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: 308

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

308/308

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#105#105	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 57.6% Instabiele tests 1 Invoer-tokens 123,273 Uitvoer-tokens 19,362 Redeneer-tokens 0 Responstijd (gem.) 7.67s Responstijd (totaal) 122.78s Responstijd (max) 51.18s Verkeerd antwoord: 5 Extra opmaak: 4 Instructies niet gevolgd: 1 Anti-AI-trucs : 4.8 Programmeren : 5.5 Gecombineerd : 9.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 6.1 Instructies opvolgen : 6.5 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#42#42	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
#17#17	Gemini 3.8 Flashmedium	9.1	Google	$0.653	14.50s
Modelkaart bekijken Totaal tests 22 Foute tests 3 Betrouwbaarheid 10.0 Slaagpercentage per poging 92.4% Instabiele tests 2 Invoer-tokens 95,793 Uitvoer-tokens 7,066 Redeneer-tokens 147,842 Responstijd (gem.) 14.50s Responstijd (totaal) 318.92s Responstijd (max) 108.60s Verkeerd antwoord: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 8.0 Gecombineerd : 8.7 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
#156#156	Gemini 3.1 Flash Lite Previewlow	6.6	Google	$0.646	16.67s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 0 Invoer-tokens 110,196 Uitvoer-tokens 14,717 Redeneer-tokens 397,462 Responstijd (gem.) 16.67s Responstijd (totaal) 366.69s Responstijd (max) 309.35s Verkeerd antwoord: 6 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 8.3 Programmeren : 5.5 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 4.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#3🥉 #3	Gemini 3.7 Flashhigh	9.8	Google	$0.646 ↑	12.22s
Modelkaart bekijken Totaal tests 22 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 95.5% Instabiele tests 2 Invoer-tokens 86,712 Uitvoer-tokens 6,017 Redeneer-tokens 148,829 Responstijd (gem.) 12.22s Responstijd (totaal) 268.78s Responstijd (max) 91.63s Verkeerd antwoord: 2 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.8 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#51#51	Gemini 2.5 Flashmedium	8.2	Google	$0.644	21.14s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 71.2% Instabiele tests 1 Invoer-tokens 132,507 Uitvoer-tokens 12,739 Redeneer-tokens 228,626 Responstijd (gem.) 21.14s Responstijd (totaal) 465.10s Responstijd (max) 140.50s Verkeerd antwoord: 6 Instructies niet gevolgd: 1 Anti-AI-trucs : 8.4 Programmeren : 7.8 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 4.8 Instructies opvolgen : 9.8 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#191#191	Trinity Large Thinkinglow	6.0	Arcee AI	$0.625 ↓	96.61s
Modelkaart bekijken Totaal tests 22 Foute tests 14 Betrouwbaarheid 10.0 Slaagpercentage per poging 47.0% Instabiele tests 5 Invoer-tokens 122,854 Uitvoer-tokens 119,810 Redeneer-tokens 698,549 Responstijd (gem.) 96.61s Responstijd (totaal) 2125.51s Responstijd (max) 540.96s Verkeerd antwoord: 7 API-fout: 2 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 2 Geen antwoord: 1 Anti-AI-trucs : 8.3 Programmeren : 5.3 Gecombineerd : 5.2 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 2.9 Algemene intelligentie : 10.0 Instructies opvolgen : 4.4 Puzzeloplossing : 6.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#158#158	Gemini 3.1 Flash Litelow	6.6	Google	$0.621	16.25s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 2 Invoer-tokens 94,233 Uitvoer-tokens 7,759 Redeneer-tokens 390,132 Responstijd (gem.) 16.25s Responstijd (totaal) 357.39s Responstijd (max) 318.02s Verkeerd antwoord: 8 Ongeldige toolaanroep: 1 Anti-AI-trucs : 7.3 Programmeren : 5.5 Gecombineerd : 3.2 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 4.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#64#64	GPT-5.2 Chatnone	7.9	OpenAI	$0.594	7.73s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 69.7% Instabiele tests 4 Invoer-tokens 101,104 Uitvoer-tokens 29,742 Redeneer-tokens 0 Responstijd (gem.) 7.73s Responstijd (totaal) 162.40s Responstijd (max) 38.52s Verkeerd antwoord: 6 API-fout: 1 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 8.7 Programmeren : 8.8 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 4.4 Instructies opvolgen : 9.8 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#269#269	Trinity Large Thinkinghigh	4.8	Arcee AI	$0.592 ↓	75.86s
Modelkaart bekijken Totaal tests 22 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 39.4% Instabiele tests 8 Invoer-tokens 101,776 Uitvoer-tokens 276,367 Redeneer-tokens 656,252 Responstijd (gem.) 75.86s Responstijd (totaal) 1668.93s Responstijd (max) 510.21s Verkeerd antwoord: 10 Instructies niet gevolgd: 4 Ongeldige toolaanroep: 2 Geen antwoord: 1 Anti-AI-trucs : 6.7 Programmeren : 3.7 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 2.9 Algemene intelligentie : 6.5 Instructies opvolgen : 6.3 Puzzeloplossing : 4.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#178#178	Claude Sonnet 5none	6.1	Anthropic	$0.548	6.05s
Modelkaart bekijken Totaal tests 22 Foute tests 15 Betrouwbaarheid 10.0 Slaagpercentage per poging 40.9% Instabiele tests 4 Invoer-tokens 161,032 Uitvoer-tokens 22,508 Redeneer-tokens 0 Responstijd (gem.) 6.05s Responstijd (totaal) 132.99s Responstijd (max) 33.39s Verkeerd antwoord: 8 Extra opmaak: 4 Geen antwoord: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 5.3 Programmeren : 4.6 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 4.7 Instructies opvolgen : 6.4 Puzzeloplossing : 6.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#297#297	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Modelkaart bekijken Totaal tests 19 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 43.9% Instabiele tests 4 Invoer-tokens 11,793 Uitvoer-tokens 267,275 Redeneer-tokens 0 Responstijd (gem.) 28.69s Responstijd (totaal) 459.00s Responstijd (max) 138.35s Verkeerd antwoord: 7 API-fout: 3 Instructies niet gevolgd: 2 Anti-AI-trucs : 8.7 Programmeren : 3.3 Gecombineerd : 1.5 Gegevensparsering en extractie : 3.8 Domeinspecifiek : 3.6 Algemene intelligentie : 4.3 Instructies opvolgen : 9.8 Puzzeloplossing : 6.4 Toolaanroepen : 3.0 Algemene kennis : 3.0
#127#127	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 59.1% Instabiele tests 2 Invoer-tokens 79,294 Uitvoer-tokens 4,915 Redeneer-tokens 0 Responstijd (gem.) 2.35s Responstijd (totaal) 51.78s Responstijd (max) 12.24s Verkeerd antwoord: 10 Anti-AI-trucs : 6.9 Programmeren : 5.5 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 6.2 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#28#28	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
#90#90	GPT 5.3 Chatnone	7.5	OpenAI	$0.533	6.56s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 4 Invoer-tokens 78,846 Uitvoer-tokens 28,179 Redeneer-tokens 0 Responstijd (gem.) 6.56s Responstijd (totaal) 137.77s Responstijd (max) 18.33s Verkeerd antwoord: 6 Instructies niet gevolgd: 2 API-fout: 1 Anti-AI-trucs : 6.7 Programmeren : 5.6 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 4.6 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#71#71	GPT-5.6 Terramedium	7.8	OpenAI	$0.523 ↓	6.85s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 69.7% Instabiele tests 2 Invoer-tokens 79,184 Uitvoer-tokens 4,878 Redeneer-tokens 25,471 Responstijd (gem.) 6.85s Responstijd (totaal) 150.65s Responstijd (max) 41.68s Verkeerd antwoord: 8 Anti-AI-trucs : 8.3 Programmeren : 6.1 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.5 Instructies opvolgen : 10.0 Puzzeloplossing : 8.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#55#55	Muse Glimmer 30Bxhigh	8.1	Meta	$0.510 ↓	95.55s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 9.9 Slaagpercentage per poging 69.7% Instabiele tests 4 Invoer-tokens 110,930 Uitvoer-tokens 116,373 Redeneer-tokens 330,471 Responstijd (gem.) 95.55s Responstijd (totaal) 2102.12s Responstijd (max) 576.79s Verkeerd antwoord: 4 Geen antwoord: 3 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 6.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.5 Instructies opvolgen : 8.4 Puzzeloplossing : 7.8 Toolaanroepen : 10.0 Algemene kennis : 3.0
