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.)
#131#131	Kimi K2.5medium	7.0	Moonshot AI	$0.479 ↓	98.19s
Modelkaart bekijken Totaal tests 22 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 8 Invoer-tokens 118,496 Uitvoer-tokens 53,522 Redeneer-tokens 167,420 Responstijd (gem.) 98.19s Responstijd (totaal) 1571.05s Responstijd (max) 281.00s Verkeerd antwoord: 5 Instructies niet gevolgd: 2 Geen antwoord: 2 Time-out: 2 Ongeldige toolaanroep: 1 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
#132#132	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.478	24.87s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 8 Invoer-tokens 87,916 Uitvoer-tokens 7,213 Redeneer-tokens 132,162 Responstijd (gem.) 24.87s Responstijd (totaal) 547.14s Responstijd (max) 257.00s Verkeerd antwoord: 9 API-fout: 1 Instructies niet gevolgd: 1 Anti-AI-trucs : 8.2 Programmeren : 7.8 Gecombineerd : 6.4 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 2.9 Algemene intelligentie : 4.7 Instructies opvolgen : 9.9 Puzzeloplossing : 5.9 Toolaanroepen : 10.0 Algemene kennis : 3.0
#91#91	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.459 ↓	91.76s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 72.7% Instabiele tests 5 Invoer-tokens 113,569 Uitvoer-tokens 9,823 Redeneer-tokens 264,886 Responstijd (gem.) 91.76s Responstijd (totaal) 1376.42s Responstijd (max) 304.85s Verkeerd antwoord: 4 Time-out: 2 API-fout: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 8.2 Programmeren : 6.6 Gecombineerd : 6.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.7 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#151#151	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Modelkaart bekijken Totaal tests 21 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 6 Invoer-tokens 44,615 Uitvoer-tokens 2,347 Redeneer-tokens 98,415 Responstijd (gem.) 23.08s Responstijd (totaal) 484.63s Responstijd (max) 95.88s Verkeerd antwoord: 7 Ongeldige toolaanroep: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 7.2 Programmeren : 6.0 Gecombineerd : 3.4 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 7.7 Toolaanroepen : 7.0 Algemene kennis : 3.0
#27#27	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
#103#103	Grok 4.6low	7.4	X AI	$0.449	14.55s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 69.7% Instabiele tests 1 Invoer-tokens 109,960 Uitvoer-tokens 5,124 Redeneer-tokens 32,924 Responstijd (gem.) 14.55s Responstijd (totaal) 320.17s Responstijd (max) 26.46s Verkeerd antwoord: 7 Anti-AI-trucs : 10.0 Programmeren : 5.5 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#10#10	GPT-5.6 Solhigh	9.4	OpenAI	$0.446 ↓	11.48s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 89.4% Instabiele tests 3 Invoer-tokens 79,258 Uitvoer-tokens 4,855 Redeneer-tokens 23,853 Responstijd (gem.) 11.48s Responstijd (totaal) 252.62s Responstijd (max) 54.79s Verkeerd antwoord: 4 Anti-AI-trucs : 8.7 Programmeren : 10.0 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 : 4.7
#115#115	Muse Glimmer 30Bhigh	7.2	Meta	$0.430 ↓	66.70s
Modelkaart bekijken Totaal tests 22 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 8 Invoer-tokens 103,494 Uitvoer-tokens 100,589 Redeneer-tokens 270,217 Responstijd (gem.) 66.70s Responstijd (totaal) 1467.39s Responstijd (max) 451.90s Verkeerd antwoord: 7 Instructies niet gevolgd: 3 Geen antwoord: 2 Anti-AI-trucs : 8.7 Programmeren : 8.8 Gecombineerd : 6.4 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 2.9 Algemene intelligentie : 5.3 Instructies opvolgen : 8.4 Puzzeloplossing : 6.1 Toolaanroepen : 10.0 Algemene kennis : 3.0
#4#4	Gemini 3.6 Flashmedium	9.8	Google	$0.427 ↓	11.86s
Modelkaart bekijken Totaal tests 22 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 95.5% Instabiele tests 2 Invoer-tokens 64,446 Uitvoer-tokens 1,974 Redeneer-tokens 98,902 Responstijd (gem.) 11.86s Responstijd (totaal) 260.96s Responstijd (max) 77.15s 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
#88#88	GPT-5.6 Terralow	7.5	OpenAI	$0.420 ↓	5.45s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 74.2% Instabiele tests 6 Invoer-tokens 80,304 Uitvoer-tokens 4,714 Redeneer-tokens 16,872 Responstijd (gem.) 5.45s Responstijd (totaal) 119.83s Responstijd (max) 19.85s Verkeerd antwoord: 8 Ongeldige toolaanroep: 1 Anti-AI-trucs : 8.3 Programmeren : 6.6 Gecombineerd : 8.7 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.8 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 4.7 Algemene kennis : 3.0
#68#68	Qwen3.6 Plusmedium	7.8	Qwen	$0.418 ↑	45.52s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 71.2% Instabiele tests 2 Invoer-tokens 97,698 Uitvoer-tokens 6,417 Redeneer-tokens 191,215 Responstijd (gem.) 45.52s Responstijd (totaal) 955.94s Responstijd (max) 291.55s Verkeerd antwoord: 5 API-fout: 1 Instructies niet gevolgd: 1 Anti-AI-trucs : 10.0 Programmeren : 6.1 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.1 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#149#149	LongCat 2.0low	6.7	Meituan	$0.412	113.61s
Modelkaart bekijken Totaal tests 22 Foute tests 12 Betrouwbaarheid 9.9 Slaagpercentage per poging 54.6% Instabiele tests 4 Invoer-tokens 90,870 Uitvoer-tokens 5,676 Redeneer-tokens 314,918 Responstijd (gem.) 113.61s Responstijd (totaal) 2499.46s Responstijd (max) 560.39s Verkeerd antwoord: 7 API-fout: 2 Instructies niet gevolgd: 1 Geen antwoord: 1 Time-out: 1 Anti-AI-trucs : 10.0 Programmeren : 6.6 Gecombineerd : 10.0 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 2.9 Algemene intelligentie : 3.4 Instructies opvolgen : 6.5 Puzzeloplossing : 3.1 Toolaanroepen : 10.0 Algemene kennis : 3.0
#106#106	GLM 5.3high	7.3	Z.ai	$0.403	27.82s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 74.2% Instabiele tests 7 Invoer-tokens 87,601 Uitvoer-tokens 6,006 Redeneer-tokens 57,661 Responstijd (gem.) 27.82s Responstijd (totaal) 612.06s Responstijd (max) 159.91s Verkeerd antwoord: 6 Extra opmaak: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 10.0 Programmeren : 6.6 Gecombineerd : 6.4 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 6.1 Instructies opvolgen : 9.8 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#107#107	KAT-Coder-Pro V2.5low	7.3	Kwaipilot	$0.400	20.20s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 68.2% Instabiele tests 8 Invoer-tokens 87,682 Uitvoer-tokens 7,166 Redeneer-tokens 106,027 Responstijd (gem.) 20.20s Responstijd (totaal) 444.35s Responstijd (max) 209.15s Verkeerd antwoord: 10 API-fout: 1 Anti-AI-trucs : 6.9 Programmeren : 7.8 Gecombineerd : 6.4 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 4.1 Instructies opvolgen : 10.0 Puzzeloplossing : 6.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#48#48	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
#206#206	GPT-5.4none	5.8	OpenAI	$0.397	2.08s
Modelkaart bekijken Totaal tests 22 Foute tests 15 Betrouwbaarheid 10.0 Slaagpercentage per poging 34.9% Instabiele tests 2 Invoer-tokens 108,641 Uitvoer-tokens 8,339 Redeneer-tokens 0 Responstijd (gem.) 2.08s Responstijd (totaal) 45.75s Responstijd (max) 15.63s Verkeerd antwoord: 14 Instructies niet gevolgd: 1 Anti-AI-trucs : 3.2 Programmeren : 5.5 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.4 Instructies opvolgen : 6.5 Puzzeloplossing : 5.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#121#121	Step 3.7 Flashlow	7.1	Stepfun	$0.390	17.87s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 5 Invoer-tokens 103,842 Uitvoer-tokens 320,393 Redeneer-tokens 0 Responstijd (gem.) 17.87s Responstijd (totaal) 393.04s Responstijd (max) 124.75s Verkeerd antwoord: 9 Ongeldige toolaanroep: 1 Geen antwoord: 1 Anti-AI-trucs : 8.7 Programmeren : 8.2 Gecombineerd : 7.3 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 2.9 Algemene intelligentie : 3.4 Instructies opvolgen : 9.8 Puzzeloplossing : 5.5 Toolaanroepen : 10.0 Algemene kennis : 3.0
