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.)
#304#304	Mistral Large 4none	5.7	Mistral	$0.290	20.43s
Modelkaart bekijken Totaal tests 23 Foute tests 17 Betrouwbaarheid 9.7 Slaagpercentage per poging 31.9% Instabiele tests 2 Invoer-tokens 257,872 Uitvoer-tokens 54,388 Redeneer-tokens 0 Responstijd (gem.) 20.43s Responstijd (totaal) 469.88s Responstijd (max) 192.80s Verkeerd antwoord: 15 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Agenttaken : 6.1 Anti-AI-trucs : 3.6 Programmeren : 4.7 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 5.3 Instructies opvolgen : 6.5 Puzzeloplossing : 7.9 Toolaanroepen : 10.0 Algemene kennis : 3.0
#311#311	Step 5 Previewlow	5.6	Stepfun	$4.110	138.27s
Modelkaart bekijken Totaal tests 23 Foute tests 13 Betrouwbaarheid 9.7 Slaagpercentage per poging 58.0% Instabiele tests 7 Invoer-tokens 261,256 Uitvoer-tokens 1,425,268 Redeneer-tokens 0 Responstijd (gem.) 138.27s Responstijd (totaal) 3180.10s Responstijd (max) 436.56s Geen antwoord: 7 API-fout: 2 Verkeerd antwoord: 2 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Agenttaken : 3.4 Anti-AI-trucs : 6.9 Programmeren : 2.7 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 3.5 Instructies opvolgen : 10.0 Puzzeloplossing : 7.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#314#314	Nemotron 3.5 Super VLnone	5.5	NVIDIA	$0.040	46.97s
Modelkaart bekijken Totaal tests 23 Foute tests 15 Betrouwbaarheid 9.7 Slaagpercentage per poging 43.5% Instabiele tests 4 Invoer-tokens 251,253 Uitvoer-tokens 3,892 Redeneer-tokens 0 Responstijd (gem.) 46.97s Responstijd (totaal) 1080.29s Responstijd (max) 872.07s Verkeerd antwoord: 11 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Time-out: 1 Agenttaken : 5.0 Anti-AI-trucs : 6.5 Programmeren : 3.6 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 5.1 Instructies opvolgen : 10.0 Puzzeloplossing : 4.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#343#343	Mistral Small 4medium	5.1	Mistral	$0.126 ↑	12.68s
Modelkaart bekijken Totaal tests 23 Foute tests 18 Betrouwbaarheid 9.7 Slaagpercentage per poging 42.0% Instabiele tests 8 Invoer-tokens 321,955 Uitvoer-tokens 41,555 Redeneer-tokens 94,946 Responstijd (gem.) 12.68s Responstijd (totaal) 291.66s Responstijd (max) 59.15s Verkeerd antwoord: 14 Instructies niet gevolgd: 2 API-fout: 1 Geen antwoord: 1 Agenttaken : 5.0 Anti-AI-trucs : 5.6 Programmeren : 4.4 Gecombineerd : 3.0 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 5.9 Algemene intelligentie : 4.8 Instructies opvolgen : 7.3 Puzzeloplossing : 3.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#5#5	GPT-6 Astramax	9.9	OpenAI	$5.044	61.63s
Modelkaart bekijken Totaal tests 23 Foute tests 1 Betrouwbaarheid 9.6 Slaagpercentage per poging 95.7% Instabiele tests 0 Invoer-tokens 181,223 Uitvoer-tokens 5,707 Redeneer-tokens 58,909 Responstijd (gem.) 61.63s Responstijd (totaal) 1417.51s Responstijd (max) 960.01s Time-out: 1 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 : 10.0
#45#45	Muse Spark Openxhigh	9.0	Meta	$2.081	92.38s
Modelkaart bekijken Totaal tests 23 Foute tests 7 Betrouwbaarheid 9.6 Slaagpercentage per poging 81.2% Instabiele tests 5 Invoer-tokens 271,242 Uitvoer-tokens 11,803 Redeneer-tokens 397,838 Responstijd (gem.) 92.38s Responstijd (totaal) 2124.67s Responstijd (max) 482.30s API-fout: 2 Verkeerd antwoord: 2 Extra opmaak: 1 Geen antwoord: 1 Time-out: 1 Agenttaken : 10.0 Anti-AI-trucs : 8.7 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 6.5 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#64#64	DeepSeek V4.1 Flashmedium	8.7	DeepSeek	$0.591 ↑	32.88s
