AI Benchy Leaderboard

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

Benchmarks gegenereerd uit AI BENCHY-testsuites op: 2026-10-19 Geëvalueerde modellen: 451

Aanbevolen modellen

GPT-6.1 Sol xhigh Intelligent Slaagpercentage per poging 97.1% Correcte tests 22 / 23 Score 9.9/10 Gemini 3.7 Flash low Snel Responstijd (gem.) 6.24s Totaal aantal uitvoer-tokens 38,453 Score 9.4/10 GPT-6 Luna high Betaalbaar Invoerprijs $0.100 / 1M Uitvoerprijs $0.500 / 1M Prijs voor cachelezen $0.010 / 1M Prijs voor cacheschrijven $0.125 / 1M Score 7.7/10

451/451

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#430#430	d1-ultradefault	2.7	Liquid	$0.003	531ms
Modelkaart bekijken Totaal tests 12 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 20.3% Instabiele tests 1 Invoer-tokens 55,956 Uitvoer-tokens 0 Redeneer-tokens 0 Responstijd (gem.) 531ms Responstijd (totaal) 6.38s Responstijd (max) 697ms Verkeerd antwoord: 7 Instructies niet gevolgd: 1 Agenttaken : 0.0 Anti-AI-trucs : 4.0 Programmeren : 5.3 Gecombineerd : 0.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 5.3 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 1.7 Toolaanroepen : 0.0 Algemene kennis : 0.0
#431#431	Nemotron 3 Nano Omni 30b A3b Reasoningdefault	2.6	NVIDIA	$0.000	728ms
Modelkaart bekijken Totaal tests 19 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 14.5% 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 Agenttaken : 0.0 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
#432#432	Jev 1.13default	2.6	Typesafe	$0.003	698ms
Modelkaart bekijken Totaal tests 12 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 26.1% Instabiele tests 0 Invoer-tokens 67,092 Uitvoer-tokens 18,927 Redeneer-tokens 0 Responstijd (gem.) 698ms Responstijd (totaal) 8.38s Responstijd (max) 1.08s Verkeerd antwoord: 6 Agenttaken : 0.0 Anti-AI-trucs : 4.0 Programmeren : 2.2 Gecombineerd : 0.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 3.3 Toolaanroepen : 0.0 Algemene kennis : 0.0
#434#434	Decider V1.1 27Bdefault	2.6	Perplexity	$0.002	320ms
Modelkaart bekijken Totaal tests 12 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 17.4% Instabiele tests 0 Invoer-tokens 73,557 Uitvoer-tokens 69 Redeneer-tokens 0 Responstijd (gem.) 320ms Responstijd (totaal) 3.84s Responstijd (max) 491ms Verkeerd antwoord: 8 Agenttaken : 0.0 Anti-AI-trucs : 4.0 Programmeren : 4.9 Gecombineerd : 0.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 5.3 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 1.7 Toolaanroepen : 0.0 Algemene kennis : 0.0
#435#435	Drex v1.5default	2.4	Nace AI	$0.002	986ms
Modelkaart bekijken Totaal tests 12 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 17.4% Instabiele tests 0 Invoer-tokens 42,804 Uitvoer-tokens 27,468 Redeneer-tokens 0 Responstijd (gem.) 986ms Responstijd (totaal) 11.84s Responstijd (max) 1.38s Verkeerd antwoord: 8 Agenttaken : 0.0 Anti-AI-trucs : 4.0 Programmeren : 4.5 Gecombineerd : 0.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 5.3 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 1.0 Toolaanroepen : 0.0 Algemene kennis : 0.0
#436#436	GPT-6 Luna Decisionsdefault	2.4	OpenAI	$0.005	495ms
Modelkaart bekijken Totaal tests 12 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 13.0% Instabiele tests 0 Invoer-tokens 47,583 Uitvoer-tokens 0 Redeneer-tokens 0 Responstijd (gem.) 495ms Responstijd (totaal) 5.94s Responstijd (max) 842ms Verkeerd antwoord: 8 Instructies niet gevolgd: 1 Agenttaken : 0.0 Anti-AI-trucs : 2.3 Programmeren : 2.5 Gecombineerd : 0.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 1.7 Toolaanroepen : 0.0 Algemene kennis : 0.0
