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: 305

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

305/305

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#267#267	Grok 4.20 Multi Agent Betamedium	4.8	X AI	$5.599 ↑	9.69s
Modelkaart bekijken Totaal tests 18 Foute tests 10 Betrouwbaarheid n.v.t. Slaagpercentage per poging 48.5% Instabiele tests 5 Invoer-tokens 721,952 Uitvoer-tokens 294,668 Redeneer-tokens 305,374 Responstijd (gem.) 9.69s Responstijd (totaal) 155.07s Responstijd (max) 35.28s Verkeerd antwoord: 4 API-fout: 2 Extra opmaak: 2 Instructies niet gevolgd: 2 Anti-AI-trucs : 6.9 Programmeren : 3.3 Gecombineerd : 1.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.8 Instructies opvolgen : 9.8 Puzzeloplossing : 6.7 Toolaanroepen : 3.0 Algemene kennis : 0.0
#20#20	GPT-5.5medium	9.0	OpenAI	$4.163	38.97s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 87.9% Instabiele tests 3 Invoer-tokens 80,668 Uitvoer-tokens 5,617 Redeneer-tokens 119,699 Responstijd (gem.) 38.97s Responstijd (totaal) 857.43s Responstijd (max) 332.10s Verkeerd antwoord: 4 Anti-AI-trucs : 10.0 Programmeren : 8.8 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 : 2.8
#61#61	Kimi K3max	7.9	Moonshot AI	$3.467	142.84s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 9.0 Slaagpercentage per poging 77.3% Instabiele tests 2 Invoer-tokens 34,960 Uitvoer-tokens 2,887 Redeneer-tokens 221,241 Responstijd (gem.) 142.84s Responstijd (totaal) 2714.02s Responstijd (max) 766.58s API-fout: 2 Geen antwoord: 2 Extra opmaak: 1 Time-out: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 6.5 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 3.0 Algemene kennis : 3.0
#18#18	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
#14#14	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
#35#35	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
#77#77	Claude Opus 4.6medium	7.7	Anthropic	$2.961	32.23s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 3 Invoer-tokens 108,573 Uitvoer-tokens 69,994 Redeneer-tokens 26,728 Responstijd (gem.) 32.23s Responstijd (totaal) 515.65s Responstijd (max) 151.51s Extra opmaak: 4 Verkeerd antwoord: 4 Instructies niet gevolgd: 1 Anti-AI-trucs : 6.4 Programmeren : 5.7 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#48#48	Claude Fable 5.1medium	8.3	Anthropic	$2.909	11.67s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 81.8% Instabiele tests 6 Invoer-tokens 135,112 Uitvoer-tokens 7,594 Redeneer-tokens 23,558 Responstijd (gem.) 11.67s Responstijd (totaal) 256.73s Responstijd (max) 36.59s Verkeerd antwoord: 3 Geen antwoord: 2 Extra opmaak: 1 Instructies niet gevolgd: 1 Anti-AI-trucs : 8.2 Programmeren : 7.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 7.3 Puzzeloplossing : 7.6 Toolaanroepen : 10.0 Algemene kennis : 2.8
#51#51	Qwen3.8 2.4T A95Blow	8.1	Qwen	$2.672	118.97s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 9.4 Slaagpercentage per poging 72.7% Instabiele tests 2 Invoer-tokens 113,279 Uitvoer-tokens 121,045 Redeneer-tokens 374,496 Responstijd (gem.) 118.97s Responstijd (totaal) 2617.41s Responstijd (max) 534.21s Verkeerd antwoord: 4 Geen antwoord: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 7.8 Gecombineerd : 8.2 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.2 Algemene intelligentie : 6.1 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#130#130	Claude Fable 5.1low	6.9	Anthropic	$2.565	10.33s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 56.1% Instabiele tests 2 Invoer-tokens 134,582 Uitvoer-tokens 8,955 Redeneer-tokens 15,420 Responstijd (gem.) 10.33s Responstijd (totaal) 227.37s Responstijd (max) 33.10s Extra opmaak: 4 Verkeerd antwoord: 4 Instructies niet gevolgd: 3 Anti-AI-trucs : 6.5 Programmeren : 3.4 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 4.1 Algemene intelligentie : 10.0 Instructies opvolgen : 6.5 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#99#99	Qwen3.8 2.4T A95Bhigh	7.4	Qwen	$2.357	120.59s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 9.4 Slaagpercentage per poging 74.2% Instabiele tests 4 Invoer-tokens 108,931 Uitvoer-tokens 112,801 Redeneer-tokens 343,227 Responstijd (gem.) 120.59s Responstijd (totaal) 2653.05s Responstijd (max) 532.28s Verkeerd antwoord: 3 Instructies niet gevolgd: 2 Geen antwoord: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 5.9 Gecombineerd : 6.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 4.1 Algemene intelligentie : 6.1 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#239#239	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Modelkaart bekijken Totaal tests 16 Foute tests 3 Betrouwbaarheid n.v.t. Slaagpercentage per poging 59.1% Instabiele tests 0 Invoer-tokens 28,980 Uitvoer-tokens 1,283 Redeneer-tokens 1,533,310 Responstijd (gem.) 68.14s Responstijd (totaal) 1090.28s Responstijd (max) 280.52s Verkeerd antwoord: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 7.5 Programmeren : 0.0 Gecombineerd : 5.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 0.0