Modelkaart bekijken Totaal tests 23 Foute tests 7 Betrouwbaarheid 9.6 Slaagpercentage per poging 73.9% Instabiele tests 2 Invoer-tokens 280,643 Uitvoer-tokens 7,342 Redeneer-tokens 437,323 Responstijd (gem.) 32.88s Responstijd (totaal) 756.34s Responstijd (max) 276.31s Verkeerd antwoord: 5 API-fout: 1 Instructies niet gevolgd: 1 Agenttaken : 10.0 Anti-AI-trucs : 8.3 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 2.9 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#83#83	Qwen3.8 2.4T A95Blow	8.4	Qwen	$4.016 ↑	120.40s
Modelkaart bekijken Totaal tests 23 Foute tests 7 Betrouwbaarheid 9.6 Slaagpercentage per poging 73.9% Instabiele tests 2 Invoer-tokens 313,881 Uitvoer-tokens 123,706 Redeneer-tokens 388,328 Responstijd (gem.) 120.40s Responstijd (totaal) 2769.16s Responstijd (max) 534.21s Verkeerd antwoord: 5 Ongeldige toolaanroep: 1 Geen antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 7.8 Gecombineerd : 8.2 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.2 Algemene intelligentie : 6.1 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#97#97	Ling 3.1 Flashmedium	8.3	Inclusionai	$0.000	88.74s
Modelkaart bekijken Totaal tests 23 Foute tests 8 Betrouwbaarheid 9.6 Slaagpercentage per poging 71.0% Instabiele tests 3 Invoer-tokens 369,495 Uitvoer-tokens 172,852 Redeneer-tokens 476,002 Responstijd (gem.) 88.74s Responstijd (totaal) 2041.10s Responstijd (max) 567.88s Geen antwoord: 4 Verkeerd antwoord: 3 Ongeldige toolaanroep: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 6.6 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.3 Instructies opvolgen : 9.8 Puzzeloplossing : 8.2 Toolaanroepen : 2.8 Algemene kennis : 3.0
#102#102	GLM 5.2medium	8.2	Z.ai	$1.007 ↑	26.88s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 9.6 Slaagpercentage per poging 81.2% Instabiele tests 4 Invoer-tokens 227,164 Uitvoer-tokens 20,029 Redeneer-tokens 60,991 Responstijd (gem.) 26.88s Responstijd (totaal) 591.34s Responstijd (max) 102.40s Verkeerd antwoord: 3 Geen antwoord: 2 Time-out: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 8.2 Gecombineerd : 5.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 4.1 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#109#109	DeepSeek V4.1 Flashlow	8.0	DeepSeek	$0.494 ↑	28.04s
Modelkaart bekijken Totaal tests 23 Foute tests 8 Betrouwbaarheid 9.6 Slaagpercentage per poging 73.9% Instabiele tests 4 Invoer-tokens 266,849 Uitvoer-tokens 8,284 Redeneer-tokens 363,263 Responstijd (gem.) 28.04s Responstijd (totaal) 645.03s Responstijd (max) 149.84s Verkeerd antwoord: 7 API-fout: 1 Agenttaken : 6.1 Anti-AI-trucs : 8.3 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.5 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#122#122	Qwen3.8 2.4T A95Bhigh	7.9	Qwen	$2.949 ↑	120.88s
Modelkaart bekijken Totaal tests 23 Foute tests 8 Betrouwbaarheid 9.6 Slaagpercentage per poging 75.4% Instabiele tests 4 Invoer-tokens 295,642 Uitvoer-tokens 115,041 Redeneer-tokens 353,398 Responstijd (gem.) 120.88s Responstijd (totaal) 2780.16s Responstijd (max) 532.28s Verkeerd antwoord: 4 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Geen antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 5.9 Gecombineerd : 6.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 4.1 Algemene intelligentie : 6.1 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#212#212	Grok 4.7high	6.7	X AI	$3.037	122.19s
Modelkaart bekijken Totaal tests 23 Foute tests 10 Betrouwbaarheid 9.6 Slaagpercentage per poging 72.5% Instabiele tests 7 Invoer-tokens 329,276 Uitvoer-tokens 8,172 Redeneer-tokens 479,012 Responstijd (gem.) 122.19s Responstijd (totaal) 2810.40s Responstijd (max) 573.57s Geen antwoord: 3 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 2 Verkeerd antwoord: 2 API-fout: 1 Agenttaken : 3.0 Anti-AI-trucs : 8.7 Programmeren : 6.0 Gecombineerd : 8.6 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.1 Instructies opvolgen : 8.4 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#244#244	Kimi K2.5medium	6.4	Moonshot AI	$0.841 ↑	125.76s
