AI BENCHY

AI Benchmark Leaderboard

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

Benchmarks gegenereerd uit AI BENCHY-testsuites op: 2026-07-02 Geëvalueerde modellen: 174

174/174

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#151#151	MiniMax M2.5medium	4.7	Minimax	$0.164 ↓	65.37s
Modelkaart bekijken Totaal tests 21 Foute tests 16 Betrouwbaarheid 10.0 Slaagpercentage per poging 46.0% Instabiele tests 9 Invoer-tokens 43,706 Uitvoer-tokens 109,495 Redeneer-tokens 330,814 Responstijd (gem.) 65.37s Responstijd (totaal) 849.76s Responstijd (max) 251.36s Verkeerd antwoord: 7 Time-out: 4 Instructies niet gevolgd: 3 Ongeldige toolaanroep: 1 Geen antwoord: 1 Anti-AI-trucs : 7.9 Programmeren : 3.4 Gecombineerd : 4.5 Gegevensparsering en extractie : 4.6 Domeinspecifiek : 2.9 Algemene intelligentie : 3.8 Instructies opvolgen : 7.5 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#152#152	Ling-2.6-1Tnone	4.7	Inclusionai	$0.005 ↕	7.72s
Modelkaart bekijken Totaal tests 21 Foute tests 18 Betrouwbaarheid n.v.t. Slaagpercentage per poging 14.3% Instabiele tests 0 Invoer-tokens 34,905 Uitvoer-tokens 2,434 Redeneer-tokens 0 Responstijd (gem.) 7.72s Responstijd (totaal) 139.00s Responstijd (max) 25.72s Verkeerd antwoord: 12 API-fout: 3 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 3.4 Programmeren : 3.8 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 5.0 Instructies opvolgen : 6.4 Puzzeloplossing : 3.1 Toolaanroepen : 3.0 Algemene kennis : 3.0
#153#153	Qwen3 Coder Nextmedium	4.7	Qwen	$0.008 ↓	8.58s
Modelkaart bekijken Totaal tests 21 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 28.6% Instabiele tests 3 Invoer-tokens 47,250 Uitvoer-tokens 3,319 Redeneer-tokens 0 Responstijd (gem.) 8.58s Responstijd (totaal) 128.68s Responstijd (max) 81.80s Verkeerd antwoord: 13 Instructies niet gevolgd: 3 Time-out: 1 Anti-AI-trucs : 3.5 Programmeren : 3.7 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 5.3 Algemene intelligentie : 6.3 Instructies opvolgen : 6.3 Puzzeloplossing : 3.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#154#154	Grok 4.20 Betanone	4.7	X AI	$0.087 ↓	1.19s
Modelkaart bekijken Totaal tests 18 Foute tests 12 Betrouwbaarheid n.v.t. Slaagpercentage per poging 31.8% Instabiele tests 1 Invoer-tokens 40,597 Uitvoer-tokens 1,657 Redeneer-tokens 0 Responstijd (gem.) 1.19s Responstijd (totaal) 21.43s Responstijd (max) 6.48s Verkeerd antwoord: 10 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 4.0 Programmeren : 1.8 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 5.0 Instructies opvolgen : 6.3 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 0.0
#155#155	Laguna M.1none	4.6	Poolside	$0.009 ↕	2.89s
Modelkaart bekijken Totaal tests 19 Foute tests 15 Betrouwbaarheid 9.8 Slaagpercentage per poging 28.6% Instabiele tests 3 Invoer-tokens 38,147 Uitvoer-tokens 2,054 Redeneer-tokens 0 Responstijd (gem.) 2.89s Responstijd (totaal) 43.28s Responstijd (max) 15.42s Verkeerd antwoord: 10 API-fout: 4 Ongeldige toolaanroep: 1 Anti-AI-trucs : 3.4 Programmeren : 2.5 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 3.0 Instructies opvolgen : 6.3 Puzzeloplossing : 3.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#156#156	Mercury 2none	4.6	Inception	$0.011	653ms
Modelkaart bekijken Totaal tests 21 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 23.8% Instabiele tests 2 Invoer-tokens 28,113 Uitvoer-tokens 4,439 Redeneer-tokens 0 Responstijd (gem.) 653ms Responstijd (totaal) 13.72s Responstijd (max) 1.43s Verkeerd antwoord: 16 Instructies niet gevolgd: 1 Anti-AI-trucs : 3.0 Programmeren : 3.4 Gecombineerd : 3.0 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 5.3 Algemene intelligentie : 4.8 Instructies opvolgen : 6.5 Puzzeloplossing : 3.1 Toolaanroepen : 10.0 Algemene kennis : 3.0
