AI Benchy Leaderboard

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

Benchmarks gegenereerd uit AI BENCHY-testsuites op: 2026-09-07 Geëvalueerde modellen: 319

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 $0.140 / 1M Uitvoerprijs $0.280 / 1M Score 8.0/10

319/319

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#32#32	GPT-5.3-Codexmedium	8.9	OpenAI	$0.988	16.91s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 4 Invoer-tokens 81,187 Uitvoer-tokens 6,258 Redeneer-tokens 54,116 Responstijd (gem.) 16.91s Responstijd (totaal) 372.03s Responstijd (max) 100.93s Verkeerd antwoord: 4 Instructies niet gevolgd: 2 Anti-AI-trucs : 8.7 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 4.6 Instructies opvolgen : 10.0 Puzzeloplossing : 9.0 Toolaanroepen : 10.0 Algemene kennis : 2.8
#33#33	Muse Spark 1.3high	8.9	Meta	$1.653	52.49s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 77.3% Instabiele tests 2 Invoer-tokens 99,143 Uitvoer-tokens 12,083 Redeneer-tokens 347,525 Responstijd (gem.) 52.49s Responstijd (totaal) 1154.76s Responstijd (max) 251.53s Verkeerd antwoord: 3 Instructies niet gevolgd: 2 Geen antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 10.0 Instructies opvolgen : 6.5 Puzzeloplossing : 8.7 Toolaanroepen : 9.6 Algemene kennis : 3.0
#34#34	Seed 2.1 Turbohigh	8.9	Bytedance Seed	$1.797	173.96s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 78.8% Instabiele tests 3 Invoer-tokens 104,695 Uitvoer-tokens 6,645 Redeneer-tokens 691,086 Responstijd (gem.) 173.96s Responstijd (totaal) 3827.19s Responstijd (max) 584.71s Verkeerd antwoord: 4 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 8.2 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 6.5 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#35#35	Gemini 3.5 Flashlow	8.8	Google	$0.449	5.76s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 84.9% Instabiele tests 2 Invoer-tokens 87,826 Uitvoer-tokens 2,239 Redeneer-tokens 32,956 Responstijd (gem.) 5.76s Responstijd (totaal) 126.71s Responstijd (max) 53.55s Verkeerd antwoord: 3 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 7.8 Gecombineerd : 8.2 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#36#36	Qwen3.8 Max (0902)medium	8.8	Qwen	$0.677	26.01s
Modelkaart bekijken Totaal tests 22 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 2 Invoer-tokens 96,323 Uitvoer-tokens 5,961 Redeneer-tokens 74,717 Responstijd (gem.) 26.01s Responstijd (totaal) 572.19s Responstijd (max) 168.09s Verkeerd antwoord: 5 Anti-AI-trucs : 10.0 Programmeren : 8.4 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#37#37	Muse Spark 1.3medium	8.8	Meta	$1.469	38.57s
Modelkaart bekijken Totaal tests 22 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 84.9% Instabiele tests 3 Invoer-tokens 89,177 Uitvoer-tokens 11,044 Redeneer-tokens 308,220 Responstijd (gem.) 38.57s Responstijd (totaal) 848.59s Responstijd (max) 219.77s Verkeerd antwoord: 4 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 9.6 Algemene kennis : 3.0
#38#38	Gemini 3.5 Flash Litehigh	8.8	Google	$0.540	10.05s
Modelkaart bekijken Totaal tests 22 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 2 Invoer-tokens 93,046 Uitvoer-tokens 5,884 Redeneer-tokens 198,741 Responstijd (gem.) 10.05s Responstijd (totaal) 221.06s Responstijd (max) 36.22s Verkeerd antwoord: 5 Anti-AI-trucs : 10.0 Programmeren : 8.4 Gecombineerd : 9.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#39#39	Claude Opus 4.8medium	8.8	Anthropic	$1.983	12.97s
