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.)
#305#305	LFM2-24B-A2Bnone	2.2	Liquid	$0.001	782ms
Modelkaart bekijken Totaal tests 16 Foute tests 14 Betrouwbaarheid n.v.t. Slaagpercentage per poging 12.1% Instabiele tests 1 Invoer-tokens 10,771 Uitvoer-tokens 1,173 Redeneer-tokens 0 Responstijd (gem.) 782ms Responstijd (totaal) 10.94s Responstijd (max) 3.15s Verkeerd antwoord: 9 API-fout: 4 Instructies niet gevolgd: 1 Anti-AI-trucs : 2.5 Programmeren : 0.0 Gecombineerd : 1.5 Gegevensparsering en extractie : 3.0 Domeinspecifiek : 5.9 Algemene intelligentie : 4.0 Instructies opvolgen : 6.3 Puzzeloplossing : 3.8 Toolaanroepen : 3.0 Algemene kennis : 0.0
#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
#279#279	Laguna S 2.1none	4.5	Poolside	$0.022 ↓	11.67s
Modelkaart bekijken Totaal tests 22 Foute tests 20 Betrouwbaarheid 10.0 Slaagpercentage per poging 15.2% Instabiele tests 3 Invoer-tokens 125,604 Uitvoer-tokens 57,634 Redeneer-tokens 0 Responstijd (gem.) 11.67s Responstijd (totaal) 256.71s Responstijd (max) 200.52s Verkeerd antwoord: 18 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 3.1 Programmeren : 3.4 Gecombineerd : 2.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 5.0 Instructies opvolgen : 4.3 Puzzeloplossing : 3.1 Toolaanroepen : 4.7 Algemene kennis : 3.0
#291#291	Ling 3.0 Tinynone	4.0	Inclusionai	$0.000	14.02s
Modelkaart bekijken Totaal tests 22 Foute tests 20 Betrouwbaarheid 9.8 Slaagpercentage per poging 9.1% Instabiele tests 0 Invoer-tokens 184,579 Uitvoer-tokens 110,071 Redeneer-tokens 0 Responstijd (gem.) 14.02s Responstijd (totaal) 294.46s Responstijd (max) 240.61s Verkeerd antwoord: 13 Instructies niet gevolgd: 4 API-fout: 1 Extra opmaak: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 4.8 Programmeren : 4.2 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 3.0 Algemene intelligentie : 3.4 Instructies opvolgen : 3.1 Puzzeloplossing : 3.0 Toolaanroepen : 3.0 Algemene kennis : 3.0
#292#292	Granite 4.1 8Bnone	4.0	IBM Granite	$0.007	1.44s
Modelkaart bekijken Totaal tests 22 Foute tests 20 Betrouwbaarheid 10.0 Slaagpercentage per poging 9.1% Instabiele tests 0 Invoer-tokens 113,836 Uitvoer-tokens 5,996 Redeneer-tokens 0 Responstijd (gem.) 1.44s Responstijd (totaal) 31.75s Responstijd (max) 16.67s Verkeerd antwoord: 13 Instructies niet gevolgd: 4 Ongeldige toolaanroep: 2 Extra opmaak: 1 Anti-AI-trucs : 4.9 Programmeren : 4.5 Gecombineerd : 3.0 Gegevensparsering en extractie : 3.0 Domeinspecifiek : 3.0 Algemene intelligentie : 4.0 Instructies opvolgen : 3.6 Puzzeloplossing : 3.2 Toolaanroepen : 10.0 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