#157#157	Elephant Alphanone	4.6	Openrouter	$0.000	1.22s
Modelkaart bekijken Totaal tests 21 Foute tests 16 Betrouwbaarheid n.v.t. Slaagpercentage per poging 27.0% Instabiele tests 1 Invoer-tokens 33,743 Uitvoer-tokens 2,573 Redeneer-tokens 0 Responstijd (gem.) 1.22s Responstijd (totaal) 22.03s Responstijd (max) 3.81s Verkeerd antwoord: 9 API-fout: 3 Instructies niet gevolgd: 3 Ongeldige toolaanroep: 1 Anti-AI-trucs : 6.6 Programmeren : 4.2 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.0 Algemene intelligentie : 4.0 Instructies opvolgen : 9.8 Puzzeloplossing : 4.2 Toolaanroepen : 3.0 Algemene kennis : 3.0
#158#158	Elephant Alphamedium	4.5	Openrouter	$0.000	1.27s
Modelkaart bekijken Totaal tests 21 Foute tests 15 Betrouwbaarheid n.v.t. Slaagpercentage per poging 30.2% Instabiele tests 1 Invoer-tokens 33,744 Uitvoer-tokens 2,596 Redeneer-tokens 0 Responstijd (gem.) 1.27s Responstijd (totaal) 22.82s Responstijd (max) 3.70s Verkeerd antwoord: 9 API-fout: 3 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 6.6 Programmeren : 3.7 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.0 Algemene intelligentie : 4.3 Instructies opvolgen : 9.8 Puzzeloplossing : 5.3 Toolaanroepen : 3.0 Algemene kennis : 3.0
#159#159	Hunter Alphanone	4.5	OpenRouter	$0.000	4.70s
Modelkaart bekijken Totaal tests 18 Foute tests 12 Betrouwbaarheid n.v.t. Slaagpercentage per poging 39.7% Instabiele tests 4 Invoer-tokens 34,329 Uitvoer-tokens 2,264 Redeneer-tokens 0 Responstijd (gem.) 4.70s Responstijd (totaal) 79.86s Responstijd (max) 15.17s Verkeerd antwoord: 9 Instructies niet gevolgd: 2 API-fout: 1 Anti-AI-trucs : 3.5 Programmeren : 9.8 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 6.1 Instructies opvolgen : 6.4 Puzzeloplossing : 5.8 Toolaanroepen : 10.0 Algemene kennis : 0.0
#160#160	Grok 4.20none	4.4	X AI	$0.057 ↓	1.11s
Modelkaart bekijken Totaal tests 18 Foute tests 12 Betrouwbaarheid n.v.t. Slaagpercentage per poging 28.6% Instabiele tests 0 Invoer-tokens 41,313 Uitvoer-tokens 1,923 Redeneer-tokens 0 Responstijd (gem.) 1.11s Responstijd (totaal) 19.96s Responstijd (max) 6.04s Verkeerd antwoord: 10 Extra opmaak: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 4.8 Programmeren : 1.1 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 4.8 Instructies opvolgen : 6.3 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 0.0
#161#161	Laguna Xs.2medium	4.3	Poolside	$0.015 ↕	6.73s
Modelkaart bekijken Totaal tests 19 Foute tests 13 Betrouwbaarheid 10.0 Slaagpercentage per poging 46.0% Instabiele tests 6 Invoer-tokens 39,481 Uitvoer-tokens 54,218 Redeneer-tokens 0 Responstijd (gem.) 6.73s Responstijd (totaal) 100.98s Responstijd (max) 29.11s Verkeerd antwoord: 6 API-fout: 4 Geen antwoord: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 6.9 Programmeren : 2.1 Gecombineerd : 3.0 Gegevensparsering en extractie : 7.1 Domeinspecifiek : 4.1 Algemene intelligentie : 3.0 Instructies opvolgen : 10.0 Puzzeloplossing : 5.3 Toolaanroepen : 4.7 Algemene kennis : 3.0
#162#162	GLM 4.7 Flashmedium	4.3	Z.ai	$0.054	35.10s
Modelkaart bekijken Totaal tests 21 Foute tests 17 Betrouwbaarheid 6.7 Slaagpercentage per poging 33.3% Instabiele tests 8 Invoer-tokens 37,206 Uitvoer-tokens 43,754 Redeneer-tokens 89,079 Responstijd (gem.) 35.10s Responstijd (totaal) 456.24s Responstijd (max) 174.55s Verkeerd antwoord: 9 Geen antwoord: 3 Instructies niet gevolgd: 2 Time-out: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 4.7 Programmeren : 3.2 Gecombineerd : 2.8 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 3.5 Algemene intelligentie : 3.6 Instructies opvolgen : 6.2 Puzzeloplossing : 2.9 Toolaanroepen : 10.0 Algemene kennis : 3.0
#163#163	Hy3 previewnone	4.3	Tencent	$0.003 ↕	12.92s
Modelkaart bekijken Totaal tests 21 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 23.8% 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 : 3.0 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
#164#164	MiMo-V2-Flashnone	4.3	Xiaomi	$0.025 ↑	2.76s
Modelkaart bekijken Totaal tests 21 Foute tests 17 Betrouwbaarheid 6.7 Slaagpercentage per poging 25.4% Instabiele tests 4 Invoer-tokens 36,851 Uitvoer-tokens 68,882 Redeneer-tokens 0 Responstijd (gem.) 2.76s Responstijd (totaal) 46.99s Responstijd (max) 19.68s Verkeerd antwoord: 13 Instructies niet gevolgd: 2 API-fout: 1 Extra opmaak: 1 Anti-AI-trucs : 3.2 Programmeren : 4.3 Gecombineerd : 3.0 Gegevensparsering en extractie : 2.9 Domeinspecifiek : 5.3 Algemene intelligentie : 4.6 Instructies opvolgen : 6.5 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#165#165	Grok Build 0.1none	4.2	X AI	$0.547	28.69s
Modelkaart bekijken Totaal tests 19 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 46.0% Instabiele tests 4 Invoer-tokens 11,793 Uitvoer-tokens 267,275 Redeneer-tokens 0 Responstijd (gem.) 28.69s Responstijd (totaal) 459.00s Responstijd (max) 138.35s Verkeerd antwoord: 7 API-fout: 3 Instructies niet gevolgd: 2 Anti-AI-trucs : 8.7 Programmeren : 3.3 Gecombineerd : 3.0 Gegevensparsering en extractie : 3.8 Domeinspecifiek : 3.6 Algemene intelligentie : 4.3 Instructies opvolgen : 9.8 Puzzeloplossing : 6.4 Toolaanroepen : 3.0 Algemene kennis : 3.0
#166#166	Grok 4.1 Fastnone	4.0	X AI	$0.008 ↓	1.62s
Modelkaart bekijken Totaal tests 19 Foute tests 16 Betrouwbaarheid 10.0 Slaagpercentage per poging 20.6% Instabiele tests 3 Invoer-tokens 36,608 Uitvoer-tokens 1,723 Redeneer-tokens 0 Responstijd (gem.) 1.62s Responstijd (totaal) 19.48s Responstijd (max) 5.51s Verkeerd antwoord: 13 Instructies niet gevolgd: 3 Anti-AI-trucs : 3.2 Programmeren : 1.8 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 4.4 Instructies opvolgen : 3.0 Puzzeloplossing : 3.0 Toolaanroepen : 2.8 Algemene kennis : 3.0
#167#167	Laguna Xs.2none	4.0	Poolside	$0.004 ↕	806ms
Modelkaart bekijken Totaal tests 19 Foute tests 14 Betrouwbaarheid 10.0 Slaagpercentage per poging 23.8% Instabiele tests 0 Invoer-tokens 33,675 Uitvoer-tokens 2,826 Redeneer-tokens 0 Responstijd (gem.) 806ms Responstijd (totaal) 12.09s Responstijd (max) 2.01s Verkeerd antwoord: 8 API-fout: 4 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 3.0 Programmeren : 8.3 Gecombineerd : 3.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 3.0 Instructies opvolgen : 6.5 Puzzeloplossing : 5.3 Toolaanroepen : 3.0 Algemene kennis : 3.0
#168#168	Granite 4.1 8Bnone	4.0	IBM Granite	$0.003	728ms
Modelkaart bekijken Totaal tests 21 Foute tests 19 Betrouwbaarheid 10.0 Slaagpercentage per poging 9.5% Instabiele tests 0 Invoer-tokens 46,285 Uitvoer-tokens 2,911 Redeneer-tokens 0 Responstijd (gem.) 728ms Responstijd (totaal) 15.29s Responstijd (max) 2.17s Verkeerd antwoord: 13 Instructies niet gevolgd: 4 Extra opmaak: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 4.9 Programmeren : 4.5 Gecombineerd : 3.0 Gegevensparsering en extractie : 3.0 Domeinspecifiek : 3.0 Algemene intelligentie : 4.0 Instructies opvolgen : 3.6 Puzzeloplossing : 3.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#169#169	gpt-oss-120bnone	4.0	OpenAI	$0.009 ↓	21.61s
Modelkaart bekijken Totaal tests 19 Foute tests 13 Betrouwbaarheid 10.0 Slaagpercentage per poging 34.9% Instabiele tests 2 Invoer-tokens 9,081 Uitvoer-tokens 51,664 Redeneer-tokens 0 Responstijd (gem.) 21.61s Responstijd (totaal) 345.79s Responstijd (max) 113.71s Verkeerd antwoord: 8 API-fout: 3 Instructies niet gevolgd: 2 Anti-AI-trucs : 6.5 Programmeren : 1.5 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 3.0 Algemene intelligentie : 4.8 Instructies opvolgen : 9.8 Puzzeloplossing : 6.0 Toolaanroepen : 3.0 Algemene kennis : 3.0
#170#170	Qwen3.5-9Bmedium	3.8	Qwen	$0.036 ↑	82.24s
Modelkaart bekijken Totaal tests 21 Foute tests 18 Betrouwbaarheid 6.7 Slaagpercentage per poging 27.0% Instabiele tests 5 Invoer-tokens 17,070 Uitvoer-tokens 29,045 Redeneer-tokens 209,516 Responstijd (gem.) 82.24s Responstijd (totaal) 1315.88s Responstijd (max) 226.38s Time-out: 11 Geen antwoord: 2 Verkeerd antwoord: 2 API-fout: 1 Extra opmaak: 1 Instructies niet gevolgd: 1 Anti-AI-trucs : 5.1 Programmeren : 2.9 Gecombineerd : 3.0 Gegevensparsering en extractie : 3.6 Domeinspecifiek : 3.6 Algemene intelligentie : 2.8 Instructies opvolgen : 6.5 Puzzeloplossing : 3.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#171#171	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.6	NVIDIA	$0.000	17.13s
Modelkaart bekijken Totaal tests 19 Foute tests 15 Betrouwbaarheid 10.0 Slaagpercentage per poging 28.6% Instabiele tests 5 Invoer-tokens 11,661 Uitvoer-tokens 48,491 Redeneer-tokens 180,695 Responstijd (gem.) 17.13s Responstijd (totaal) 222.66s Responstijd (max) 147.45s Verkeerd antwoord: 7 API-fout: 6 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 6.4 Programmeren : 1.1 Gecombineerd : 3.0 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 2.9 Algemene intelligentie : 3.0 Instructies opvolgen : 7.3 Puzzeloplossing : 2.9 Toolaanroepen : 3.0 Algemene kennis : 3.0
#172#172	Nemotron 3 Nano Omni 30b A3b Reasoningnone	3.5	NVIDIA	$0.000	728ms
Modelkaart bekijken Totaal tests 19 Foute tests 17 Betrouwbaarheid 10.0 Slaagpercentage per poging 15.9% Instabiele tests 2 Invoer-tokens 11,661 Uitvoer-tokens 1,302 Redeneer-tokens 0 Responstijd (gem.) 728ms Responstijd (totaal) 9.47s Responstijd (max) 2.21s Verkeerd antwoord: 9 API-fout: 6 Instructies niet gevolgd: 2 Anti-AI-trucs : 4.8 Programmeren : 3.3 Gecombineerd : 3.0 Gegevensparsering en extractie : 3.8 Domeinspecifiek : 3.6 Algemene intelligentie : 3.0 Instructies opvolgen : 4.8 Puzzeloplossing : 3.0 Toolaanroepen : 3.0 Algemene kennis : 3.0
#173#173	Step 3.5 Flashnone	2.6	Stepfun	$0.020	39.03s
Modelkaart bekijken Totaal tests 12 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 28.6% 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 Anti-AI-trucs : 10.0 Programmeren : 9.8 Gecombineerd : 3.0 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
#174#174	LFM2-24B-A2Bnone	2.4	Liquid	$0.001	782ms
Modelkaart bekijken Totaal tests 16 Foute tests 14 Betrouwbaarheid n.v.t. Slaagpercentage per poging 12.7% 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 Anti-AI-trucs : 2.5 Programmeren : 0.0 Gecombineerd : 3.0 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

←

1 2 3 4 5 6

Snelle vergelijking

Gemini 3.5 FlashhighvsGemini 3 Flash Previewmedium Gemini 3.5 FlashhighvsQwen3.7 Maxmedium Gemini 3.5 FlashhighvsGPT-5.5low Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashhighvsClaude Fable 5medium Gemini 3.5 FlashhighvsGemini 3.1 Pro Previewmedium Gemini 3.5 FlashhighvsNemotron 3 Ultra 550b A55bmediumGratis beschikbaar Gemini 3.5 FlashhighvsNorth Mini CodemediumGratis beschikbaar Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsClaude Fable 5medium

AI Benchmark Leaderboard

Modellen filteren

Snelle vergelijking