Modelkaart bekijken Totaal tests 23 Foute tests 13 Betrouwbaarheid 9.6 Slaagpercentage per poging 60.9% Instabiele tests 8 Invoer-tokens 292,271 Uitvoer-tokens 55,025 Redeneer-tokens 186,071 Responstijd (gem.) 125.76s Responstijd (totaal) 2137.84s Responstijd (max) 566.79s Verkeerd antwoord: 5 Time-out: 3 Instructies niet gevolgd: 2 Geen antwoord: 2 Ongeldige toolaanroep: 1 Agenttaken : 3.9 Anti-AI-trucs : 7.3 Programmeren : 6.1 Gecombineerd : 6.7 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 6.5 Instructies opvolgen : 10.0 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#279#279	Step 5 Previewmedium	6.1	Stepfun	$4.136	136.10s
Modelkaart bekijken Totaal tests 23 Foute tests 13 Betrouwbaarheid 9.6 Slaagpercentage per poging 53.6% Instabiele tests 5 Invoer-tokens 261,842 Uitvoer-tokens 1,434,621 Redeneer-tokens 0 Responstijd (gem.) 136.10s Responstijd (totaal) 3130.27s Responstijd (max) 438.09s Geen antwoord: 6 Verkeerd antwoord: 3 Instructies niet gevolgd: 2 API-fout: 1 Ongeldige toolaanroep: 1 Agenttaken : 6.1 Anti-AI-trucs : 6.4 Programmeren : 2.8 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 3.4 Instructies opvolgen : 10.0 Puzzeloplossing : 7.8 Toolaanroepen : 10.0 Algemene kennis : 3.0
#339#339	Nemotron 3.5 Lightninghigh	5.2	NVIDIA	$0.168 ↕	77.08s
Modelkaart bekijken Totaal tests 23 Foute tests 18 Betrouwbaarheid 9.6 Slaagpercentage per poging 47.8% Instabiele tests 12 Invoer-tokens 170,517 Uitvoer-tokens 149,968 Redeneer-tokens 509,725 Responstijd (gem.) 77.08s Responstijd (totaal) 1772.78s Responstijd (max) 490.99s Verkeerd antwoord: 11 Instructies niet gevolgd: 4 Extra opmaak: 1 Ongeldige toolaanroep: 1 Time-out: 1 Agenttaken : 3.5 Anti-AI-trucs : 5.5 Programmeren : 4.4 Gecombineerd : 6.4 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 2.9 Algemene intelligentie : 3.7 Instructies opvolgen : 8.5 Puzzeloplossing : 3.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#341#341	Mimo V2 PROmedium	5.2	Xiaomi	$0.333 ↑	22.16s
Modelkaart bekijken Totaal tests 21 Foute tests 9 Betrouwbaarheid 9.6 Slaagpercentage per poging 66.7% Instabiele tests 5 Invoer-tokens 40,961 Uitvoer-tokens 2,518 Redeneer-tokens 81,801 Responstijd (gem.) 22.16s Responstijd (totaal) 443.22s Responstijd (max) 136.29s Verkeerd antwoord: 5 API-fout: 1 Extra opmaak: 1 Instructies niet gevolgd: 1 Time-out: 1 Agenttaken : 0.0 Anti-AI-trucs : 10.0 Programmeren : 6.0 Gecombineerd : 2.3 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 6.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#346#346	KAT Coder AIR V2.5medium	5.1	Kwaipilot	$0.048	8.32s
Modelkaart bekijken Totaal tests 23 Foute tests 15 Betrouwbaarheid 9.6 Slaagpercentage per poging 43.5% Instabiele tests 3 Invoer-tokens 51,369 Uitvoer-tokens 8,008 Redeneer-tokens 58,568 Responstijd (gem.) 8.32s Responstijd (totaal) 191.40s Responstijd (max) 48.19s Verkeerd antwoord: 10 API-fout: 2 Extra opmaak: 1 Instructies niet gevolgd: 1 Time-out: 1 Agenttaken : 3.0 Anti-AI-trucs : 8.7 Programmeren : 3.6 Gecombineerd : 6.5 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.0 Algemene intelligentie : 5.0 Instructies opvolgen : 10.0 Puzzeloplossing : 3.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#382#382	Ling 2.6 Flashdefault	4.5	Inclusionai	$0.002 ↑	10.21s
Modelkaart bekijken Totaal tests 23 Foute tests 17 Betrouwbaarheid 9.6 Slaagpercentage per poging 29.0% Instabiele tests 2 Invoer-tokens 114,384 Uitvoer-tokens 14,903 Redeneer-tokens 0 Responstijd (gem.) 10.21s Responstijd (totaal) 214.31s Responstijd (max) 36.03s Verkeerd antwoord: 9 API-fout: 3 Ongeldige toolaanroep: 3 Instructies niet gevolgd: 2 Agenttaken : 3.0 Anti-AI-trucs : 6.8 Programmeren : 5.3 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.0 Algemene intelligentie : 4.0 Instructies opvolgen : 9.8 Puzzeloplossing : 2.9 Toolaanroepen : 3.0 Algemene kennis : 3.0
