Таблица лидеров AI Benchy

Name: Результаты бенчмарка моделей AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-09-22 Оценено моделей: 343

Рекомендуемые модели

GPT-6 Astra xhigh Интеллектуальная Доля успешных попыток 97.0% Тестов верно 21 / 22 Оценка 9.9/10 GPT-5.6 Luna medium Быстрая Время ответа (среднее) 7.43s Общее число выходных токенов 44,525 Оценка 7.4/10 DeepSeek V4 Flash 0731 high Доступная Цена входа $0.040 / 1M Цена выхода $0.640 / 1M Оценка 8.0/10

343/343

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#123#123	GPT-5.6 Lunamedium	7.4	OpenAI	$0.072 ↓	7.43s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 62.1% Нестабильные тесты 2 Входные токены 89,685 Выходные токены 5,701 Токены рассуждений 38,824 Время ответа (среднее) 7.43s Время ответа (суммарно) 163.54s Время ответа (макс.) 29.85s Неверный ответ: 9 Анти-ИИ уловки : 8.3 Программирование : 5.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.9 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#130#130	GLM 5.3high	7.3	Z.ai	$0.262 ↓	27.82s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 74.2% Нестабильные тесты 7 Входные токены 87,601 Выходные токены 6,006 Токены рассуждений 57,661 Время ответа (среднее) 27.82s Время ответа (суммарно) 612.06s Время ответа (макс.) 159.91s Неверный ответ: 6 Лишнее форматирование: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 6.6 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#132#132	GLM 5.3 Flashhigh	7.3	Z.ai	$0.057 ↑	25.36s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 3 Входные токены 113,003 Выходные токены 11,558 Токены рассуждений 66,760 Время ответа (среднее) 25.36s Время ответа (суммарно) 558.01s Время ответа (макс.) 163.41s Неверный ответ: 4 Лишнее форматирование: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 8.3 Программирование : 8.2 Комбинированный : 6.4 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#133#133	Gemini 3.1 Flash Litemedium	7.3	Google	$0.120	4.38s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 62.1% Нестабильные тесты 2 Входные токены 104,925 Выходные токены 9,168 Токены рассуждений 53,188 Время ответа (среднее) 4.38s Время ответа (суммарно) 96.32s Время ответа (макс.) 26.22s Неверный ответ: 7 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 9.1 Программирование : 5.5 Комбинированный : 7.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#136#136	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 2 Входные токены 149,203 Выходные токены 16,797 Токены рассуждений 0 Время ответа (среднее) 4.92s Время ответа (суммарно) 108.24s Время ответа (макс.) 35.03s Неверный ответ: 4 Лишнее форматирование: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 9.8 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#140#140	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 9.6 Доля успешных попыток 63.6% Нестабильные тесты 2 Входные токены 42,106 Выходные токены 2,280 Токены рассуждений 169,843 Время ответа (среднее) 46.97s Время ответа (суммарно) 986.35s Время ответа (макс.) 189.38s Неверный ответ: 8 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 6.2 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.9 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#172#172	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.82s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 3 Входные токены 104,217 Выходные токены 10,710 Токены рассуждений 0 Время ответа (среднее) 2.82s Время ответа (суммарно) 45.05s Время ответа (макс.) 21.19s Неверный ответ: 8 Нет ответа: 1 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#174#174	GLM 5.2none	6.7	Z.ai	$0.103 ↓	9.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 2 Входные токены 112,458 Выходные токены 14,344 Токены рассуждений 0 Время ответа (среднее) 9.65s Время ответа (суммарно) 212.38s Время ответа (макс.) 79.65s Неверный ответ: 7 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.3 Программирование : 3.7 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#177#177	Gemini 3.5 Flashminimal	6.7	Google	$0.300	2.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 60.6% Нестабильные тесты 1 Входные токены 100,762 Выходные токены 16,454 Токены рассуждений 0 Время ответа (среднее) 2.65s Время ответа (суммарно) 58.21s Время ответа (макс.) 25.26s Неверный ответ: 6 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 6.5 Программирование : 5.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#185#185	Gemini 3.1 Flash Litelow	6.6	Google	$0.621	16.25s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 2 Входные токены 94,233 Выходные токены 7,759 Токены рассуждений 390,132 Время ответа (среднее) 16.25s Время ответа (суммарно) 357.39s Время ответа (макс.) 318.02s Неверный ответ: 8 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.3 Программирование : 5.5 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#206#206	Gemma 4 31Bmedium	6.2	Google	$0.100 ↓	78.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 3 Входные токены 94,969 Выходные токены 34,399 Токены рассуждений 233,022 Время ответа (среднее) 78.59s Время ответа (суммарно) 1571.84s Время ответа (макс.) 437.40s Неверный ответ: 3 Ошибка API: 2 Тайм-аут: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 4.3 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 9.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#45#45	Muse Spark 1.2high	8.7	Meta	$1.771	26.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 9.9 Доля успешных попыток 74.2% Нестабильные тесты 5 Входные токены 117,037 Выходные токены 6,983 Токены рассуждений 375,104 Время ответа (среднее) 26.59s Время ответа (суммарно) 584.89s Время ответа (макс.) 192.00s Неверный ответ: 4 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.1 Программирование : 10.0 Комбинированный : 8.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#46#46	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 74.2% Нестабильные тесты 4 Входные токены 123,680 Выходные токены 7,222 Токены рассуждений 271,442 Время ответа (среднее) 19.67s Время ответа (суммарно) 432.72s Время ответа (макс.) 142.49s Не соблюдены инструкции: 3 Неверный ответ: 3 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.3 Программирование : 10.0 Комбинированный : 8.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#59#59	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 72.7% Нестабильные тесты 4 Входные токены 105,013 Выходные токены 9,914 Токены рассуждений 61,338 Время ответа (среднее) 28.51s Время ответа (суммарно) 456.13s Время ответа (макс.) 116.86s Не соблюдены инструкции: 3 Неверный ответ: 3 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 6.5 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 3.7 Следование инструкциям : 9.9 Решение головоломок : 7.5 Вызов инструментов : 4.7 Эрудиция : 3.0
#63#63	Inkling Smallhigh	8.4	Thinkingmachines	$0.398 ↓	30.43s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 2 Входные токены 85,669 Выходные токены 6,092 Токены рассуждений 292,801 Время ответа (среднее) 30.43s Время ответа (суммарно) 669.38s Время ответа (макс.) 122.60s Неверный ответ: 6 Не соблюдены инструкции: 2 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 9.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.3 Следование инструкциям : 9.8 Решение головоломок : 4.8 Вызов инструментов : 3.0 Эрудиция : 3.0
#65#65	DeepSeek V4.1 Flashmax	8.3	DeepSeek	$0.537	61.35s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 9.1 Доля успешных попыток 68.2% Нестабильные тесты 2 Входные токены 89,024 Выходные токены 5,558 Токены рассуждений 865,568 Время ответа (среднее) 61.35s Время ответа (суммарно) 1349.61s Время ответа (макс.) 335.08s Неверный ответ: 6 Ошибка API: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.3 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 5.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#78#78	DeepSeek V4 Flash 0731high	8.0	DeepSeek	$0.279 ↑	114.94s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 75.8% Нестабильные тесты 5 Входные токены 96,702 Выходные токены 16,966 Токены рассуждений 496,341 Время ответа (среднее) 114.94s Время ответа (суммарно) 2528.65s Время ответа (макс.) 600.61s Неверный ответ: 4 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 Анти-ИИ уловки : 8.7 Программирование : 6.3 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#79#79	GLM 5.2high	8.0	Z.ai	$0.799 ↓	69.86s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 3 Входные токены 83,822 Выходные токены 72,040 Токены рассуждений 292,615 Время ответа (среднее) 69.86s Время ответа (суммарно) 1536.98s Время ответа (макс.) 599.43s Тайм-аут: 3 Нет ответа: 2 Неверный ответ: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 6.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.1 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#81#81	GPT-5.6 Terrahigh	8.0	OpenAI	$0.836 ↓	11.22s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 68.2% Нестабильные тесты 2 Входные токены 81,056 Выходные токены 5,055 Токены рассуждений 51,033 Время ответа (среднее) 11.22s Время ответа (суммарно) 246.77s Время ответа (макс.) 91.49s Неверный ответ: 7 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.3 Программирование : 7.6 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.1 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#82#82	Grok 4.7low	7.9	X AI	$1.320	59.02s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 77.3% Нестабильные тесты 5 Входные токены 128,832 Выходные токены 6,840 Токены рассуждений 225,008 Время ответа (среднее) 59.02s Время ответа (суммарно) 1298.42s Время ответа (макс.) 389.63s Неверный ответ: 5 Нет ответа: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 8.4 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#89#89	Gemini 3.5 Flash Litemedium	7.8	Google	$0.272	5.12s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 78.8% Нестабильные тесты 6 Входные токены 103,916 Выходные токены 8,892 Токены рассуждений 87,343 Время ответа (среднее) 5.12s Время ответа (суммарно) 112.73s Время ответа (макс.) 26.41s Неверный ответ: 6 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 7.9 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 4.7 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 2.8
#91#91	GPT-5.6 Terramedium	7.8	OpenAI	$0.523 ↓	6.85s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 2 Входные токены 79,184 Выходные токены 4,878 Токены рассуждений 25,471 Время ответа (среднее) 6.85s Время ответа (суммарно) 150.65s Время ответа (макс.) 41.68s Неверный ответ: 8 Анти-ИИ уловки : 8.3 Программирование : 6.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.5 Следование инструкциям : 10.0 Решение головоломок : 8.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#92#92	Claude Sonnet 4.6medium	7.8	Anthropic	$2.126	28.08s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 1 Входные токены 106,316 Выходные токены 79,338 Токены рассуждений 41,089 Время ответа (среднее) 28.08s Время ответа (суммарно) 421.15s Время ответа (макс.) 140.96s Неверный ответ: 4 Лишнее форматирование: 3 Тайм-аут: 1 Анти-ИИ уловки : 6.5 Программирование : 5.7 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#93#93	Qwen3.8 27Bmedium	7.8	Qwen	~$0.058	33.05s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 9.6 Доля успешных попыток 66.7% Нестабильные тесты 1 Входные токены 98,266 Выходные токены 1,861 Токены рассуждений 134,301 Время ответа (среднее) 33.05s Время ответа (суммарно) 694.04s Время ответа (макс.) 214.63s Неверный ответ: 3 Не соблюдены инструкции: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 8.7 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 8.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#104#104	GPT-5.6 Lunahigh	7.6	OpenAI	$0.179 ↓	16.49s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 4 Входные токены 80,927 Выходные токены 5,088 Токены рассуждений 130,227 Время ответа (среднее) 16.49s Время ответа (суммарно) 362.78s Время ответа (макс.) 111.09s Неверный ответ: 8 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.9 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0

←

1 9 10 11 14

→

Глобальные тренды бенчмарка

Посмотрите, как современные модели балансируют оценку, стоимость, скорость, длину ответа и результаты по категориям.

Графики →

Граница Парето: интеллект и стоимость

Рост лучших оценок ведущих компаний со временем

Граница Парето: интеллект и скорость ответа

Граница Парето: оценка и выходные токены

Сложность категорий по всем моделям

Быстрое сравнение

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium