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.)
#77#77	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
#11#11	Gemini 3.5 Flashhigh	9.4	Google	$2.011	15.46s
Modelkaart bekijken Totaal tests 22 Foute tests 3 Betrouwbaarheid 10.0 Slaagpercentage per poging 89.4% Instabiele tests 2 Invoer-tokens 107,146 Uitvoer-tokens 8,777 Redeneer-tokens 196,705 Responstijd (gem.) 15.46s Responstijd (totaal) 340.20s Responstijd (max) 145.92s Verkeerd antwoord: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 8.2 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 9.8 Algemene kennis : 10.0
#281#281	Qwen3.6 Plus Previewmedium	4.9	Qwen	$0.000	15.25s
Modelkaart bekijken Totaal tests 19 Foute tests 10 Betrouwbaarheid n.v.t. Slaagpercentage per poging 40.9% Instabiele tests 0 Invoer-tokens 32,639 Uitvoer-tokens 1,153 Redeneer-tokens 62,197 Responstijd (gem.) 15.25s Responstijd (totaal) 182.96s Responstijd (max) 43.55s API-fout: 8 Verkeerd antwoord: 2 Anti-AI-trucs : 8.3 Programmeren : 9.8 Gecombineerd : 5.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 3.0 Instructies opvolgen : 6.5 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#48#48	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
#249#249	DeepSeek V4.1 Flashnone	5.4	DeepSeek	$0.370 ↑	14.85s
Modelkaart bekijken Totaal tests 22 Foute tests 15 Betrouwbaarheid 9.6 Slaagpercentage per poging 34.9% Instabiele tests 2 Invoer-tokens 137,687 Uitvoer-tokens 273,780 Redeneer-tokens 0 Responstijd (gem.) 14.85s Responstijd (totaal) 326.72s Responstijd (max) 247.66s Verkeerd antwoord: 11 Instructies niet gevolgd: 2 API-fout: 1 Geen antwoord: 1 Anti-AI-trucs : 3.7 Programmeren : 5.5 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 7.7 Algemene intelligentie : 5.5 Instructies opvolgen : 6.5 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#296#296	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Modelkaart bekijken Totaal tests 19 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 45.5% Instabiele tests 2 Invoer-tokens 44,969 Uitvoer-tokens 58,087 Redeneer-tokens 0 Responstijd (gem.) 14.73s Responstijd (totaal) 220.93s Responstijd (max) 53.14s API-fout: 4 Verkeerd antwoord: 4 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 6.5 Programmeren : 1.5 Gecombineerd : 1.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 3.0 Instructies opvolgen : 10.0 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#259#259	Seed-2.0-Codenone	5.3	Bytedance Seed	$0.151	14.67s
Modelkaart bekijken Totaal tests 22 Foute tests 16 Betrouwbaarheid 8.6 Slaagpercentage per poging 36.4% Instabiele tests 5 Invoer-tokens 159,749 Uitvoer-tokens 23,433 Redeneer-tokens 0 Responstijd (gem.) 14.67s Responstijd (totaal) 322.71s Responstijd (max) 132.84s Verkeerd antwoord: 11 Extra opmaak: 2 Instructies niet gevolgd: 2 Geen antwoord: 1 Anti-AI-trucs : 3.0 Programmeren : 3.6 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 5.0 Instructies opvolgen : 6.2 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#119#119	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
#22#22	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
#314#314	Ling 3.0 Tinynone	4.0	Inclusionai	$0.000	14.02s
Modelkaart bekijken Totaal tests 22 Foute tests 20 Betrouwbaarheid 9.8 Slaagpercentage per poging 9.1% Instabiele tests 0 Invoer-tokens 184,579 Uitvoer-tokens 110,071 Redeneer-tokens 0 Responstijd (gem.) 14.02s Responstijd (totaal) 294.46s Responstijd (max) 240.61s Verkeerd antwoord: 13 Instructies niet gevolgd: 4 API-fout: 1 Extra opmaak: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 4.8 Programmeren : 4.2 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 3.0 Algemene intelligentie : 3.4 Instructies opvolgen : 3.1 Puzzeloplossing : 3.0 Toolaanroepen : 3.0 Algemene kennis : 3.0
#189#189	Ling-3.0-flashhigh	6.4	Inclusionai	$0.021 ↕	13.70s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 9.8 Slaagpercentage per poging 63.6% Instabiele tests 4 Invoer-tokens 132,044 Uitvoer-tokens 92,135 Redeneer-tokens 207,321 Responstijd (gem.) 13.70s Responstijd (totaal) 287.75s Responstijd (max) 75.27s Verkeerd antwoord: 7 Ongeldige toolaanroep: 2 API-fout: 1 Anti-AI-trucs : 10.0 Programmeren : 6.7 Gecombineerd : 2.9 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
#160#160	GLM 5.3low	6.8	Z.ai	$0.257	13.65s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 4 Invoer-tokens 104,989 Uitvoer-tokens 8,532 Redeneer-tokens 16,276 Responstijd (gem.) 13.65s Responstijd (totaal) 300.22s Responstijd (max) 83.60s Verkeerd antwoord: 8 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 6.9 Programmeren : 6.2 Gecombineerd : 3.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.1 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#26#26	Claude Fable 5.1high	9.0	Anthropic	$3.364	13.59s
Modelkaart bekijken Totaal tests 22 Foute tests 3 Betrouwbaarheid 10.0 Slaagpercentage per poging 89.4% Instabiele tests 1 Invoer-tokens 135,958 Uitvoer-tokens 7,930 Redeneer-tokens 32,141 Responstijd (gem.) 13.59s Responstijd (totaal) 298.90s Responstijd (max) 40.17s Verkeerd antwoord: 3 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 : 3.0