#437#437	Kev 4Bdefault	2.4	Jaredpalmer	$0.002	5.63s
Modelkaart bekijken Totaal tests 12 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 15.9% Instabiele tests 1 Invoer-tokens 42,804 Uitvoer-tokens 28,061 Redeneer-tokens 0 Responstijd (gem.) 5.63s Responstijd (totaal) 67.61s Responstijd (max) 17.79s Verkeerd antwoord: 9 Agenttaken : 0.0 Anti-AI-trucs : 2.3 Programmeren : 4.5 Gecombineerd : 0.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 5.3 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 2.0 Toolaanroepen : 0.0 Algemene kennis : 0.0
#438#438	Jev 1.14default	2.3	Typesafe	$0.003	377ms
Modelkaart bekijken Totaal tests 12 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 23.2% Instabiele tests 2 Invoer-tokens 67,092 Uitvoer-tokens 18,927 Redeneer-tokens 0 Responstijd (gem.) 377ms Responstijd (totaal) 4.52s Responstijd (max) 546ms Verkeerd antwoord: 7 Instructies niet gevolgd: 1 Agenttaken : 0.0 Anti-AI-trucs : 4.0 Programmeren : 2.7 Gecombineerd : 0.0 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 7.7 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 1.7 Toolaanroepen : 0.0 Algemene kennis : 0.0
#440#440	Clef Omnidefault	1.9	Cloudflare	$0.011	880ms
Modelkaart bekijken Totaal tests 12 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 8.7% Instabiele tests 0 Invoer-tokens 70,125 Uitvoer-tokens 0 Redeneer-tokens 0 Responstijd (gem.) 880ms Responstijd (totaal) 10.56s Responstijd (max) 1.31s Verkeerd antwoord: 9 Instructies niet gevolgd: 1 Agenttaken : 0.0 Anti-AI-trucs : 4.0 Programmeren : 2.5 Gecombineerd : 0.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.0 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 1.7 Toolaanroepen : 0.0 Algemene kennis : 0.0
#441#441	Decider Flash V1.2default	1.9	Perplexity	$0.001	462ms
Modelkaart bekijken Totaal tests 12 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 13.0% Instabiele tests 0 Invoer-tokens 49,176 Uitvoer-tokens 69 Redeneer-tokens 0 Responstijd (gem.) 462ms Responstijd (totaal) 5.55s Responstijd (max) 661ms Verkeerd antwoord: 9 Agenttaken : 0.0 Anti-AI-trucs : 4.0 Programmeren : 2.2 Gecombineerd : 0.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 5.3 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 1.0 Toolaanroepen : 0.0 Algemene kennis : 0.0
#442#442	Step 3.5 Flashnone	1.9	Stepfun	$0.020	39.03s
Modelkaart bekijken Totaal tests 12 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 26.1% Instabiele tests 0 Invoer-tokens 1,971 Uitvoer-tokens 50,509 Redeneer-tokens 33,867 Responstijd (gem.) 39.03s Responstijd (totaal) 312.26s Responstijd (max) 114.12s API-fout: 4 Instructies niet gevolgd: 1 Verkeerd antwoord: 1 Agenttaken : 0.0 Anti-AI-trucs : 10.0 Programmeren : 1.0 Gecombineerd : 1.5 Gegevensparsering en extractie : 1.5 Domeinspecifiek : 3.3 Algemene intelligentie : 4.0 Instructies opvolgen : 5.0 Puzzeloplossing : 0.0 Toolaanroepen : 3.0 Algemene kennis : 3.0
#443#443	D1default	1.9	Liquid	$0.003	508ms
Modelkaart bekijken Totaal tests 12 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 11.6% Instabiele tests 1 Invoer-tokens 55,956 Uitvoer-tokens 0 Redeneer-tokens 0 Responstijd (gem.) 508ms Responstijd (totaal) 6.10s Responstijd (max) 820ms Verkeerd antwoord: 10 Agenttaken : 0.0 Anti-AI-trucs : 4.0 Programmeren : 2.2 Gecombineerd : 0.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.6 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 1.7 Toolaanroepen : 0.0 Algemene kennis : 0.0
