitvoer-tokens 10,710 Redeneer-tokens 0 Responstijd (gem.) 2.82s Responstijd (totaal) 45.05s Responstijd (max) 21.19s Verkeerd antwoord: 8 Geen antwoord: 1 Anti-AI-trucs : 8.3 Programmeren : 5.5 Gecombineerd : 3.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 6.4 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#313#313	MiMo-V2-Flashnone	4.0	Xiaomi	$0.025 ↑	2.76s
Modelkaart bekijken Totaal tests 21 Foute tests 17 Betrouwbaarheid 6.7 Slaagpercentage per poging 24.2% Instabiele tests 4 Invoer-tokens 36,851 Uitvoer-tokens 68,882 Redeneer-tokens 0 Responstijd (gem.) 2.76s Responstijd (totaal) 46.99s Responstijd (max) 19.68s Verkeerd antwoord: 13 Instructies niet gevolgd: 2 API-fout: 1 Extra opmaak: 1 Anti-AI-trucs : 3.2 Programmeren : 4.3 Gecombineerd : 1.5 Gegevensparsering en extractie : 2.9 Domeinspecifiek : 5.3 Algemene intelligentie : 4.6 Instructies opvolgen : 6.5 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#168#168	Gemini 3.5 Flashminimal	6.7	Google	$0.300	2.65s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 60.6% Instabiele tests 1 Invoer-tokens 100,762 Uitvoer-tokens 16,454 Redeneer-tokens 0 Responstijd (gem.) 2.65s Responstijd (totaal) 58.21s Responstijd (max) 25.26s Verkeerd antwoord: 6 Ongeldige toolaanroep: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 6.5 Programmeren : 5.6 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 6.4 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#288#288	GPT-5.4 Nanonone	4.8	OpenAI	$0.041	2.56s
Modelkaart bekijken Totaal tests 22 Foute tests 18 Betrouwbaarheid 10.0 Slaagpercentage per poging 27.3% Instabiele tests 4 Invoer-tokens 115,933 Uitvoer-tokens 13,794 Redeneer-tokens 0 Responstijd (gem.) 2.56s Responstijd (totaal) 56.37s Responstijd (max) 25.50s Verkeerd antwoord: 15 Instructies niet gevolgd: 2 Geen antwoord: 1 Anti-AI-trucs : 3.5 Programmeren : 4.6 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 2.9 Algemene intelligentie : 3.8 Instructies opvolgen : 6.3 Puzzeloplossing : 5.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#172#172	Gemini 3.5 Flash Litelow	6.6	Google	$0.138	2.56s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 69.7% Instabiele tests 6 Invoer-tokens 139,165 Uitvoer-tokens 12,899 Redeneer-tokens 25,511 Responstijd (gem.) 2.56s Responstijd (totaal) 56.32s Responstijd (max) 15.14s Verkeerd antwoord: 8 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 9.0 Programmeren : 4.3 Gecombineerd : 3.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 7.6 Toolaanroepen : 10.0 Algemene kennis : 4.7
#318#318	Mercury 2.5none	3.9	Inception	$0.016	2.45s
Modelkaart bekijken Totaal tests 22 Foute tests 20 Betrouwbaarheid 10.0 Slaagpercentage per poging 25.8% Instabiele tests 7 Invoer-tokens 123,740 Uitvoer-tokens 71,143 Redeneer-tokens 0 Responstijd (gem.) 2.45s Responstijd (totaal) 53.83s Responstijd (max) 36.48s Verkeerd antwoord: 14 Instructies niet gevolgd: 4 Extra opmaak: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 3.8 Programmeren : 3.7 Gecombineerd : 3.0 Gegevensparsering en extractie : 2.8 Domeinspecifiek : 5.3 Algemene intelligentie : 4.3 Instructies opvolgen : 4.9 Puzzeloplossing : 3.7 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