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.)
#66#66	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
#199#199	gpt-oss-120bmedium	6.1	OpenAI	$0.070 ↑	20.81s
Modelkaart bekijken Totaal tests 22 Foute tests 13 Betrouwbaarheid 10.0 Slaagpercentage per poging 50.0% Instabiele tests 5 Invoer-tokens 108,767 Uitvoer-tokens 29,378 Redeneer-tokens 68,904 Responstijd (gem.) 20.81s Responstijd (totaal) 332.88s Responstijd (max) 68.16s Verkeerd antwoord: 9 Instructies niet gevolgd: 3 Ongeldige toolaanroep: 1 Anti-AI-trucs : 6.7 Programmeren : 5.9 Gecombineerd : 6.5 Gegevensparsering en extractie : 6.4 Domeinspecifiek : 2.9 Algemene intelligentie : 4.3 Instructies opvolgen : 9.9 Puzzeloplossing : 5.3 Toolaanroepen : 9.8 Algemene kennis : 3.0
#255#255	DeepSeek V4 Flash 0731none	5.4	DeepSeek	$0.009 ↓	20.72s
Modelkaart bekijken Totaal tests 22 Foute tests 18 Betrouwbaarheid 10.0 Slaagpercentage per poging 27.3% Instabiele tests 4 Invoer-tokens 94,566 Uitvoer-tokens 25,426 Redeneer-tokens 0 Responstijd (gem.) 20.72s Responstijd (totaal) 455.81s Responstijd (max) 387.15s Verkeerd antwoord: 13 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 2 Extra opmaak: 1 Anti-AI-trucs : 3.4 Programmeren : 4.3 Gecombineerd : 3.7 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.4 Instructies opvolgen : 5.0 Puzzeloplossing : 3.2 Toolaanroepen : 9.5 Algemene kennis : 3.0
#18#18	Gemini 3.1 Pro Previewmedium	9.2	Google	$1.352	20.62s
Modelkaart bekijken Totaal tests 22 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 90.9% Instabiele tests 0 Invoer-tokens 92,296 Uitvoer-tokens 5,232 Redeneer-tokens 92,006 Responstijd (gem.) 20.62s Responstijd (totaal) 329.94s Responstijd (max) 88.68s Verkeerd antwoord: 2 Anti-AI-trucs : 10.0 Programmeren : 7.9 Gecombineerd : 9.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#123#123	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
#192#192	MiMo-V2-Flashmedium	6.3	Xiaomi	$0.043 ↑	20.11s
Modelkaart bekijken Totaal tests 21 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 62.1% Instabiele tests 3 Invoer-tokens 40,111 Uitvoer-tokens 12,476 Redeneer-tokens 125,039 Responstijd (gem.) 20.11s Responstijd (totaal) 301.59s Responstijd (max) 96.01s Verkeerd antwoord: 5 API-fout: 1 Extra opmaak: 1 Instructies niet gevolgd: 1 Time-out: 1 Anti-AI-trucs : 8.1 Programmeren : 6.0 Gecombineerd : 4.9 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 5.9 Algemene intelligentie : 4.0 Instructies opvolgen : 10.0 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#10#10	Gemini 3 Flash Previewmedium	9.5	Google	$0.763	19.86s
Modelkaart bekijken Totaal tests 22 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 93.9% Instabiele tests 1 Invoer-tokens 87,870 Uitvoer-tokens 5,486 Redeneer-tokens 234,122 Responstijd (gem.) 19.86s Responstijd (totaal) 436.88s Responstijd (max) 117.26s Verkeerd antwoord: 2 Anti-AI-trucs : 10.0 Programmeren : 8.6 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 : 10.0
#46#46	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
#232#232	Kimi K2.6none	5.7	Moonshot AI	$0.233 ↑	19.57s
Modelkaart bekijken Totaal tests 22 Foute tests 16 Betrouwbaarheid 10.0 Slaagpercentage per poging 30.3% Instabiele tests 2 Invoer-tokens 116,983 Uitvoer-tokens 30,249 Redeneer-tokens 0 Responstijd (gem.) 19.57s Responstijd (totaal) 430.58s Responstijd (max) 238.89s Verkeerd antwoord: 12 Instructies niet gevolgd: 3 Geen antwoord: 1 Anti-AI-trucs : 4.6 Programmeren : 5.5 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.4 Instructies opvolgen : 6.5 Puzzeloplossing : 3.1 Toolaanroepen : 10.0 Algemene kennis : 3.0
#273#273	Qwen3.5-9Bnone	5.1	Qwen	$0.021 ↑	19.19s
Modelkaart bekijken Totaal tests 22 Foute tests 18 Betrouwbaarheid 10.0 Slaagpercentage per poging 19.7% Instabiele tests 1 Invoer-tokens 144,416 Uitvoer-tokens 37,484 Redeneer-tokens 0 Responstijd (gem.) 19.19s Responstijd (totaal) 422.25s Responstijd (max) 382.06s Verkeerd antwoord: 14 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 2 Anti-AI-trucs : 3.1 Programmeren : 3.9 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 4.4 Instructies opvolgen : 6.5 Puzzeloplossing : 3.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#4#4	GPT-6 Astrahigh	9.9	OpenAI	$3.474	18.65s
Modelkaart bekijken Totaal tests 22 Foute tests 1 Betrouwbaarheid 9.9 Slaagpercentage per poging 97.0% Instabiele tests 1 Invoer-tokens 79,290 Uitvoer-tokens 4,847 Redeneer-tokens 48,775 Responstijd (gem.) 18.65s Responstijd (totaal) 410.28s Responstijd (max) 254.93s Verkeerd antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.6 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#136#136	Muse Glimmer 30Blow	7.1	Meta	$0.143 ↓	18.64s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 5 Invoer-tokens 130,312 Uitvoer-tokens 33,867 Redeneer-tokens 62,103 Responstijd (gem.) 18.64s Responstijd (totaal) 410.18s Responstijd (max) 234.92s Verkeerd antwoord: 6 Instructies niet gevolgd: 3 Ongeldige toolaanroep: 1 Geen antwoord: 1 Anti-AI-trucs : 8.7 Programmeren : 8.1 Gecombineerd : 3.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 5.0 Instructies opvolgen : 8.4 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#254#254	Kimi K2.5none	5.4	Moonshot AI	$0.101 ↓	18.03s
Modelkaart bekijken Totaal tests 22 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 30.3% Instabiele tests 4 Invoer-tokens 89,320 Uitvoer-tokens 26,643 Redeneer-tokens 0 Responstijd (gem.) 18.03s Responstijd (totaal) 288.42s Responstijd (max) 102.83s Verkeerd antwoord: 16 Geen antwoord: 1 Anti-AI-trucs : 3.6 Programmeren : 5.5 Gecombineerd : 2.8 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 3.0 Algemene intelligentie : 10.0 Instructies opvolgen : 6.5 Puzzeloplossing : 3.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#279#279	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	17.89s
Modelkaart bekijken Totaal tests 22 Foute tests 16 Betrouwbaarheid 10.0 Slaagpercentage per poging 36.4% Instabiele tests 5 Invoer-tokens 135,831 Uitvoer-tokens 42,099 Redeneer-tokens 0 Responstijd (gem.) 17.89s Responstijd (totaal) 393.53s Responstijd (max) 115.89s Verkeerd antwoord: 8 API-fout: 3 Extra opmaak: 2 Ongeldige toolaanroep: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 3.2 Programmeren : 3.1 Gecombineerd : 4.8 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 3.0 Algemene intelligentie : 4.7 Instructies opvolgen : 10.0 Puzzeloplossing : 7.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#137#137	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
#326#326	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.4	NVIDIA	$0.000	17.13s
Modelkaart bekijken Totaal tests 19 Foute tests 15 Betrouwbaarheid 10.0 Slaagpercentage per poging 27.3% Instabiele tests 5 Invoer-tokens 11,661 Uitvoer-tokens 48,491 Redeneer-tokens 180,695 Responstijd (gem.) 17.13s Responstijd (totaal) 222.66s Responstijd (max) 147.45s Verkeerd antwoord: 7 API-fout: 6 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 6.4 Programmeren : 1.1 Gecombineerd : 1.5 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 2.9 Algemene intelligentie : 3.0 Instructies opvolgen : 7.3 Puzzeloplossing : 2.9 Toolaanroepen : 3.0 Algemene kennis : 3.0
#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
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.699 ↓	16.81s
Modelkaart bekijken Totaal tests 22 Foute tests 1 Betrouwbaarheid 10.0 Slaagpercentage per poging 98.5% Instabiele tests 1 Invoer-tokens 71,470 Uitvoer-tokens 3,276 Redeneer-tokens 168,709 Responstijd (gem.) 16.81s Responstijd (totaal) 369.88s Responstijd (max) 104.15s Verkeerd antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 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
#174#174	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
#99#99	GPT-5.6 Lunahigh	7.6	OpenAI	$0.179 ↓	16.49s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 69.7% Instabiele tests 4 Invoer-tokens 80,927 Uitvoer-tokens 5,088 Redeneer-tokens 130,227 Responstijd (gem.) 16.49s Responstijd (totaal) 362.78s Responstijd (max) 111.09s Verkeerd antwoord: 8 Anti-AI-trucs : 8.3 Programmeren : 5.5 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.0 Instructies opvolgen : 9.9 Puzzeloplossing : 7.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#182#182	Hy3 previewmedium	6.5	Tencent	$0.049 ↕	16.28s
Modelkaart bekijken Totaal tests 21 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 0 Invoer-tokens 27,030 Uitvoer-tokens 73,544 Redeneer-tokens 0 Responstijd (gem.) 16.28s Responstijd (totaal) 293.12s Responstijd (max) 46.04s API-fout: 3 Verkeerd antwoord: 3 Instructies niet gevolgd: 1 Anti-AI-trucs : 10.0 Programmeren : 5.3 Gecombineerd : 5.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#176#176	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
#58#58	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
#67#67	Muse Spark 1.3low	8.2	Meta	$0.689	16.03s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 81.8% Instabiele tests 5 Invoer-tokens 116,947 Uitvoer-tokens 11,026 Redeneer-tokens 116,685 Responstijd (gem.) 16.03s Responstijd (totaal) 352.69s Responstijd (max) 78.72s Verkeerd antwoord: 4 API-fout: 1 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 8.2 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#235#235	KAT-Coder-Air V2.5high	5.6	Kwaipilot	$0.077	15.87s
Modelkaart bekijken Totaal tests 22 Foute tests 15 Betrouwbaarheid 9.8 Slaagpercentage per poging 42.4% Instabiele tests 5 Invoer-tokens 50,423 Uitvoer-tokens 4,144 Redeneer-tokens 110,510 Responstijd (gem.) 15.87s Responstijd (totaal) 349.16s Responstijd (max) 118.35s Verkeerd antwoord: 9 API-fout: 3 Extra opmaak: 3 Anti-AI-trucs : 6.9 Programmeren : 4.3 Gecombineerd : 6.5 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.0 Algemene intelligentie : 5.1 Instructies opvolgen : 9.8 Puzzeloplossing : 3.5 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 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