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.)
#298#298	Mercury 2none	4.7	Inception	$0.030	825ms
Modelkaart bekijken Totaal tests 22 Foute tests 18 Betrouwbaarheid 10.0 Slaagpercentage per poging 24.2% Instabiele tests 2 Invoer-tokens 89,637 Uitvoer-tokens 9,584 Redeneer-tokens 0 Responstijd (gem.) 825ms Responstijd (totaal) 18.14s Responstijd (max) 4.52s Verkeerd antwoord: 17 Instructies niet gevolgd: 1 Anti-AI-trucs : 3.0 Programmeren : 3.4 Gecombineerd : 3.0 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 5.9 Algemene intelligentie : 4.8 Instructies opvolgen : 6.5 Puzzeloplossing : 3.1 Toolaanroepen : 10.0 Algemene kennis : 3.0
#324#324	Laguna Xs.2none	3.8	Poolside	$0.004 ↕	806ms
Modelkaart bekijken Totaal tests 19 Foute tests 14 Betrouwbaarheid 10.0 Slaagpercentage per poging 22.7% Instabiele tests 0 Invoer-tokens 33,675 Uitvoer-tokens 2,826 Redeneer-tokens 0 Responstijd (gem.) 806ms Responstijd (totaal) 12.09s Responstijd (max) 2.01s Verkeerd antwoord: 8 API-fout: 4 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 3.0 Programmeren : 8.3 Gecombineerd : 1.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 3.0 Instructies opvolgen : 6.5 Puzzeloplossing : 5.3 Toolaanroepen : 3.0 Algemene kennis : 3.0
#330#330	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
#327#327	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
#328#328	Jev 1.13none	3.2	Typesafe	$0.003	698ms
Modelkaart bekijken Totaal tests 12 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 27.3% 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 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

←

1 13 14

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