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.)
#122#122	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
#70#70	GPT-5 Minimedium	8.1	OpenAI	$0.241	27.64s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 4 Invoer-tokens 98,383 Uitvoer-tokens 14,409 Redeneer-tokens 93,610 Responstijd (gem.) 27.64s Responstijd (totaal) 608.02s Responstijd (max) 111.48s Verkeerd antwoord: 5 Instructies niet gevolgd: 3 Geen antwoord: 1 Time-out: 1 Anti-AI-trucs : 7.1 Programmeren : 10.0 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 4.5 Instructies opvolgen : 10.0 Puzzeloplossing : 5.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#52#52	DeepSeek V4.1 Flashlow	8.5	DeepSeek	$0.448 ↑	26.77s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 9.5 Slaagpercentage per poging 74.2% Instabiele tests 3 Invoer-tokens 99,715 Uitvoer-tokens 6,381 Redeneer-tokens 341,582 Responstijd (gem.) 26.77s Responstijd (totaal) 589.01s Responstijd (max) 149.84s Verkeerd antwoord: 6 API-fout: 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
#110#110	GPT-5.4 Minimedium	7.5	OpenAI	$0.786	26.72s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 68.2% Instabiele tests 5 Invoer-tokens 97,164 Uitvoer-tokens 6,211 Redeneer-tokens 152,133 Responstijd (gem.) 26.72s Responstijd (totaal) 587.90s Responstijd (max) 138.75s Verkeerd antwoord: 6 Instructies niet gevolgd: 3 Ongeldige toolaanroep: 1 Anti-AI-trucs : 8.6 Programmeren : 8.4 Gecombineerd : 6.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 4.5 Instructies opvolgen : 9.8 Puzzeloplossing : 7.8 Toolaanroepen : 4.7 Algemene kennis : 3.0
#45#45	Muse Spark 1.2high	8.7	Meta	$1.771	26.59s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 9.9 Slaagpercentage per poging 74.2% Instabiele tests 5 Invoer-tokens 117,037 Uitvoer-tokens 6,983 Redeneer-tokens 375,104 Responstijd (gem.) 26.59s Responstijd (totaal) 584.89s Responstijd (max) 192.00s Verkeerd antwoord: 4 Instructies niet gevolgd: 3 Ongeldige toolaanroep: 1 Anti-AI-trucs : 7.1 Programmeren : 10.0 Gecombineerd : 8.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 4.1 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#47#47	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
#166#166	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
#37#37	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
#124#124	GLM 5.3 Flashhigh	7.3	Z.ai	$0.034 ↑	25.36s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 66.7% Instabiele tests 3 Invoer-tokens 113,003 Uitvoer-tokens 11,558 Redeneer-tokens 66,760 Responstijd (gem.) 25.36s Responstijd (totaal) 558.01s Responstijd (max) 163.41s Verkeerd antwoord: 4 Extra opmaak: 2 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Geen antwoord: 1 Anti-AI-trucs : 8.3 Programmeren : 8.2 Gecombineerd : 6.4 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 3.0 Algemene intelligentie : 5.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#215#215	Qwen3.5-Flashnone	6.0	Qwen	$0.073 ↓	25.28s
Modelkaart bekijken Totaal tests 22 Foute tests 15 Betrouwbaarheid 10.0 Slaagpercentage per poging 34.9% Instabiele tests 2 Invoer-tokens 282,356 Uitvoer-tokens 209,201 Redeneer-tokens 0 Responstijd (gem.) 25.28s Responstijd (totaal) 556.14s Responstijd (max) 480.96s Verkeerd antwoord: 14 Ongeldige toolaanroep: 1 Anti-AI-trucs : 3.5 Programmeren : 5.5 Gecombineerd : 2.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 6.3 Puzzeloplossing : 3.1 Toolaanroepen : 10.0 Algemene kennis : 3.0
#149#149	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
#245#245	Hy3 previewlow	5.5	Tencent	$0.042 ↕	24.56s