Modelkaart bekijken Totaal tests 22 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 2 Invoer-tokens 138,448 Uitvoer-tokens 40,765 Redeneer-tokens 11,162 Responstijd (gem.) 12.97s Responstijd (totaal) 285.29s Responstijd (max) 70.54s Verkeerd antwoord: 4 Geen antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 9.9 Gegevensparsering en extractie : 7.1 Domeinspecifiek : 3.6 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#40#40	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 1 Invoer-tokens 134,770 Uitvoer-tokens 13,604 Redeneer-tokens 4,388 Responstijd (gem.) 6.99s Responstijd (totaal) 153.80s Responstijd (max) 30.67s Verkeerd antwoord: 4 Anti-AI-trucs : 10.0 Programmeren : 7.8 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#41#41	Gemini 3.6 Flashlow	8.7	Google	$0.251 ↓	4.92s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 89.4% Instabiele tests 3 Invoer-tokens 85,886 Uitvoer-tokens 5,489 Redeneer-tokens 44,232 Responstijd (gem.) 4.92s Responstijd (totaal) 108.28s Responstijd (max) 30.83s Verkeerd antwoord: 4 Anti-AI-trucs : 8.7 Programmeren : 7.8 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.6 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#42#42	GLM 5.3 Flashmax	8.7	Z.ai	$0.059	52.10s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 81.8% Instabiele tests 3 Invoer-tokens 96,873 Uitvoer-tokens 7,637 Redeneer-tokens 196,703 Responstijd (gem.) 52.10s Responstijd (totaal) 1146.24s Responstijd (max) 333.47s Verkeerd antwoord: 2 Extra opmaak: 1 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Geen antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#43#43	Claude Opus 4.7medium	8.7	Anthropic	$1.476	7.62s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 1 Invoer-tokens 145,249 Uitvoer-tokens 24,948 Redeneer-tokens 5,042 Responstijd (gem.) 7.62s Responstijd (totaal) 159.94s Responstijd (max) 65.40s Verkeerd antwoord: 3 Time-out: 1 Anti-AI-trucs : 8.3 Programmeren : 7.6 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
#45#45	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 74.2% Instabiele tests 4 Invoer-tokens 123,680 Uitvoer-tokens 7,222 Redeneer-tokens 271,442 Responstijd (gem.) 19.67s Responstijd (totaal) 432.72s Responstijd (max) 142.49s Instructies niet gevolgd: 3 Verkeerd antwoord: 3 Extra opmaak: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 7.3 Programmeren : 10.0 Gecombineerd : 8.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 6.1 Instructies opvolgen : 9.8 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#46#46	Muse Spark 1.1medium	8.6	Meta	$1.420	26.25s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 72.7% Instabiele tests 2 Invoer-tokens 142,147 Uitvoer-tokens 7,905 Redeneer-tokens 284,247 Responstijd (gem.) 26.25s Responstijd (totaal) 577.47s Responstijd (max) 165.38s Verkeerd antwoord: 4 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 8.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 10.0 Instructies opvolgen : 6.5 Puzzeloplossing : 7.9 Toolaanroepen : 9.8 Algemene kennis : 3.0
#47#47	Claude Fable 5medium	8.6	Anthropic	$3.004	15.01s
Modelkaart bekijken Totaal tests 22 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 78.8% Instabiele tests 1 Invoer-tokens 89,640 Uitvoer-tokens 33,092 Redeneer-tokens 9,054 Responstijd (gem.) 15.01s Responstijd (totaal) 330.15s Responstijd (max) 80.80s Geen antwoord: 3 Ongeldige toolaanroep: 1 Verkeerd antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#48#48	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Modelkaart bekijken Totaal tests 22 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 2 Invoer-tokens 79,249 Uitvoer-tokens 5,097 Redeneer-tokens 165,276 Responstijd (gem.) 66.52s Responstijd (totaal) 1463.50s Responstijd (max) 238.07s Verkeerd antwoord: 4 Time-out: 1 Anti-AI-trucs : 10.0 Programmeren : 8.8 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#49#49	Qwen3.8 Maxlow	8.6	Qwen	$0.702	21.83s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 80.3% Instabiele tests 3 Invoer-tokens 99,181 Uitvoer-tokens 6,132 Redeneer-tokens 77,689 Responstijd (gem.) 21.83s Responstijd (totaal) 480.37s Responstijd (max) 155.75s Verkeerd antwoord: 5 Instructies niet gevolgd: 1 Anti-AI-trucs : 10.0 Programmeren : 8.4 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 6.5 Instructies opvolgen : 10.0 Puzzeloplossing : 9.9 Toolaanroepen : 10.0 Algemene kennis : 3.0
#50#50	GPT-5.4medium	8.5	OpenAI	$1.560	22.85s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 77.3% Instabiele tests 4 Invoer-tokens 81,136 Uitvoer-tokens 6,155 Redeneer-tokens 84,311 Responstijd (gem.) 22.85s Responstijd (totaal) 502.78s Responstijd (max) 100.41s Verkeerd antwoord: 5 Instructies niet gevolgd: 2 Anti-AI-trucs : 8.3 Programmeren : 8.8 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.7 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#51#51	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Modelkaart bekijken Totaal tests 22 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 3 Invoer-tokens 122,155 Uitvoer-tokens 5,514 Redeneer-tokens 293,946 Responstijd (gem.) 68.59s Responstijd (totaal) 1508.91s Responstijd (max) 436.38s Verkeerd antwoord: 5 Anti-AI-trucs : 10.0 Programmeren : 7.6 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 6.5 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#52#52	Muse Spark 1.2low	8.4	Meta	$0.655	9.77s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 77.3% Instabiele tests 3 Invoer-tokens 101,811 Uitvoer-tokens 8,025 Redeneer-tokens 115,938 Responstijd (gem.) 9.77s Responstijd (totaal) 214.83s Responstijd (max) 47.80s Verkeerd antwoord: 4 Instructies niet gevolgd: 3 Anti-AI-trucs : 9.2 Programmeren : 8.4 Gecombineerd : 9.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.0 Instructies opvolgen : 9.8 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#53#53	Grok 4.6medium	8.4	X AI	$1.713	73.46s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 81.8% Instabiele tests 4 Invoer-tokens 106,787 Uitvoer-tokens 4,811 Redeneer-tokens 244,997 Responstijd (gem.) 73.46s Responstijd (totaal) 1616.12s Responstijd (max) 514.35s Verkeerd antwoord: 5 Instructies niet gevolgd: 1 Anti-AI-trucs : 10.0 Programmeren : 8.2 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.1 Instructies opvolgen : 9.8 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#54#54	Grok 4.5low	8.4	X AI	$0.945	16.17s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 77.3% Instabiele tests 2 Invoer-tokens 125,605 Uitvoer-tokens 7,505 Redeneer-tokens 107,984 Responstijd (gem.) 16.17s Responstijd (totaal) 355.67s Responstijd (max) 205.28s Verkeerd antwoord: 6 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 6.1 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#55#55	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 72.7% Instabiele tests 4 Invoer-tokens 105,013 Uitvoer-tokens 9,914 Redeneer-tokens 61,338 Responstijd (gem.) 28.51s Responstijd (totaal) 456.13s Responstijd (max) 116.86s Instructies niet gevolgd: 3 Verkeerd antwoord: 3 Geen antwoord: 1 Time-out: 1 Anti-AI-trucs : 6.5 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 3.7 Instructies opvolgen : 9.9 Puzzeloplossing : 7.5 Toolaanroepen : 4.7 Algemene kennis : 3.0
#57#57	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 78.8% Instabiele tests 5 Invoer-tokens 104,433 Uitvoer-tokens 6,511 Redeneer-tokens 752,680 Responstijd (gem.) 193.59s Responstijd (totaal) 4258.98s Responstijd (max) 885.33s Verkeerd antwoord: 5 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 8.2 Programmeren : 8.2 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 6.1 Instructies opvolgen : 9.8 Puzzeloplossing : 9.9 Toolaanroepen : 10.0 Algemene kennis : 3.0
#58#58	Inkling Smallhigh	8.4	Thinkingmachines	$0.398 ↓	30.43s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 69.7% Instabiele tests 2 Invoer-tokens 85,669 Uitvoer-tokens 6,092 Redeneer-tokens 292,801 Responstijd (gem.) 30.43s Responstijd (totaal) 669.38s Responstijd (max) 122.60s Verkeerd antwoord: 6 Instructies niet gevolgd: 2 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 9.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.3 Instructies opvolgen : 9.8 Puzzeloplossing : 4.8 Toolaanroepen : 3.0 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 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