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: 2026-09-02 Оценено моделей: 311

Рекомендуемые модели

GPT-5.6 Sol high Интеллектуальная Доля успешных попыток 89.4% Тестов верно 18 / 22 Оценка 9.4/10 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 $0.065 / 1M Цена выхода $0.180 / 1M Оценка 8.0/10

311/311

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#305#305	Ling 3.0 Tinymedium	3.8	Inclusionai	$0.000	68.08s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 9.6 Доля успешных попыток 24.2% Нестабильные тесты 3 Входные токены 103,898 Выходные токены 148,304 Токены рассуждений 774,972 Время ответа (среднее) 68.08s Время ответа (суммарно) 1429.66s Время ответа (макс.) 262.20s Нет ответа: 7 Неверный ответ: 5 Не соблюдены инструкции: 4 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.5 Программирование : 2.9 Комбинированный : 3.0 Парсинг и извлечение данных : 2.7 Предметно-ориентированное : 3.0 Общий интеллект : 3.8 Следование инструкциям : 6.8 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#245#245	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Открыть карточку модели Всего тестов 16 Ошибочных тестов 3 Надежность Н/Д Доля успешных попыток 59.1% Нестабильные тесты 0 Входные токены 28,980 Выходные токены 1,283 Токены рассуждений 1,533,310 Время ответа (среднее) 68.14s Время ответа (суммарно) 1090.28s Время ответа (макс.) 280.52s Неверный ответ: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 7.5 Программирование : 0.0 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 0.0
#128#128	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 7 Входные токены 101,056 Выходные токены 11,832 Токены рассуждений 116,955 Время ответа (среднее) 68.43s Время ответа (суммарно) 1505.53s Время ответа (макс.) 376.10s Неверный ответ: 5 Ошибка API: 2 Тайм-аут: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.2 Программирование : 6.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 3.4 Следование инструкциям : 10.0 Решение головоломок : 7.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#44#44	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 3 Входные токены 122,155 Выходные токены 5,514 Токены рассуждений 293,946 Время ответа (среднее) 68.59s Время ответа (суммарно) 1508.91s Время ответа (макс.) 436.38s Неверный ответ: 5 Анти-ИИ уловки : 10.0 Программирование : 7.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.5 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#175#175	Ring-2.6-1Tmedium	6.4	Inclusionai	$0.102 ↑	68.80s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 59.1% Нестабильные тесты 3 Входные токены 113,613 Выходные токены 122,706 Токены рассуждений 42,325 Время ответа (среднее) 68.80s Время ответа (суммарно) 1375.99s Время ответа (макс.) 304.19s Неверный ответ: 6 Ошибка API: 2 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 5.3 Комбинированный : 7.3 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 4.1 Следование инструкциям : 9.8 Решение головоломок : 5.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#284#284	MiniMax M2.5medium	4.6	Minimax	$0.327 ↑	69.08s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 9 Входные токены 142,621 Выходные токены 20,409 Токены рассуждений 251,820 Время ответа (среднее) 69.08s Время ответа (суммарно) 1036.24s Время ответа (макс.) 251.36s Неверный ответ: 7 Тайм-аут: 4 Не соблюдены инструкции: 3 Нет ответа: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.9 Программирование : 3.4 Комбинированный : 3.7 Парсинг и извлечение данных : 4.6 Предметно-ориентированное : 2.9 Общий интеллект : 3.8 Следование инструкциям : 7.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#63#63	GLM 5.2high	8.0	Z.ai	$1.188 ↑	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
#141#141	Step 3.7 Flashhigh	6.8	Stepfun	$1.229	70.10s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 60.6% Нестабильные тесты 4 Входные токены 98,700 Выходные токены 1,050,900 Токены рассуждений 0 Время ответа (среднее) 70.10s Время ответа (суммарно) 1542.14s Время ответа (макс.) 364.99s Неверный ответ: 7 Нет ответа: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 4.0 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 5.5 Следование инструкциям : 9.8 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#250#250	Nemotron 3.5 Lightningmedium	5.1	NVIDIA	$0.156 ↕	70.11s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 9.9 Доля успешных попыток 48.5% Нестабильные тесты 11 Входные токены 126,330 Выходные токены 165,702 Токены рассуждений 594,739 Время ответа (среднее) 70.11s Время ответа (суммарно) 1542.52s Время ответа (макс.) 437.11s Неверный ответ: 13 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.9 Программирование : 4.4 Комбинированный : 6.2 Парсинг и извлечение данных : 3.7 Предметно-ориентированное : 2.9 Общий интеллект : 5.5 Следование инструкциям : 8.5 Решение головоломок : 4.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#81#81	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 8.5 Доля успешных попыток 77.3% Нестабильные тесты 6 Входные токены 85,657 Выходные токены 8,142 Токены рассуждений 233,167 Время ответа (среднее) 72.24s Время ответа (суммарно) 1589.31s Время ответа (макс.) 485.92s Неверный ответ: 6 Ошибка API: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.7 Программирование : 7.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 6.5 Следование инструкциям : 9.8 Решение головоломок : 9.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#26#26	Grok 4.5high	9.0	X AI	$2.252 ↑	72.30s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 86.4% Нестабильные тесты 3 Входные токены 152,175 Выходные токены 5,655 Токены рассуждений 318,807 Время ответа (среднее) 72.30s Время ответа (суммарно) 1590.56s Время ответа (макс.) 676.83s Нет ответа: 2 Неверный ответ: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 4.7 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#46#46	Grok 4.6medium	8.4	X AI	$1.713	73.46s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 81.8% Нестабильные тесты 4 Входные токены 106,787 Выходные токены 4,811 Токены рассуждений 244,997 Время ответа (среднее) 73.46s Время ответа (суммарно) 1616.12s Время ответа (макс.) 514.35s Неверный ответ: 5 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 9.8 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#92#92	MiniMax M3medium	7.5	Minimax	$0.300	75.15s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 9.7 Доля успешных попыток 62.1% Нестабильные тесты 5 Входные токены 121,996 Выходные токены 90,051 Токены рассуждений 185,731 Время ответа (среднее) 75.15s Время ответа (суммарно) 1578.24s Время ответа (макс.) 431.03s Неверный ответ: 4 Тайм-аут: 3 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 5.5 Программирование : 6.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.2 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 7.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#301#301	Ling 3.0 Tinyhigh	3.8	Inclusionai	$0.000	75.68s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 24.2% Нестабильные тесты 3 Входные токены 115,314 Выходные токены 133,965 Токены рассуждений 816,718 Время ответа (среднее) 75.68s Время ответа (суммарно) 1589.20s Время ответа (макс.) 345.15s Нет ответа: 7 Неверный ответ: 6 Не соблюдены инструкции: 3 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.4 Программирование : 2.9 Комбинированный : 3.0 Парсинг и извлечение данных : 2.8 Предметно-ориентированное : 2.9 Общий интеллект : 5.4 Следование инструкциям : 6.8 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#272#272	Trinity Large Thinkinghigh	4.8	Arcee AI	$0.592 ↓	75.86s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 39.4% Нестабильные тесты 8 Входные токены 101,776 Выходные токены 276,367 Токены рассуждений 656,252 Время ответа (среднее) 75.86s Время ответа (суммарно) 1668.93s Время ответа (макс.) 510.21s Неверный ответ: 10 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Нет ответа: 1 Анти-ИИ уловки : 6.7 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 6.3 Решение головоломок : 4.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#61#61	DeepSeek V4 Flash 0731low	8.0	DeepSeek	$0.044 ↓	77.55s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 5 Входные токены 93,345 Выходные токены 35,723 Токены рассуждений 350,266 Время ответа (среднее) 77.55s Время ответа (суммарно) 1706.18s Время ответа (макс.) 438.65s Неверный ответ: 7 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.2 Программирование : 7.3 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 6.5 Следование инструкциям : 9.9 Решение головоломок : 8.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#179#179	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
#102#102	Kimi K2.7 Codemedium	7.4	Moonshot AI	$0.687 ↓	80.09s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 5 Входные токены 72,085 Выходные токены 57,453 Токены рассуждений 182,093 Время ответа (среднее) 80.09s Время ответа (суммарно) 1681.85s Время ответа (макс.) 365.80s Неверный ответ: 6 Тайм-аут: 3 Ошибка API: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 7.3 Программирование : 7.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.7 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 5.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#12#12	Grok 4.6high	9.3	X AI	$1.908	84.15s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 86.4% Нестабильные тесты 0 Входные токены 107,275 Выходные токены 5,094 Токены рассуждений 277,123 Время ответа (среднее) 84.15s Время ответа (суммарно) 1851.26s Время ответа (макс.) 618.49s Неверный ответ: 2 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#187#187	Qwen3.5-Flashmedium	6.1	Qwen	$0.142 ↓	84.44s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 6 Входные токены 118,508 Выходные токены 35,457 Токены рассуждений 477,389 Время ответа (среднее) 84.44s Время ответа (суммарно) 1773.20s Время ответа (макс.) 515.38s Неверный ответ: 5 Тайм-аут: 3 Ошибка API: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 3.7 Комбинированный : 6.4 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#114#114	DeepSeek V4 Flash 0731medium	7.3	DeepSeek	$0.066 ↓	84.66s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 8 Входные токены 89,819 Выходные токены 58,398 Токены рассуждений 492,457 Время ответа (среднее) 84.66s Время ответа (суммарно) 1862.46s Время ответа (макс.) 288.78s Неверный ответ: 5 Нет ответа: 3 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.2 Программирование : 6.4 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 8.5 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#261#261	Laguna S 2.1low	5.0	Poolside	$0.082 ↓	85.34s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 22.7% Нестабильные тесты 5 Входные токены 118,752 Выходные токены 67,823 Токены рассуждений 383,885 Время ответа (среднее) 85.34s Время ответа (суммарно) 1877.49s Время ответа (макс.) 814.73s Неверный ответ: 15 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.4 Программирование : 3.8 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 4.3 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#189#189	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.756 ↓	85.44s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 48.5% Нестабильные тесты 6 Входные токены 118,486 Выходные токены 156,166 Токены рассуждений 860,619 Время ответа (среднее) 85.44s Время ответа (суммарно) 1879.75s Время ответа (макс.) 525.14s Неверный ответ: 8 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 6.8 Программирование : 7.5 Комбинированный : 2.9 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 4.4 Решение головоломок : 5.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#291#291	Granite 4.2 8Bnone	4.3	IBM Granite	$0.026	86.27s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 8.6 Доля успешных попыток 16.7% Нестабильные тесты 2 Входные токены 57,786 Выходные токены 130,805 Токены рассуждений 0 Время ответа (среднее) 86.27s Время ответа (суммарно) 1897.96s Время ответа (макс.) 747.17s Неверный ответ: 11 Лишнее форматирование: 4 Тайм-аут: 3 Не соблюдены инструкции: 1 Анти-ИИ уловки : 4.9 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#27#27	Muse Spark 1.3medium	9.0	Meta	$1.075	89.78s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 9.3 Доля успешных попыток 81.8% Нестабильные тесты 4 Входные токены 98,062 Выходные токены 13,168 Токены рассуждений 210,826 Время ответа (среднее) 89.78s Время ответа (суммарно) 1975.17s Время ответа (макс.) 356.29s Неверный ответ: 3 Ошибка API: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 7.3 Решение головоломок : 8.4 Вызов инструментов : 9.8 Эрудиция : 3.0

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 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