Modelkaart bekijken Totaal tests 21 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 50.0% Instabiele tests 2 Invoer-tokens 21,045 Uitvoer-tokens 63,460 Redeneer-tokens 0 Responstijd (gem.) 24.56s Responstijd (totaal) 368.35s Responstijd (max) 78.74s API-fout: 7 Verkeerd antwoord: 4 Anti-AI-trucs : 8.3 Programmeren : 5.3 Gecombineerd : 5.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 5.9 Algemene intelligentie : 3.0 Instructies opvolgen : 10.0 Puzzeloplossing : 5.3 Toolaanroepen : 2.8 Algemene kennis : 3.0
#23#23	Qwen3.8 Max (0902)low	9.1	Qwen	$0.664	24.21s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 86.4% Instabiele tests 2 Invoer-tokens 103,954 Uitvoer-tokens 6,322 Redeneer-tokens 69,543 Responstijd (gem.) 24.21s Responstijd (totaal) 532.62s Responstijd (max) 207.79s Verkeerd antwoord: 4 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 6.1 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#295#295	Grok 4.1 Fastmedium	4.7	X AI	$0.069 ↑	23.85s
Modelkaart bekijken Totaal tests 19 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 53.0% Instabiele tests 6 Invoer-tokens 42,845 Uitvoer-tokens 2,006 Redeneer-tokens 96,334 Responstijd (gem.) 23.85s Responstijd (totaal) 286.16s Responstijd (max) 121.79s Instructies niet gevolgd: 4 Verkeerd antwoord: 4 Geen antwoord: 1 Time-out: 1 Anti-AI-trucs : 8.7 Programmeren : 7.8 Gecombineerd : 5.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.8 Algemene intelligentie : 4.2 Instructies opvolgen : 6.5 Puzzeloplossing : 5.3 Toolaanroepen : 2.8 Algemene kennis : 3.0
#81#81	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
#29#29	Qwen3.8 Maxmedium	9.0	Qwen	$0.771	23.34s
Modelkaart bekijken Totaal tests 22 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 80.3% Instabiele tests 1 Invoer-tokens 109,055 Uitvoer-tokens 6,566 Redeneer-tokens 85,481 Responstijd (gem.) 23.34s Responstijd (totaal) 513.47s Responstijd (max) 126.60s Verkeerd antwoord: 4 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 8.7 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#86#86	GLM 5.2medium	7.8	Z.ai	$0.324	23.28s
Modelkaart bekijken Totaal tests 21 Foute tests 6 Betrouwbaarheid 9.5 Slaagpercentage per poging 80.3% Instabiele tests 4 Invoer-tokens 37,199 Uitvoer-tokens 12,261 Redeneer-tokens 49,500 Responstijd (gem.) 23.28s Responstijd (totaal) 488.94s Responstijd (max) 101.36s Verkeerd antwoord: 3 Geen antwoord: 2 Time-out: 1 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
#169#169	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
#98#98	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
#51#51	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
#20#20	Claude Opus 5high	9.2	Anthropic	$3.070	22.51s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 81.8% Instabiele tests 0 Invoer-tokens 135,956 Uitvoer-tokens 64,624 Redeneer-tokens 30,959 Responstijd (gem.) 22.51s Responstijd (totaal) 495.12s Responstijd (max) 159.01s Verkeerd antwoord: 2 Extra opmaak: 1 Geen antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#191#191	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
#130#130	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
#50#50	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
#325#325	gpt-oss-120bnone	3.7	OpenAI	$0.033 ↑	21.61s
Modelkaart bekijken Totaal tests 19 Foute tests 13 Betrouwbaarheid 10.0 Slaagpercentage per poging 33.3% Instabiele tests 2 Invoer-tokens 9,081 Uitvoer-tokens 51,664 Redeneer-tokens 0 Responstijd (gem.) 21.61s Responstijd (totaal) 345.79s Responstijd (max) 113.71s Verkeerd antwoord: 8 API-fout: 3 Instructies niet gevolgd: 2 Anti-AI-trucs : 6.5 Programmeren : 1.5 Gecombineerd : 1.5 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.0 Algemene intelligentie : 4.8 Instructies opvolgen : 9.8 Puzzeloplossing : 6.0 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