#444#444	Gemini 3 Flash Previewhigh	1.8	Google	$0.105	52.45s
Modelkaart bekijken Totaal tests 1 Foute tests 0 Betrouwbaarheid 10.0 Slaagpercentage per poging 4.4% Instabiele tests 0 Invoer-tokens 134,050 Uitvoer-tokens 1,029 Redeneer-tokens 11,528 Responstijd (gem.) 52.45s Responstijd (totaal) 52.45s Responstijd (max) 52.45s Agenttaken : 10.0 Anti-AI-trucs : 0.0 Programmeren : 0.0 Gecombineerd : 0.0 Gegevensparsering en extractie : 0.0 Domeinspecifiek : 0.0 Algemene intelligentie : 0.0 Instructies opvolgen : 0.0 Puzzeloplossing : 0.0 Toolaanroepen : 0.0 Algemene kennis : 0.0
#446#446	Solar Decide Flashdefault	1.7	Upstage	$0.003	1.33s
Modelkaart bekijken Totaal tests 7 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 13.0% Instabiele tests 0 Invoer-tokens 47,586 Uitvoer-tokens 51 Redeneer-tokens 0 Responstijd (gem.) 1.33s Responstijd (totaal) 9.32s Responstijd (max) 1.66s Verkeerd antwoord: 4 Agenttaken : 0.0 Anti-AI-trucs : 0.8 Programmeren : 0.0 Gecombineerd : 0.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 4.4 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 1.0 Toolaanroepen : 0.0 Algemene kennis : 0.0
#447#447	Microsoft-Decision-1default	1.4	Microsoft	$0.002	982ms
Modelkaart bekijken Totaal tests 12 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 7.3% Instabiele tests 1 Invoer-tokens 41,466 Uitvoer-tokens 69 Redeneer-tokens 0 Responstijd (gem.) 982ms Responstijd (totaal) 11.78s Responstijd (max) 1.41s Verkeerd antwoord: 11 Agenttaken : 0.0 Anti-AI-trucs : 4.4 Programmeren : 2.2 Gecombineerd : 0.0 Gegevensparsering en extractie : 3.0 Domeinspecifiek : 3.0 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 1.7 Toolaanroepen : 0.0 Algemene kennis : 0.0
#448#448	Solar Decidedefault	1.0	Upstage	$0.009 ↑	6.01s
Modelkaart bekijken Totaal tests 7 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 14.5% Instabiele tests 3 Invoer-tokens 47,586 Uitvoer-tokens 51 Redeneer-tokens 0 Responstijd (gem.) 6.01s Responstijd (totaal) 42.05s Responstijd (max) 13.10s Verkeerd antwoord: 5 Agenttaken : 0.0 Anti-AI-trucs : 0.8 Programmeren : 0.0 Gecombineerd : 0.0 Gegevensparsering en extractie : 3.7 Domeinspecifiek : 4.3 Algemene intelligentie : 0.0 Instructies opvolgen : 5.0 Puzzeloplossing : 1.0 Toolaanroepen : 0.0 Algemene kennis : 0.0
#449#449	Tev1 4B Experimentaldefault	1.0	Togethercomputer	$0.002	498ms
Modelkaart bekijken Totaal tests 7 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 13.0% Instabiele tests 0 Invoer-tokens 33,864 Uitvoer-tokens 96 Redeneer-tokens 0 Responstijd (gem.) 498ms Responstijd (totaal) 3.49s Responstijd (max) 602ms Verkeerd antwoord: 4 Agenttaken : 0.0 Anti-AI-trucs : 2.5 Programmeren : 0.0 Gecombineerd : 0.0 Gegevensparsering en extractie : 3.0 Domeinspecifiek : 6.7 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 1.7 Toolaanroepen : 0.0 Algemene kennis : 0.0
#450#450	Nimble v3 9Bdefault	0.8	Bespoke Labs	~$0.001	363ms
Modelkaart bekijken Totaal tests 7 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 4.4% Instabiele tests 0 Invoer-tokens 103,770 Uitvoer-tokens 0 Redeneer-tokens 0 Responstijd (gem.) 363ms Responstijd (totaal) 2.54s Responstijd (max) 1.24s Verkeerd antwoord: 5 Instructies niet gevolgd: 1 Agenttaken : 0.0 Anti-AI-trucs : 2.5 Programmeren : 0.0 Gecombineerd : 0.0 Gegevensparsering en extractie : 3.0 Domeinspecifiek : 2.0 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 1.7 Toolaanroepen : 0.0 Algemene kennis : 0.0
