AI Benchy Leaderboard

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

Benchmarks gegenereerd uit AI BENCHY-testsuites op: 2026-08-15 Geëvalueerde modellen: 287

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 $0.140 / 1M Uitvoerprijs $0.280 / 1M Score 8.0/10

287/287

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#91#91	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.56s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 9.9 Slaagpercentage per poging 68.2% Instabiele tests 0 Invoer-tokens 95,992 Uitvoer-tokens 12,446 Redeneer-tokens 0 Responstijd (gem.) 4.56s Responstijd (totaal) 100.30s Responstijd (max) 72.30s Verkeerd antwoord: 7 Anti-AI-trucs : 6.5 Programmeren : 5.5 Gecombineerd : 6.5 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
#92#92	Kimi K2.7 Codemedium	7.4	Moonshot AI	$0.709 ↓	80.09s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 5 Invoer-tokens 72,085 Uitvoer-tokens 57,453 Redeneer-tokens 182,093 Responstijd (gem.) 80.09s Responstijd (totaal) 1681.85s Responstijd (max) 365.80s Verkeerd antwoord: 6 Time-out: 3 API-fout: 1 Instructies niet gevolgd: 1 Anti-AI-trucs : 7.3 Programmeren : 7.8 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.7 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 5.9 Toolaanroepen : 3.0 Algemene kennis : 3.0
#93#93	GPT-5.6 Lunamedium	7.4	OpenAI	$0.036 ↓	7.43s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 62.1% Instabiele tests 2 Invoer-tokens 89,685 Uitvoer-tokens 5,701 Redeneer-tokens 38,824 Responstijd (gem.) 7.43s Responstijd (totaal) 163.54s Responstijd (max) 29.85s Verkeerd antwoord: 9 Anti-AI-trucs : 8.3 Programmeren : 5.4 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.1 Instructies opvolgen : 9.9 Puzzeloplossing : 7.8 Toolaanroepen : 10.0 Algemene kennis : 3.0
#94#94	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 59.1% Instabiele tests 2 Invoer-tokens 97,324 Uitvoer-tokens 44,383 Redeneer-tokens 346,490 Responstijd (gem.) 143.55s Responstijd (totaal) 3158.11s Responstijd (max) 939.52s Verkeerd antwoord: 7 API-fout: 1 Geen antwoord: 1 Time-out: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 7.3 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 3.0 Algemene intelligentie : 4.8 Instructies opvolgen : 6.5 Puzzeloplossing : 5.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#95#95	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
#96#96	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
#97#97	Gemini 3 Flash Previewlow	7.4	Google	$0.185	6.51s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 75.8% Instabiele tests 2 Invoer-tokens 123,687 Uitvoer-tokens 9,572 Redeneer-tokens 31,204 Responstijd (gem.) 6.51s Responstijd (totaal) 143.12s Responstijd (max) 17.13s Verkeerd antwoord: 6 Anti-AI-trucs : 10.0 Programmeren : 5.8 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#98#98	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 57.6% Instabiele tests 1 Invoer-tokens 123,273 Uitvoer-tokens 19,362 Redeneer-tokens 0 Responstijd (gem.) 7.67s Responstijd (totaal) 122.78s Responstijd (max) 51.18s Verkeerd antwoord: 5 Extra opmaak: 4 Instructies niet gevolgd: 1 Anti-AI-trucs : 4.8 Programmeren : 5.5 Gecombineerd : 9.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 6.1 Instructies opvolgen : 6.5 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#99#99	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
#100#100	Gemini 3.1 Flash Litemedium	7.3	Google	$0.120	4.38s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 62.1% Instabiele tests 2 Invoer-tokens 104,925 Uitvoer-tokens 9,168 Redeneer-tokens 53,188 Responstijd (gem.) 4.38s Responstijd (totaal) 96.32s Responstijd (max) 26.22s Verkeerd antwoord: 7 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 9.1 Programmeren : 5.5 Gecombineerd : 7.2 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 7.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#101#101	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
#102#102	DeepSeek V4 Flash 0731medium	7.3	DeepSeek	$0.106	84.66s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 71.2% Instabiele tests 8 Invoer-tokens 89,819 Uitvoer-tokens 58,398 Redeneer-tokens 492,457 Responstijd (gem.) 84.66s Responstijd (totaal) 1862.46s Responstijd (max) 288.78s Verkeerd antwoord: 5 Geen antwoord: 3 Extra opmaak: 1 Ongeldige toolaanroep: 1 Time-out: 1 Anti-AI-trucs : 8.2 Programmeren : 6.4 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 6.1 Instructies opvolgen : 8.5 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#103#103	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 2 Invoer-tokens 149,203 Uitvoer-tokens 16,797 Redeneer-tokens 0 Responstijd (gem.) 4.92s Responstijd (totaal) 108.24s Responstijd (max) 35.03s Verkeerd antwoord: 4 Extra opmaak: 3 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 6.5 Programmeren : 5.5 Gecombineerd : 9.8 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#104#104	Kimi K2.6medium	7.2	Moonshot AI	$0.711 ↓	115.89s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 4 Invoer-tokens 68,913 Uitvoer-tokens 64,654 Redeneer-tokens 282,865 Responstijd (gem.) 115.89s Responstijd (totaal) 2433.66s Responstijd (max) 876.20s Time-out: 3 Verkeerd antwoord: 3 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Geen antwoord: 1 Anti-AI-trucs : 7.0 Programmeren : 5.7 Gecombineerd : 6.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 6.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#105#105	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.506	22.11s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 6 Invoer-tokens 106,085 Uitvoer-tokens 9,071 Redeneer-tokens 135,288 Responstijd (gem.) 22.11s Responstijd (totaal) 486.31s Responstijd (max) 199.97s Verkeerd antwoord: 10 Ongeldige toolaanroep: 1 Anti-AI-trucs : 7.0 Programmeren : 6.4 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 5.1 Instructies opvolgen : 9.9 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#106#106	Muse Glimmer 30Bhigh	7.2	Meta	$0.535	66.70s
Modelkaart bekijken Totaal tests 22 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 8 Invoer-tokens 103,494 Uitvoer-tokens 100,589 Redeneer-tokens 270,217 Responstijd (gem.) 66.70s Responstijd (totaal) 1467.39s Responstijd (max) 451.90s Verkeerd antwoord: 7 Instructies niet gevolgd: 3 Geen antwoord: 2 Anti-AI-trucs : 8.7 Programmeren : 8.8 Gecombineerd : 6.4 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 2.9 Algemene intelligentie : 5.3 Instructies opvolgen : 8.4 Puzzeloplossing : 6.1 Toolaanroepen : 10.0 Algemene kennis : 3.0
#107#107	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 9.6 Slaagpercentage per poging 63.6% Instabiele tests 2 Invoer-tokens 42,106 Uitvoer-tokens 2,280 Redeneer-tokens 169,843 Responstijd (gem.) 46.97s Responstijd (totaal) 986.35s Responstijd (max) 189.38s Verkeerd antwoord: 8 Time-out: 1 Anti-AI-trucs : 10.0 Programmeren : 6.2 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 4.9 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#108#108	Qwen3.7 Flashlow	7.2	Qwen	$0.043	38.05s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 66.7% Instabiele tests 6 Invoer-tokens 92,191 Uitvoer-tokens 14,286 Redeneer-tokens 289,733 Responstijd (gem.) 38.05s Responstijd (totaal) 837.05s Responstijd (max) 394.54s Verkeerd antwoord: 7 Instructies niet gevolgd: 3 API-fout: 1 Anti-AI-trucs : 10.0 Programmeren : 6.7 Gecombineerd : 6.4 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 4.0 Instructies opvolgen : 8.5 Puzzeloplossing : 7.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#109#109	Muse Glimmer 30Bmedium	7.2	Meta	$0.280	30.64s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 6 Invoer-tokens 116,513 Uitvoer-tokens 33,065 Redeneer-tokens 135,009 Responstijd (gem.) 30.64s Responstijd (totaal) 674.01s Responstijd (max) 181.08s Verkeerd antwoord: 9 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 9.2 Programmeren : 8.4 Gecombineerd : 6.5 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 2.9 Algemene intelligentie : 4.7 Instructies opvolgen : 9.8 Puzzeloplossing : 6.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#110#110	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.207 ↑	65.67s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 71.2% Instabiele tests 4 Invoer-tokens 124,780 Uitvoer-tokens 47,694 Redeneer-tokens 439,825 Responstijd (gem.) 65.67s Responstijd (totaal) 1444.68s Responstijd (max) 519.30s Verkeerd antwoord: 5 Time-out: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 6.0 Gecombineerd : 6.4 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 3.4 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#111#111	Muse Glimmer 30Blow	7.1	Meta	$0.187	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
#112#112	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
#113#113	Solar Pro 4high	7.1	Upstage	$0.046	120.58s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 62.1% Instabiele tests 5 Invoer-tokens 79,740 Uitvoer-tokens 23,357 Redeneer-tokens 339,837 Responstijd (gem.) 120.58s Responstijd (totaal) 2652.77s Responstijd (max) 491.07s Verkeerd antwoord: 5 Instructies niet gevolgd: 3 API-fout: 1 Extra opmaak: 1 Geen antwoord: 1 Anti-AI-trucs : 8.7 Programmeren : 5.7 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 5.5 Instructies opvolgen : 7.9 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#114#114	Grok 4.3medium	7.0	X AI	$0.741	44.21s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 66.7% Instabiele tests 5 Invoer-tokens 140,244 Uitvoer-tokens 13,739 Redeneer-tokens 212,165 Responstijd (gem.) 44.21s Responstijd (totaal) 972.64s Responstijd (max) 216.69s Verkeerd antwoord: 6 Instructies niet gevolgd: 2 Extra opmaak: 1 Geen antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 5.9 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 5.4 Instructies opvolgen : 9.8 Puzzeloplossing : 5.9 Toolaanroepen : 10.0 Algemene kennis : 3.0
#115#115	GPT-5.6 Solnone	7.0	OpenAI	$0.524	2.17s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 3 Invoer-tokens 78,602 Uitvoer-tokens 4,357 Redeneer-tokens 0 Responstijd (gem.) 2.17s Responstijd (totaal) 47.66s Responstijd (max) 12.81s Verkeerd antwoord: 9 Instructies niet gevolgd: 1 Anti-AI-trucs : 8.3 Programmeren : 5.5 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 6.5 Instructies opvolgen : 8.5 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#116#116	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 7 Invoer-tokens 101,056 Uitvoer-tokens 11,832 Redeneer-tokens 116,955 Responstijd (gem.) 68.43s Responstijd (totaal) 1505.53s Responstijd (max) 376.10s Verkeerd antwoord: 5 API-fout: 2 Time-out: 2 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 8.2 Programmeren : 6.0 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 3.4 Instructies opvolgen : 10.0 Puzzeloplossing : 7.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#117#117	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 8.1 Slaagpercentage per poging 65.2% Instabiele tests 4 Invoer-tokens 82,592 Uitvoer-tokens 16,089 Redeneer-tokens 199,800 Responstijd (gem.) 58.80s Responstijd (totaal) 1234.72s Responstijd (max) 308.75s Verkeerd antwoord: 4 Geen antwoord: 2 Time-out: 2 API-fout: 1 Extra opmaak: 1 Anti-AI-trucs : 10.0 Programmeren : 4.6 Gecombineerd : 9.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 10.0 Instructies opvolgen : 6.4 Puzzeloplossing : 8.2 Toolaanroepen : 3.0 Algemene kennis : 3.0
#118#118	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 59.1% Instabiele tests 2 Invoer-tokens 79,294 Uitvoer-tokens 4,915 Redeneer-tokens 0 Responstijd (gem.) 2.35s Responstijd (totaal) 51.78s Responstijd (max) 12.24s Verkeerd antwoord: 10 Anti-AI-trucs : 6.9 Programmeren : 5.5 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 6.2 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#119#119	Mercury 2medium	7.0	Inception	$0.094	2.95s
Modelkaart bekijken Totaal tests 22 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 53.0% Instabiele tests 4 Invoer-tokens 110,515 Uitvoer-tokens 10,325 Redeneer-tokens 77,229 Responstijd (gem.) 2.95s Responstijd (totaal) 61.89s Responstijd (max) 14.63s Verkeerd antwoord: 8 Instructies niet gevolgd: 3 Ongeldige toolaanroep: 1 Anti-AI-trucs : 6.9 Programmeren : 8.2 Gecombineerd : 6.7 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 2.9 Algemene intelligentie : 4.8 Instructies opvolgen : 10.0 Puzzeloplossing : 5.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#120#120	Grok 4.20medium	7.0	X AI	$0.805 ↓	32.56s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 60.6% Instabiele tests 5 Invoer-tokens 102,986 Uitvoer-tokens 5,860 Redeneer-tokens 264,399 Responstijd (gem.) 32.56s Responstijd (totaal) 716.36s Responstijd (max) 199.66s Verkeerd antwoord: 6 Extra opmaak: 2 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 8.2 Programmeren : 6.3 Gecombineerd : 8.7 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 3.9 Instructies opvolgen : 9.8 Puzzeloplossing : 7.7 Toolaanroepen : 3.0 Algemene kennis : 3.0

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

AI Benchy Leaderboard

Aanbevolen modellen

Modellen filteren

Snelle vergelijking