#195#195	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Modelkaart bekijken Totaal tests 21 Foute tests 7 Betrouwbaarheid n.v.t. Slaagpercentage per poging 63.6% Instabiele tests 0 Invoer-tokens 28,848 Uitvoer-tokens 1,490 Redeneer-tokens 10,102 Responstijd (gem.) 9.05s Responstijd (totaal) 90.53s Responstijd (max) 26.24s API-fout: 4 Verkeerd antwoord: 3 Anti-AI-trucs : 10.0 Programmeren : 3.0 Gecombineerd : 1.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#61#61	Inklingmedium	8.0	Thinkingmachines	$0.383	15.66s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 75.8% Instabiele tests 4 Invoer-tokens 124,062 Uitvoer-tokens 12,190 Redeneer-tokens 51,652 Responstijd (gem.) 15.66s Responstijd (totaal) 344.52s Responstijd (max) 85.12s Verkeerd antwoord: 4 API-fout: 1 Ongeldige toolaanroep: 1 Geen antwoord: 1 Anti-AI-trucs : 8.7 Programmeren : 8.4 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 3.0 Algemene kennis : 2.8
#5#5	GPT-5.6 Sollow	9.5	OpenAI	$0.357 ↓	9.04s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 86.4% Instabiele tests 2 Invoer-tokens 78,580 Uitvoer-tokens 4,476 Redeneer-tokens 15,470 Responstijd (gem.) 9.04s Responstijd (totaal) 198.97s Responstijd (max) 53.91s Verkeerd antwoord: 4 Anti-AI-trucs : 8.3 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 10.0
#173#173	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Modelkaart bekijken Totaal tests 21 Foute tests 9 Betrouwbaarheid 9.6 Slaagpercentage per poging 69.7% 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 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
#281#281	MiniMax M2.5medium	4.6	Minimax	$0.327 ↑	69.08s
Modelkaart bekijken Totaal tests 22 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 43.9% Instabiele tests 9 Invoer-tokens 142,621 Uitvoer-tokens 20,409 Redeneer-tokens 251,820 Responstijd (gem.) 69.08s Responstijd (totaal) 1036.24s Responstijd (max) 251.36s Verkeerd antwoord: 7 Time-out: 4 Instructies niet gevolgd: 3 Geen antwoord: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 7.9 Programmeren : 3.4 Gecombineerd : 3.7 Gegevensparsering en extractie : 4.6 Domeinspecifiek : 2.9 Algemene intelligentie : 3.8 Instructies opvolgen : 7.5 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#82#82	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Modelkaart bekijken Totaal tests 21 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 71.2% Instabiele tests 4 Invoer-tokens 35,593 Uitvoer-tokens 12,245 Redeneer-tokens 62,277 Responstijd (gem.) 23.00s Responstijd (totaal) 482.97s Responstijd (max) 194.23s Verkeerd antwoord: 4 Instructies niet gevolgd: 1 Geen antwoord: 1 Time-out: 1 Anti-AI-trucs : 10.0 Programmeren : 8.2 Gecombineerd : 5.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 6.1 Instructies opvolgen : 10.0 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#116#116	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 9.6 Slaagpercentage per poging 63.6% Instabiele tests 2 Invoer-tokens 42,106 Uitvoer-tokens 2,280 Redeneer-tokens 169,843 Responstijd (gem.) 46.97s Responstijd (totaal) 986.35s Responstijd (max) 189.38s Verkeerd antwoord: 8 Time-out: 1 Anti-AI-trucs : 10.0 Programmeren : 6.2 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 4.9 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#8#8	Gemini 3.7 Flashmedium	9.4	Google	$0.309 ↑	5.87s
Modelkaart bekijken Totaal tests 22 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 93.9% Instabiele tests 1 Invoer-tokens 89,055 Uitvoer-tokens 5,697 Redeneer-tokens 58,880 Responstijd (gem.) 5.87s Responstijd (totaal) 129.20s Responstijd (max) 30.23s Verkeerd antwoord: 2 Anti-AI-trucs : 10.0 Programmeren : 8.4 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

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