AI Benchy Leaderboard

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

Benchmarks gegenereerd uit AI BENCHY-testsuites op: 2026-09-02 Geëvalueerde modellen: 305

Aanbevolen modellen

GPT-5.6 Sol high Intelligent Slaagpercentage per poging 89.4% Correcte tests 18 / 22 Score 9.4/10 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 $0.065 / 1M Uitvoerprijs $0.180 / 1M Score 8.0/10

305/305

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#295#295	Ling 3.0 Tinyhigh	3.8	Inclusionai	$0.000	75.68s
Modelkaart bekijken Totaal tests 22 Foute tests 18 Betrouwbaarheid 10.0 Slaagpercentage per poging 24.2% Instabiele tests 3 Invoer-tokens 115,314 Uitvoer-tokens 133,965 Redeneer-tokens 816,718 Responstijd (gem.) 75.68s Responstijd (totaal) 1589.20s Responstijd (max) 345.15s Geen antwoord: 7 Verkeerd antwoord: 6 Instructies niet gevolgd: 3 API-fout: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 6.4 Programmeren : 2.9 Gecombineerd : 3.0 Gegevensparsering en extractie : 2.8 Domeinspecifiek : 2.9 Algemene intelligentie : 5.4 Instructies opvolgen : 6.8 Puzzeloplossing : 3.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#296#296	Ling 3.0 Tinylow	3.8	Inclusionai	$0.000	66.16s
Modelkaart bekijken Totaal tests 22 Foute tests 18 Betrouwbaarheid 9.6 Slaagpercentage per poging 19.7% Instabiele tests 1 Invoer-tokens 99,662 Uitvoer-tokens 146,555 Redeneer-tokens 732,977 Responstijd (gem.) 66.16s Responstijd (totaal) 1389.33s Responstijd (max) 252.08s Geen antwoord: 7 Verkeerd antwoord: 5 Instructies niet gevolgd: 4 API-fout: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 6.5 Programmeren : 2.9 Gecombineerd : 3.0 Gegevensparsering en extractie : 2.8 Domeinspecifiek : 3.0 Algemene intelligentie : 5.1 Instructies opvolgen : 6.6 Puzzeloplossing : 3.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#299#299	Ling 3.0 Tinymedium	3.8	Inclusionai	$0.000	68.08s
Modelkaart bekijken Totaal tests 22 Foute tests 18 Betrouwbaarheid 9.6 Slaagpercentage per poging 24.2% Instabiele tests 3 Invoer-tokens 103,898 Uitvoer-tokens 148,304 Redeneer-tokens 774,972 Responstijd (gem.) 68.08s Responstijd (totaal) 1429.66s Responstijd (max) 262.20s Geen antwoord: 7 Verkeerd antwoord: 5 Instructies niet gevolgd: 4 API-fout: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 6.5 Programmeren : 2.9 Gecombineerd : 3.0 Gegevensparsering en extractie : 2.7 Domeinspecifiek : 3.0 Algemene intelligentie : 3.8 Instructies opvolgen : 6.8 Puzzeloplossing : 3.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#302#302	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.4	NVIDIA	$0.000	17.13s
Modelkaart bekijken Totaal tests 19 Foute tests 15 Betrouwbaarheid 10.0 Slaagpercentage per poging 27.3% Instabiele tests 5 Invoer-tokens 11,661 Uitvoer-tokens 48,491 Redeneer-tokens 180,695 Responstijd (gem.) 17.13s Responstijd (totaal) 222.66s Responstijd (max) 147.45s Verkeerd antwoord: 7 API-fout: 6 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 6.4 Programmeren : 1.1 Gecombineerd : 1.5 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 2.9 Algemene intelligentie : 3.0 Instructies opvolgen : 7.3 Puzzeloplossing : 2.9 Toolaanroepen : 3.0 Algemene kennis : 3.0
#303#303	Nemotron 3 Nano Omni 30b A3b Reasoningnone	3.2	NVIDIA	$0.000	728ms
Modelkaart bekijken Totaal tests 19 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 15.2% Instabiele tests 2 Invoer-tokens 11,661 Uitvoer-tokens 1,302 Redeneer-tokens 0 Responstijd (gem.) 728ms Responstijd (totaal) 9.47s Responstijd (max) 2.21s Verkeerd antwoord: 9 API-fout: 6 Instructies niet gevolgd: 2 Anti-AI-trucs : 4.8 Programmeren : 3.3 Gecombineerd : 1.5 Gegevensparsering en extractie : 3.8 Domeinspecifiek : 3.6 Algemene intelligentie : 3.0 Instructies opvolgen : 4.8 Puzzeloplossing : 3.0 Toolaanroepen : 3.0 Algemene kennis : 3.0

←

1 12 13

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 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow