AI Benchy Leaderboard

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

Benchmarks gegenereerd uit AI BENCHY-testsuites op: 2026-10-01 Geëvalueerde modellen: 382

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

382/382

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#376#376	Kev 4Bnone	2.4	Jaredpalmer	$0.002	5.63s
Modelkaart bekijken Totaal tests 12 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 15.9% Instabiele tests 1 Invoer-tokens 42,804 Uitvoer-tokens 28,061 Redeneer-tokens 0 Responstijd (gem.) 5.63s Responstijd (totaal) 67.61s Responstijd (max) 17.79s Verkeerd antwoord: 9 Agenttaken : 0.0 Anti-AI-trucs : 2.3 Programmeren : 4.5 Gecombineerd : 0.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 5.3 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 2.0 Toolaanroepen : 0.0 Algemene kennis : 0.0
#377#377	Step 3.5 Flashnone	1.9	Stepfun	$0.020	39.03s
Modelkaart bekijken Totaal tests 12 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 26.1% Instabiele tests 0 Invoer-tokens 1,971 Uitvoer-tokens 64,795 Redeneer-tokens 0 Responstijd (gem.) 39.03s Responstijd (totaal) 312.26s Responstijd (max) 114.12s API-fout: 4 Instructies niet gevolgd: 1 Verkeerd antwoord: 1 Agenttaken : 0.0 Anti-AI-trucs : 10.0 Programmeren : 1.0 Gecombineerd : 1.5 Gegevensparsering en extractie : 1.5 Domeinspecifiek : 3.3 Algemene intelligentie : 4.0 Instructies opvolgen : 5.0 Puzzeloplossing : 0.0 Toolaanroepen : 3.0 Algemene kennis : 3.0
#378#378	Gemini 3 Flash Previewhigh	1.8	Google	$0.105	52.45s
Modelkaart bekijken Totaal tests 1 Foute tests 0 Betrouwbaarheid 10.0 Slaagpercentage per poging 4.4% Instabiele tests 0 Invoer-tokens 134,050 Uitvoer-tokens 1,029 Redeneer-tokens 11,528 Responstijd (gem.) 52.45s Responstijd (totaal) 52.45s Responstijd (max) 52.45s Agenttaken : 10.0 Anti-AI-trucs : 0.0 Programmeren : 0.0 Gecombineerd : 0.0 Gegevensparsering en extractie : 0.0 Domeinspecifiek : 0.0 Algemene intelligentie : 0.0 Instructies opvolgen : 0.0 Puzzeloplossing : 0.0 Toolaanroepen : 0.0 Algemene kennis : 0.0
#379#379	LFM2-24B-A2Bnone	1.8	Liquid	$0.001	782ms
Modelkaart bekijken Totaal tests 16 Foute tests 14 Betrouwbaarheid n.v.t. Slaagpercentage per poging 11.6% Instabiele tests 1 Invoer-tokens 10,771 Uitvoer-tokens 1,173 Redeneer-tokens 0 Responstijd (gem.) 782ms Responstijd (totaal) 10.94s Responstijd (max) 3.15s Verkeerd antwoord: 9 API-fout: 4 Instructies niet gevolgd: 1 Agenttaken : 0.0 Anti-AI-trucs : 2.5 Programmeren : 0.0 Gecombineerd : 1.5 Gegevensparsering en extractie : 3.0 Domeinspecifiek : 5.9 Algemene intelligentie : 4.0 Instructies opvolgen : 6.3 Puzzeloplossing : 3.8 Toolaanroepen : 3.0 Algemene kennis : 0.0
#380#380	Solar Decidenone	1.0	Upstage	$0.009 ↑	6.01s
Modelkaart bekijken Totaal tests 7 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 14.5% Instabiele tests 3 Invoer-tokens 47,586 Uitvoer-tokens 51 Redeneer-tokens 0 Responstijd (gem.) 6.01s Responstijd (totaal) 42.05s Responstijd (max) 13.10s Verkeerd antwoord: 5 Agenttaken : 0.0 Anti-AI-trucs : 0.8 Programmeren : 0.0 Gecombineerd : 0.0 Gegevensparsering en extractie : 3.7 Domeinspecifiek : 4.3 Algemene intelligentie : 0.0 Instructies opvolgen : 5.0 Puzzeloplossing : 1.0 Toolaanroepen : 0.0 Algemene kennis : 0.0
#381#381	Tev1 4B Experimentalnone	1.0	Togethercomputer	$0.002	498ms
Modelkaart bekijken Totaal tests 7 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 13.0% Instabiele tests 0 Invoer-tokens 33,864 Uitvoer-tokens 96 Redeneer-tokens 0 Responstijd (gem.) 498ms Responstijd (totaal) 3.49s Responstijd (max) 602ms Verkeerd antwoord: 4 Agenttaken : 0.0 Anti-AI-trucs : 2.5 Programmeren : 0.0 Gecombineerd : 0.0 Gegevensparsering en extractie : 3.0 Domeinspecifiek : 6.7 Algemene intelligentie : 0.0 Instructies opvolgen : 1.5 Puzzeloplossing : 1.7 Toolaanroepen : 0.0 Algemene kennis : 0.0
#382#382	Claude Opus 5.5none	0.2	Anthropic	$0.015	13.58s
Modelkaart bekijken Totaal tests 1 Foute tests 0 Betrouwbaarheid 10.0 Slaagpercentage per poging 4.4% Instabiele tests 0 Invoer-tokens 73 Uitvoer-tokens 735 Redeneer-tokens 0 Responstijd (gem.) 13.58s Responstijd (totaal) 13.58s Responstijd (max) 13.58s Agenttaken : 0.0 Anti-AI-trucs : 0.0 Programmeren : 0.0 Gecombineerd : 0.0 Gegevensparsering en extractie : 0.0 Domeinspecifiek : 3.3 Algemene intelligentie : 0.0 Instructies opvolgen : 0.0 Puzzeloplossing : 0.0 Toolaanroepen : 0.0 Algemene kennis : 0.0

←

1 15 16

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