#409#409	Ling 3.0 Tinylow	3.7	Inclusionai	$0.000	63.15s
Modelkaart bekijken Totaal tests 23 Foute tests 19 Betrouwbaarheid 9.6 Slaagpercentage per poging 18.8% Instabiele tests 1 Invoer-tokens 99,662 Uitvoer-tokens 146,555 Redeneer-tokens 732,977 Responstijd (gem.) 63.15s Responstijd (totaal) 1389.35s Responstijd (max) 252.08s Geen antwoord: 7 Verkeerd antwoord: 5 Instructies niet gevolgd: 4 API-fout: 2 Ongeldige toolaanroep: 1 Agenttaken : 3.0 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
#410#410	Ling 3.0 Tinymedium	3.6	Inclusionai	$0.000	64.99s
Modelkaart bekijken Totaal tests 23 Foute tests 19 Betrouwbaarheid 9.6 Slaagpercentage per poging 23.2% Instabiele tests 3 Invoer-tokens 103,898 Uitvoer-tokens 148,304 Redeneer-tokens 774,972 Responstijd (gem.) 64.99s Responstijd (totaal) 1429.68s Responstijd (max) 262.20s Geen antwoord: 7 Verkeerd antwoord: 5 Instructies niet gevolgd: 4 API-fout: 2 Ongeldige toolaanroep: 1 Agenttaken : 3.0 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
#68#68	MiMo-V2.6-Promedium	8.7	Xiaomi	$0.586	148.11s
Modelkaart bekijken Totaal tests 23 Foute tests 9 Betrouwbaarheid 9.5 Slaagpercentage per poging 78.3% Instabiele tests 7 Invoer-tokens 298,476 Uitvoer-tokens 7,762 Redeneer-tokens 515,918 Responstijd (gem.) 148.11s Responstijd (totaal) 3406.53s Responstijd (max) 904.91s Extra opmaak: 3 Verkeerd antwoord: 3 Instructies niet gevolgd: 1 Geen antwoord: 1 Time-out: 1 Agenttaken : 10.0 Anti-AI-trucs : 7.3 Programmeren : 8.2 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 10.0 Instructies opvolgen : 8.4 Puzzeloplossing : 8.4 Toolaanroepen : 10.0 Algemene kennis : 2.8
#189#189	Step 5 Previewhigh	7.0	Stepfun	$4.513	154.41s
Modelkaart bekijken Totaal tests 23 Foute tests 13 Betrouwbaarheid 9.5 Slaagpercentage per poging 52.2% Instabiele tests 4 Invoer-tokens 243,381 Uitvoer-tokens 1,581,325 Redeneer-tokens 0 Responstijd (gem.) 154.41s Responstijd (totaal) 3551.40s Responstijd (max) 455.72s Geen antwoord: 7 Verkeerd antwoord: 3 API-fout: 2 Instructies niet gevolgd: 1 Agenttaken : 10.0 Anti-AI-trucs : 6.5 Programmeren : 2.9 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 3.4 Instructies opvolgen : 7.3 Puzzeloplossing : 5.8 Toolaanroepen : 10.0 Algemene kennis : 3.0
#315#315	Nemotron 3 Supermedium	5.5	NVIDIA	$0.081 ↑	56.40s
Modelkaart bekijken Totaal tests 23 Foute tests 15 Betrouwbaarheid 9.5 Slaagpercentage per poging 42.0% Instabiele tests 4 Invoer-tokens 229,346 Uitvoer-tokens 18,597 Redeneer-tokens 129,338 Responstijd (gem.) 56.40s Responstijd (totaal) 1184.46s Responstijd (max) 431.98s Verkeerd antwoord: 6 API-fout: 4 Instructies niet gevolgd: 3 Geen antwoord: 1 Time-out: 1 Agenttaken : 4.7 Anti-AI-trucs : 8.3 Programmeren : 3.1 Gecombineerd : 6.4 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 4.1 Instructies opvolgen : 7.3 Puzzeloplossing : 3.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#378#378	Nemotron 3.5 Lightninglow	4.6	NVIDIA	$0.175 ↕	83.19s
Modelkaart bekijken Totaal tests 23 Foute tests 18 Betrouwbaarheid 9.5 Slaagpercentage per poging 40.6% Instabiele tests 9 Invoer-tokens 207,883 Uitvoer-tokens 144,718 Redeneer-tokens 525,897 Responstijd (gem.) 83.19s Responstijd (totaal) 1913.41s Responstijd (max) 597.61s Verkeerd antwoord: 14 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Time-out: 1 Agenttaken : 3.5 Anti-AI-trucs : 6.9 Programmeren : 4.0 Gecombineerd : 6.3 Gegevensparsering en extractie : 2.9 Domeinspecifiek : 3.6 Algemene intelligentie : 3.7 Instructies opvolgen : 8.4 Puzzeloplossing : 3.6 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