#103#103	GPT-5.4 Nanomedium	7.5	OpenAI	$0.142	13.32s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 4 Invoer-tokens 82,828 Uitvoer-tokens 7,100 Redeneer-tokens 92,781 Responstijd (gem.) 13.32s Responstijd (totaal) 292.97s Responstijd (max) 94.06s Verkeerd antwoord: 8 Instructies niet gevolgd: 2 Anti-AI-trucs : 8.3 Programmeren : 6.1 Gecombineerd : 9.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 4.5 Instructies opvolgen : 9.8 Puzzeloplossing : 4.1 Toolaanroepen : 10.0 Algemene kennis : 3.0
#207#207	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.122 ↓	13.10s
Modelkaart bekijken Totaal tests 22 Foute tests 14 Betrouwbaarheid 10.0 Slaagpercentage per poging 43.9% Instabiele tests 4 Invoer-tokens 94,477 Uitvoer-tokens 51,487 Redeneer-tokens 0 Responstijd (gem.) 13.10s Responstijd (totaal) 288.23s Responstijd (max) 206.05s Verkeerd antwoord: 12 Instructies niet gevolgd: 2 Anti-AI-trucs : 4.8 Programmeren : 3.9 Gecombineerd : 6.4 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.8 Instructies opvolgen : 6.2 Puzzeloplossing : 6.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#40#40	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
#233#233	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.247 ↓	12.93s
Modelkaart bekijken Totaal tests 22 Foute tests 16 Betrouwbaarheid 10.0 Slaagpercentage per poging 33.3% Instabiele tests 2 Invoer-tokens 241,575 Uitvoer-tokens 88,459 Redeneer-tokens 0 Responstijd (gem.) 12.93s Responstijd (totaal) 284.39s Responstijd (max) 212.63s Verkeerd antwoord: 13 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 4.8 Programmeren : 3.7 Gecombineerd : 5.2 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.0 Instructies opvolgen : 6.3 Puzzeloplossing : 3.8 Toolaanroepen : 10.0 Algemene kennis : 3.0
#312#312	Hy3 previewnone	4.0	Tencent	$0.007 ↕	12.92s
Modelkaart bekijken Totaal tests 21 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 22.7% Instabiele tests 2 Invoer-tokens 27,172 Uitvoer-tokens 2,661 Redeneer-tokens 0 Responstijd (gem.) 12.92s Responstijd (totaal) 232.64s Responstijd (max) 35.84s Verkeerd antwoord: 8 API-fout: 4 Instructies niet gevolgd: 4 Extra opmaak: 1 Anti-AI-trucs : 4.8 Programmeren : 2.7 Gecombineerd : 1.5 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.6 Algemene intelligentie : 4.1 Instructies opvolgen : 6.3 Puzzeloplossing : 3.1 Toolaanroepen : 10.0 Algemene kennis : 3.0
#91#91	Claude Opus 4.8low	7.8	Anthropic	$2.089	12.88s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 80.3% Instabiele tests 3 Invoer-tokens 156,522 Uitvoer-tokens 43,056 Redeneer-tokens 9,181 Responstijd (gem.) 12.88s Responstijd (totaal) 283.32s Responstijd (max) 127.97s Verkeerd antwoord: 4 Extra opmaak: 1 Geen antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 6.6 Gecombineerd : 9.9 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#216#216	Qwen3.5-35B-A3Bnone	5.9	Qwen	$0.135 ↑	12.73s
Modelkaart bekijken Totaal tests 22 Foute tests 16 Betrouwbaarheid 10.0 Slaagpercentage per poging 39.4% Instabiele tests 4 Invoer-tokens 134,530 Uitvoer-tokens 86,616 Redeneer-tokens 0 Responstijd (gem.) 12.73s Responstijd (totaal) 279.97s Responstijd (max) 209.15s Verkeerd antwoord: 13 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 3.4 Programmeren : 5.5 Gecombineerd : 3.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 6.5 Instructies opvolgen : 6.3 Puzzeloplossing : 3.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#13#13	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
#68#68	Claude Sonnet 5medium	8.2	Anthropic	$0.922	12.54s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 75.8% Instabiele tests 3 Invoer-tokens 145,953 Uitvoer-tokens 52,330 Redeneer-tokens 10,874 Responstijd (gem.) 12.54s Responstijd (totaal) 275.90s Responstijd (max) 66.71s Verkeerd antwoord: 5 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 9.0 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.8 Instructies opvolgen : 9.9 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#291#291	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.070	12.46s
Modelkaart bekijken Totaal tests 22 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 36.4% Instabiele tests 7 Invoer-tokens 69,376 Uitvoer-tokens 97,752 Redeneer-tokens 0 Responstijd (gem.) 12.46s Responstijd (totaal) 274.11s Responstijd (max) 121.05s Verkeerd antwoord: 13 Extra opmaak: 3 API-fout: 1 Anti-AI-trucs : 5.3 Programmeren : 3.3 Gecombineerd : 3.8 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 3.0 Algemene intelligentie : 5.0 Instructies opvolgen : 9.9 Puzzeloplossing : 2.9 Toolaanroepen : 10.0 Algemene kennis : 3.0
#6#6	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
#126#126	Qwen3.7 Plusnone	7.3	Qwen	$0.106 ↓	12.11s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 54.6% Instabiele tests 0 Invoer-tokens 98,833 Uitvoer-tokens 58,097 Redeneer-tokens 0 Responstijd (gem.) 12.11s Responstijd (totaal) 266.40s Responstijd (max) 206.03s Verkeerd antwoord: 9 Instructies niet gevolgd: 1 Anti-AI-trucs : 6.5 Programmeren : 5.5 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.3 Instructies opvolgen : 6.3 Puzzeloplossing : 7.7 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