#451#451	Claude Opus 5.5none	0.2	Anthropic	$0.015	13.58s
Modelkaart bekijken Totaal tests 1 Foute tests 0 Betrouwbaarheid 10.0 Slaagpercentage per poging 4.4% Instabiele tests 0 Invoer-tokens 73 Uitvoer-tokens 6 Redeneer-tokens 729 Responstijd (gem.) 13.58s Responstijd (totaal) 13.58s Responstijd (max) 13.58s Agenttaken : 0.0 Anti-AI-trucs : 0.0 Programmeren : 0.0 Gecombineerd : 0.0 Gegevensparsering en extractie : 0.0 Domeinspecifiek : 3.3 Algemene intelligentie : 0.0 Instructies opvolgen : 0.0 Puzzeloplossing : 0.0 Toolaanroepen : 0.0 Algemene kennis : 0.0
#7#7	GPT-6 Astrahigh	9.9	OpenAI	$4.458	20.16s
Modelkaart bekijken Totaal tests 23 Foute tests 1 Betrouwbaarheid 9.9 Slaagpercentage per poging 97.1% Instabiele tests 1 Invoer-tokens 167,805 Uitvoer-tokens 5,651 Redeneer-tokens 49,944 Responstijd (gem.) 20.16s Responstijd (totaal) 463.68s Responstijd (max) 254.93s Verkeerd antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.6 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#8#8	GPT-6 Astraxhigh	9.9	OpenAI	$6.213	29.67s
Modelkaart bekijken Totaal tests 23 Foute tests 1 Betrouwbaarheid 9.9 Slaagpercentage per poging 97.1% Instabiele tests 1 Invoer-tokens 170,731 Uitvoer-tokens 5,865 Redeneer-tokens 84,230 Responstijd (gem.) 29.67s Responstijd (totaal) 682.42s Responstijd (max) 381.11s Verkeerd antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.6 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#14#14	GPT-6 Astralow	9.6	OpenAI	$2.160	7.01s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 9.9 Slaagpercentage per poging 91.3% Instabiele tests 0 Invoer-tokens 159,023 Uitvoer-tokens 4,935 Redeneer-tokens 6,454 Responstijd (gem.) 7.01s Responstijd (totaal) 161.20s Responstijd (max) 49.16s Verkeerd antwoord: 2 Agenttaken : 10.0 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
#17#17	Gemini 4 Argonhigh	9.5	Google	$1.802	19.03s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 9.9 Slaagpercentage per poging 97.1% Instabiele tests 2 Invoer-tokens 240,264 Uitvoer-tokens 5,707 Redeneer-tokens 126,366 Responstijd (gem.) 19.03s Responstijd (totaal) 437.77s Responstijd (max) 82.53s API-fout: 1 Verkeerd antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 7.3 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
#21#21	GPT-6 Astramedium	9.5	OpenAI	$2.707	9.90s
Modelkaart bekijken Totaal tests 23 Foute tests 3 Betrouwbaarheid 9.9 Slaagpercentage per poging 91.3% Instabiele tests 2 Invoer-tokens 165,464 Uitvoer-tokens 5,591 Redeneer-tokens 15,454 Responstijd (gem.) 9.90s Responstijd (totaal) 227.67s Responstijd (max) 73.48s Verkeerd antwoord: 3 Agenttaken : 10.0 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
#54#54	Muse Spark Openlow	8.9	Meta	$0.600	21.62s
Modelkaart bekijken Totaal tests 23 Foute tests 7 Betrouwbaarheid 9.9 Slaagpercentage per poging 76.8% Instabiele tests 3 Invoer-tokens 278,684 Uitvoer-tokens 10,151 Redeneer-tokens 48,907 Responstijd (gem.) 21.62s Responstijd (totaal) 497.25s Responstijd (max) 119.16s Verkeerd antwoord: 4 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Agenttaken : 10.0 Anti-AI-trucs : 9.2 Programmeren : 10.0 Gecombineerd : 8.4 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 6.1 Instructies opvolgen : 8.0 Puzzeloplossing : 10.0 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 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow