Clasament AI Benchy

Name: Rezultate benchmark modele AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-10-01 Modele evaluate: 382

Modele recomandate

GPT-6.1 Sol xhigh Inteligent Rată de trecere pe încercare 97.1% Teste corecte 22 / 23 Scor 9.9/10 Gemini 3.7 Flash low Rapid Timp de răspuns (mediu) 6.24s Total tokenuri de ieșire 38,453 Scor 9.4/10 GPT-6 Luna high Accesibil Preț de intrare $0.100 / 1M Preț de ieșire $0.500 / 1M Preț citire cache $0.010 / 1M Preț scriere cache $0.125 / 1M Scor 7.7/10

382/382

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#7#7	GPT-6 Astrahigh	9.9	OpenAI	$4.458	20.16s
Vezi fișa modelului Total teste 23 Teste greșite 1 Fiabilitate 9.9 Rată de trecere pe încercare 97.1% Teste instabile 1 Tokenuri de intrare 167,805 Tokenuri de ieșire 5,651 Tokenuri de raționament 49,944 Timp de răspuns (mediu) 20.16s Timp de răspuns (total) 463.68s Timp de răspuns (maxim) 254.93s Răspuns greșit: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 10.0
#8#8	GPT-6 Astraxhigh	9.9	OpenAI	$6.213	29.67s
Vezi fișa modelului Total teste 23 Teste greșite 1 Fiabilitate 9.9 Rată de trecere pe încercare 97.1% Teste instabile 1 Tokenuri de intrare 170,731 Tokenuri de ieșire 5,865 Tokenuri de raționament 84,230 Timp de răspuns (mediu) 29.67s Timp de răspuns (total) 682.42s Timp de răspuns (maxim) 381.11s Răspuns greșit: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 10.0
#3🥉 #3	GPT-6 Solhigh	9.9	OpenAI	$0.921	23.56s
Vezi fișa modelului Total teste 23 Teste greșite 1 Fiabilitate 10.0 Rată de trecere pe încercare 95.7% Teste instabile 0 Tokenuri de intrare 182,698 Tokenuri de ieșire 5,647 Tokenuri de raționament 49,872 Timp de răspuns (mediu) 23.56s Timp de răspuns (total) 541.85s Timp de răspuns (maxim) 136.22s Răspuns greșit: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 10.0
#4#4	GPT-6.1 Solmax	9.9	OpenAI	$1.006	61.98s
Vezi fișa modelului Total teste 23 Teste greșite 1 Fiabilitate 9.7 Rată de trecere pe încercare 95.7% Teste instabile 0 Tokenuri de intrare 183,607 Tokenuri de ieșire 5,741 Tokenuri de raționament 58,082 Timp de răspuns (mediu) 61.98s Timp de răspuns (total) 1425.65s Timp de răspuns (maxim) 960.01s Timp expirat: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 10.0
#5#5	GPT-6 Astramax	9.9	OpenAI	$5.044	61.63s
Vezi fișa modelului Total teste 23 Teste greșite 1 Fiabilitate 9.6 Rată de trecere pe încercare 95.7% Teste instabile 0 Tokenuri de intrare 181,223 Tokenuri de ieșire 5,707 Tokenuri de raționament 58,909 Timp de răspuns (mediu) 61.63s Timp de răspuns (total) 1417.51s Timp de răspuns (maxim) 960.01s Timp expirat: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 10.0
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.900 ↓	18.93s
Vezi fișa modelului Total teste 23 Teste greșite 1 Fiabilitate 10.0 Rată de trecere pe încercare 98.6% Teste instabile 1 Tokenuri de intrare 238,080 Tokenuri de ieșire 4,211 Tokenuri de raționament 188,109 Timp de răspuns (mediu) 18.93s Timp de răspuns (total) 435.48s Timp de răspuns (maxim) 104.15s Răspuns greșit: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 8.2 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 10.0
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.927	40.60s
Vezi fișa modelului Total teste 23 Teste greșite 1 Fiabilitate 10.0 Rată de trecere pe încercare 98.6% Teste instabile 1 Tokenuri de intrare 334,568 Tokenuri de ieșire 11,394 Tokenuri de raționament 435,334 Timp de răspuns (mediu) 40.60s Timp de răspuns (total) 933.73s Timp de răspuns (maxim) 177.08s Fără răspuns: 1 Sarcini agentice : 10.0 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 8.2 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 10.0

←

1 15 16

Tendințe globale ale benchmarkului

Vezi cum echilibrează modelele actuale scorul, costul, viteza, lungimea răspunsului și performanța pe categorii.

Grafice →

Frontiera Pareto: inteligență vs cost

Evoluția celui mai bun scor al companiilor de top

Frontiera Pareto: inteligență vs viteza de răspuns

Frontiera Pareto: scor vs tokenuri de ieșire

Dificultatea categoriilor între modele

Comparație rapidă

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