#9#9	GPT-5.6 Solmedium	9.4	OpenAI	$0.508 ↓	12.63s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 90.9% Instabiele tests 3 Invoer-tokens 79,006 Uitvoer-tokens 4,696 Redeneer-tokens 30,281 Responstijd (gem.) 12.63s Responstijd (totaal) 277.88s Responstijd (max) 79.40s Verkeerd antwoord: 4 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 : 8.2 Toolaanroepen : 10.0 Algemene kennis : 4.7
#114#114	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.506	22.11s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 6 Invoer-tokens 106,085 Uitvoer-tokens 9,071 Redeneer-tokens 135,288 Responstijd (gem.) 22.11s Responstijd (totaal) 486.31s Responstijd (max) 199.97s Verkeerd antwoord: 10 Ongeldige toolaanroep: 1 Anti-AI-trucs : 7.0 Programmeren : 6.4 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.1 Instructies opvolgen : 9.9 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#153#153	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Modelkaart bekijken Totaal tests 19 Foute tests 3 Betrouwbaarheid 10.0 Slaagpercentage per poging 72.7% Instabiele tests 0 Invoer-tokens 69,576 Uitvoer-tokens 6,265 Redeneer-tokens 0 Responstijd (gem.) 3.02s Responstijd (totaal) 57.44s Responstijd (max) 18.27s Verkeerd antwoord: 3 Anti-AI-trucs : 8.3 Programmeren : 3.3 Gecombineerd : 4.8 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
#101#101	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 59.1% Instabiele tests 2 Invoer-tokens 97,324 Uitvoer-tokens 44,383 Redeneer-tokens 346,490 Responstijd (gem.) 143.55s Responstijd (totaal) 3158.11s Responstijd (max) 939.52s Verkeerd antwoord: 7 API-fout: 1 Geen antwoord: 1 Time-out: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 7.3 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 3.0 Algemene intelligentie : 4.8 Instructies opvolgen : 6.5 Puzzeloplossing : 5.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#65#65	Step 3.7 Flashmedium	7.9	Stepfun	$0.495	23.51s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 68.2% Instabiele tests 3 Invoer-tokens 114,191 Uitvoer-tokens 409,709 Redeneer-tokens 0 Responstijd (gem.) 23.51s Responstijd (totaal) 517.21s Responstijd (max) 152.83s Verkeerd antwoord: 6 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Geen antwoord: 1 Anti-AI-trucs : 8.7 Programmeren : 8.8 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.0 Instructies opvolgen : 9.8 Puzzeloplossing : 5.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#152#152	LongCat 2.0high	6.7	Meituan	$0.492	153.29s
Modelkaart bekijken Totaal tests 22 Foute tests 13 Betrouwbaarheid 10.0 Slaagpercentage per poging 51.5% Instabiele tests 4 Invoer-tokens 93,411 Uitvoer-tokens 30,470 Redeneer-tokens 356,172 Responstijd (gem.) 153.29s Responstijd (totaal) 3372.36s Responstijd (max) 941.66s Verkeerd antwoord: 7 Instructies niet gevolgd: 2 Geen antwoord: 2 Time-out: 2 Anti-AI-trucs : 8.9 Programmeren : 7.8 Gecombineerd : 10.0 Gegevensparsering en extractie : 3.6 Domeinspecifiek : 3.6 Algemene intelligentie : 5.1 Instructies opvolgen : 6.5 Puzzeloplossing : 3.1 Toolaanroepen : 10.0 Algemene kennis : 3.0
#80#80	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.490 ↑	92.50s
Modelkaart bekijken Totaal tests 22 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 6 Invoer-tokens 90,757 Uitvoer-tokens 22,928 Redeneer-tokens 186,516 Responstijd (gem.) 92.50s Responstijd (totaal) 2035.01s Responstijd (max) 416.76s Verkeerd antwoord: 7 Instructies niet gevolgd: 2 API-fout: 1 Geen antwoord: 1 Time-out: 1 Anti-AI-trucs : 5.7 Programmeren : 6.3 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 10.0 Instructies opvolgen : 7.8 Puzzeloplossing : 6.9 Toolaanroepen : 9.8 Algemene kennis : 3.0
#148#148	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.487	26.01s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 71.2% Instabiele tests 8 Invoer-tokens 98,508 Uitvoer-tokens 139,572 Redeneer-tokens 0 Responstijd (gem.) 26.01s Responstijd (totaal) 572.22s Responstijd (max) 335.41s Verkeerd antwoord: 10 Ongeldige toolaanroep: 1 Anti-AI-trucs : 8.7 Programmeren : 6.1 Gecombineerd : 4.1 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 4.1 Algemene intelligentie : 4.8 Instructies opvolgen : 9.8 Puzzeloplossing : 8.2 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 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