#22#22	Grok 4.5high	9.0	X AI	$2.252 ↑	72.30s
Modelkaart bekijken Totaal tests 22 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 86.4% Instabiele tests 3 Invoer-tokens 152,175 Uitvoer-tokens 5,655 Redeneer-tokens 318,807 Responstijd (gem.) 72.30s Responstijd (totaal) 1590.56s Responstijd (max) 676.83s Geen antwoord: 2 Verkeerd antwoord: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 4.1 Algemene intelligentie : 4.7 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#70#70	Claude Sonnet 4.6medium	7.8	Anthropic	$2.126	28.08s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 1 Invoer-tokens 106,316 Uitvoer-tokens 79,338 Redeneer-tokens 41,089 Responstijd (gem.) 28.08s Responstijd (totaal) 421.15s Responstijd (max) 140.96s Verkeerd antwoord: 4 Extra opmaak: 3 Time-out: 1 Anti-AI-trucs : 6.5 Programmeren : 5.7 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
#73#73	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
#213#213	Gemini 3.1 Flash Litehigh	5.6	Google	$2.044	61.96s
Modelkaart bekijken Totaal tests 18 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 56.1% Instabiele tests 4 Invoer-tokens 29,134 Uitvoer-tokens 1,984 Redeneer-tokens 1,355,583 Responstijd (gem.) 61.96s Responstijd (totaal) 1115.31s Responstijd (max) 149.23s Verkeerd antwoord: 4 Instructies niet gevolgd: 3 Geen antwoord: 1 Anti-AI-trucs : 8.7 Programmeren : 3.3 Gecombineerd : 5.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 5.0 Instructies opvolgen : 7.3 Puzzeloplossing : 5.7 Toolaanroepen : 10.0 Algemene kennis : 0.0
#39#39	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Modelkaart bekijken Totaal tests 22 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 3 Invoer-tokens 122,155 Uitvoer-tokens 5,514 Redeneer-tokens 293,946 Responstijd (gem.) 68.59s Responstijd (totaal) 1508.91s Responstijd (max) 436.38s Verkeerd antwoord: 5 Anti-AI-trucs : 10.0 Programmeren : 7.6 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 6.5 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#6#6	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
#27#27	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
#45#45	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 78.8% Instabiele tests 5 Invoer-tokens 104,433 Uitvoer-tokens 6,511 Redeneer-tokens 752,680 Responstijd (gem.) 193.59s Responstijd (totaal) 4258.98s Responstijd (max) 885.33s Verkeerd antwoord: 5 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 8.2 Programmeren : 8.2 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 6.1 Instructies opvolgen : 9.8 Puzzeloplossing : 9.9 Toolaanroepen : 10.0 Algemene kennis : 3.0
#11#11	Grok 4.6high	9.3	X AI	$1.908	84.15s
Modelkaart bekijken Totaal tests 22 Foute tests 3 Betrouwbaarheid 10.0 Slaagpercentage per poging 86.4% Instabiele tests 0 Invoer-tokens 107,275 Uitvoer-tokens 5,094 Redeneer-tokens 277,123 Responstijd (gem.) 84.15s Responstijd (totaal) 1851.26s Responstijd (max) 618.49s Verkeerd antwoord: 2 Geen antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 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
#24#24	Seed 2.1 Turbohigh	8.9	Bytedance Seed	$1.797	173.96s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 78.8% Instabiele tests 3 Invoer-tokens 104,695 Uitvoer-tokens 6,645 Redeneer-tokens 691,086 Responstijd (gem.) 173.96s Responstijd (totaal) 3827.19s Responstijd (max) 584.71s Verkeerd antwoord: 4 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 8.2 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 6.5 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#32#32	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
#222#222	Hy4 previewlow	5.6	Tencent	$1.745	214.25s
Modelkaart bekijken Totaal tests 22 Foute tests 19 Betrouwbaarheid 5.4 Slaagpercentage per poging 19.7% Instabiele tests 3 Invoer-tokens 45,154 Uitvoer-tokens 4,022 Redeneer-tokens 678,516 Responstijd (gem.) 214.25s Responstijd (totaal) 4713.56s Responstijd (max) 597.45s API-fout: 14 Verkeerd antwoord: 3 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 6.0 Programmeren : 5.2 Gecombineerd : 2.9 Gegevensparsering en extractie : 8.7 Domeinspecifiek : 4.5 Algemene intelligentie : 7.5 Instructies opvolgen : 9.8 Puzzeloplossing : 5.3 Toolaanroepen : 3.0 Algemene kennis : 3.0
#41#41	Grok 4.6medium	8.4	X AI	$1.713	73.46s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 81.8% Instabiele tests 4 Invoer-tokens 106,787 Uitvoer-tokens 4,811 Redeneer-tokens 244,997 Responstijd (gem.) 73.46s Responstijd (totaal) 1616.12s Responstijd (max) 514.35s Verkeerd antwoord: 5 Instructies niet gevolgd: 1 Anti-AI-trucs : 10.0 Programmeren : 8.2 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.1 Instructies opvolgen : 9.8 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0

1 2 13

→

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 3.7 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 Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow