AI Benchy Leaderboard

Name: AI BENCHY modelbenchmarkresultaten
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks gegenereerd uit AI BENCHY-testsuites op: 2026-10-19 Geëvalueerde modellen: 451

Aanbevolen modellen

GPT-6.1 Sol xhigh Intelligent Slaagpercentage per poging 97.1% Correcte tests 22 / 23 Score 9.9/10 Gemini 3.7 Flash low Snel Responstijd (gem.) 6.24s Totaal aantal uitvoer-tokens 38,453 Score 9.4/10 GPT-6 Luna high Betaalbaar Invoerprijs $0.100 / 1M Uitvoerprijs $0.500 / 1M Prijs voor cachelezen $0.010 / 1M Prijs voor cacheschrijven $0.125 / 1M Score 7.7/10

451/451

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.900 ↓	18.93s
Modelkaart bekijken Totaal tests 23 Foute tests 1 Betrouwbaarheid 10.0 Slaagpercentage per poging 98.6% Instabiele tests 1 Invoer-tokens 238,080 Uitvoer-tokens 4,211 Redeneer-tokens 188,109 Responstijd (gem.) 18.93s Responstijd (totaal) 435.48s Responstijd (max) 104.15s Verkeerd antwoord: 1 Agenttaken : 10.0 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
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.927	40.60s
Modelkaart bekijken Totaal tests 23 Foute tests 1 Betrouwbaarheid 10.0 Slaagpercentage per poging 98.6% Instabiele tests 1 Invoer-tokens 334,568 Uitvoer-tokens 11,394 Redeneer-tokens 435,334 Responstijd (gem.) 40.60s Responstijd (totaal) 933.73s Responstijd (max) 177.08s Geen antwoord: 1 Agenttaken : 10.0 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
#3🥉 #3	GPT-6 Solhigh	9.9	OpenAI	$0.921	23.56s
Modelkaart bekijken Totaal tests 23 Foute tests 1 Betrouwbaarheid 10.0 Slaagpercentage per poging 95.7% Instabiele tests 0 Invoer-tokens 182,698 Uitvoer-tokens 5,647 Redeneer-tokens 49,872 Responstijd (gem.) 23.56s Responstijd (totaal) 541.85s Responstijd (max) 136.22s Verkeerd antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 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
#6#6	GPT-6.1 Solxhigh	9.9	OpenAI	$1.377	33.11s
Modelkaart bekijken Totaal tests 23 Foute tests 1 Betrouwbaarheid 10.0 Slaagpercentage per poging 97.1% Instabiele tests 1 Invoer-tokens 175,712 Uitvoer-tokens 5,640 Redeneer-tokens 96,842 Responstijd (gem.) 33.11s Responstijd (totaal) 761.52s Responstijd (max) 491.85s Verkeerd antwoord: 1 Agenttaken : 10.0 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
#9#9	Gemini 3.7 Flashhigh	9.8	Google	$0.528	15.10s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 95.7% Instabiele tests 2 Invoer-tokens 233,400 Uitvoer-tokens 6,922 Redeneer-tokens 173,178 Responstijd (gem.) 15.10s Responstijd (totaal) 347.23s Responstijd (max) 91.63s Verkeerd antwoord: 2 Agenttaken : 10.0 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
#10#10	Gemini 3.6 Flashmedium	9.8	Google	$0.577 ↓	14.03s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 95.7% Instabiele tests 2 Invoer-tokens 188,003 Uitvoer-tokens 2,914 Redeneer-tokens 113,210 Responstijd (gem.) 14.03s Responstijd (totaal) 322.73s Responstijd (max) 77.15s Verkeerd antwoord: 2 Agenttaken : 10.0 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
#11#11	GPT-6.1 Solmedium	9.6	OpenAI	$0.530	8.90s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 94.2% Instabiele tests 1 Invoer-tokens 172,860 Uitvoer-tokens 5,172 Redeneer-tokens 13,179 Responstijd (gem.) 8.90s Responstijd (totaal) 204.78s Responstijd (max) 51.03s Verkeerd antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 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 : 4.7
#12#12	GPT-6.1 Solhigh	9.6	OpenAI	$0.755	15.46s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 94.2% Instabiele tests 1 Invoer-tokens 174,960 Uitvoer-tokens 5,780 Redeneer-tokens 34,728 Responstijd (gem.) 15.46s Responstijd (totaal) 355.66s Responstijd (max) 139.76s Verkeerd antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 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 : 4.7
#13#13	GPT-5.6 Sollow	9.6	OpenAI	$1.244	11.13s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 87.0% Instabiele tests 2 Invoer-tokens 191,653 Uitvoer-tokens 5,473 Redeneer-tokens 17,084 Responstijd (gem.) 11.13s Responstijd (totaal) 256.08s Responstijd (max) 57.11s Verkeerd antwoord: 4 Agenttaken : 10.0 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
#15#15	Gemini 3 Flash Previewmedium	9.6	Google	$0.876	21.57s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 94.2% Instabiele tests 1 Invoer-tokens 235,726 Uitvoer-tokens 6,669 Redeneer-tokens 245,867 Responstijd (gem.) 21.57s Responstijd (totaal) 496.12s Responstijd (max) 117.26s Verkeerd antwoord: 2 Agenttaken : 10.0 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
#16#16	GPT-6.1 Sollow	9.6	OpenAI	$0.460	7.15s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 92.8% Instabiele tests 1 Invoer-tokens 163,900 Uitvoer-tokens 4,958 Redeneer-tokens 8,180 Responstijd (gem.) 7.15s Responstijd (totaal) 164.47s Responstijd (max) 46.57s Verkeerd antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 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 : 2.8
#18#18	Gemini 3.7 Flashmedium	9.5	Google	$0.278	8.16s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 94.2% Instabiele tests 1 Invoer-tokens 202,347 Uitvoer-tokens 6,660 Redeneer-tokens 68,002 Responstijd (gem.) 8.16s Responstijd (totaal) 187.58s Responstijd (max) 58.39s Verkeerd antwoord: 2 Agenttaken : 10.0 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
#19#19	GPT-6 Solmedium	9.5	OpenAI	$0.703	12.12s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 94.2% Instabiele tests 1 Invoer-tokens 194,520 Uitvoer-tokens 5,396 Redeneer-tokens 25,991 Responstijd (gem.) 12.12s Responstijd (totaal) 278.70s Responstijd (max) 82.74s Verkeerd antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 8.2 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
#20#20	GPT-5.6 Solmedium	9.5	OpenAI	$1.700	14.57s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 91.3% Instabiele tests 3 Invoer-tokens 191,341 Uitvoer-tokens 5,665 Redeneer-tokens 32,340 Responstijd (gem.) 14.57s Responstijd (totaal) 335.16s Responstijd (max) 79.40s Verkeerd antwoord: 4 Agenttaken : 10.0 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
#22#22	GPT-5.6 Solhigh	9.5	OpenAI	$1.595 ↑	13.59s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 89.9% Instabiele tests 3 Invoer-tokens 195,567 Uitvoer-tokens 5,841 Redeneer-tokens 26,230 Responstijd (gem.) 13.59s Responstijd (totaal) 312.61s Responstijd (max) 59.99s Verkeerd antwoord: 4 Agenttaken : 10.0 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
#23#23	GPT-5.5low	9.5	OpenAI	$1.822	11.91s
Modelkaart bekijken Totaal tests 23 Foute tests 3 Betrouwbaarheid 10.0 Slaagpercentage per poging 87.0% Instabiele tests 0 Invoer-tokens 177,939 Uitvoer-tokens 6,283 Redeneer-tokens 24,782 Responstijd (gem.) 11.91s Responstijd (totaal) 273.82s Responstijd (max) 56.19s Verkeerd antwoord: 3 Agenttaken : 10.0 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 : 9.9 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#24#24	Claude Opus 5.5low	9.4	Anthropic	$1.733	25.68s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 88.4% Instabiele tests 2 Invoer-tokens 308,056 Uitvoer-tokens 9,434 Redeneer-tokens 15,572 Responstijd (gem.) 25.68s Responstijd (totaal) 590.71s Responstijd (max) 89.16s Verkeerd antwoord: 2 Instructies niet gevolgd: 1 Geen antwoord: 1 Agenttaken : 10.0 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 : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#25#25	Claude Opus 5.5high	9.4	Anthropic	$2.133	27.55s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 87.0% Instabiele tests 2 Invoer-tokens 319,095 Uitvoer-tokens 10,371 Redeneer-tokens 32,411 Responstijd (gem.) 27.55s Responstijd (totaal) 633.73s Responstijd (max) 95.95s Verkeerd antwoord: 2 Instructies niet gevolgd: 1 Geen antwoord: 1 Agenttaken : 10.0 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 : 10.0 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#26#26	Gemini 3.7 Flashlow	9.4	Google	$0.183	6.24s
Modelkaart bekijken Totaal tests 23 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 95.7% Instabiele tests 2 Invoer-tokens 188,519 Uitvoer-tokens 7,694 Redeneer-tokens 30,759 Responstijd (gem.) 6.24s Responstijd (totaal) 143.56s Responstijd (max) 58.75s Verkeerd antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 7.6 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
#27#27	Claude Opus 5high	9.4	Anthropic	$4.524	25.31s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 82.6% Instabiele tests 0 Invoer-tokens 376,421 Uitvoer-tokens 67,688 Redeneer-tokens 37,974 Responstijd (gem.) 25.31s Responstijd (totaal) 582.11s Responstijd (max) 159.01s Verkeerd antwoord: 2 Extra opmaak: 1 Geen antwoord: 1 Agenttaken : 10.0 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
#28#28	Claude Opus 5medium	9.4	Anthropic	$2.870	13.24s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 84.1% Instabiele tests 1 Invoer-tokens 356,605 Uitvoer-tokens 26,715 Redeneer-tokens 17,041 Responstijd (gem.) 13.24s Responstijd (totaal) 304.46s Responstijd (max) 78.80s Verkeerd antwoord: 3 Geen antwoord: 1 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#29#29	Seed 2.1 Turbolow	9.3	Bytedance Seed	$1.645	161.25s
Modelkaart bekijken Totaal tests 23 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 81.2% Instabiele tests 2 Invoer-tokens 241,855 Uitvoer-tokens 8,387 Redeneer-tokens 600,946 Responstijd (gem.) 161.25s Responstijd (totaal) 3708.70s Responstijd (max) 739.98s Verkeerd antwoord: 3 Geen antwoord: 2 Agenttaken : 10.0 Anti-AI-trucs : 8.2 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#31#31	Claude Opus 5.5medium	9.2	Anthropic	$1.804	25.85s
Modelkaart bekijken Totaal tests 23 Foute tests 3 Betrouwbaarheid 10.0 Slaagpercentage per poging 89.9% Instabiele tests 1 Invoer-tokens 290,117 Uitvoer-tokens 9,805 Redeneer-tokens 22,322 Responstijd (gem.) 25.85s Responstijd (totaal) 594.63s Responstijd (max) 90.20s Verkeerd antwoord: 2 Geen antwoord: 1 Agenttaken : 10.0 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
#33#33	GPT-5.5medium	9.2	OpenAI	$4.809	39.86s
Modelkaart bekijken Totaal tests 23 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 88.4% Instabiele tests 3 Invoer-tokens 180,959 Uitvoer-tokens 6,472 Redeneer-tokens 123,635 Responstijd (gem.) 39.86s Responstijd (totaal) 916.82s Responstijd (max) 332.10s Verkeerd antwoord: 4 Agenttaken : 10.0 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
#34#34	Claude Sonnet 5.5max	9.2	Anthropic	$8.557	84.26s
Modelkaart bekijken Totaal tests 23 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 82.6% Instabiele tests 2 Invoer-tokens 484,627 Uitvoer-tokens 11,026 Redeneer-tokens 747,681 Responstijd (gem.) 84.26s Responstijd (totaal) 1937.91s Responstijd (max) 488.39s Geen antwoord: 3 Instructies niet gevolgd: 2 Agenttaken : 10.0 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.1 Instructies opvolgen : 8.5 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0

1 2 19

→

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 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow