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)
#80#80	Inklingmedium	8.0	Thinkingmachines	$0.383	15.66s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 75.8% Нестабильные тесты 4 Входные токены 124,062 Выходные токены 12,190 Токены рассуждений 51,652 Время ответа (среднее) 15.66s Время ответа (суммарно) 344.52s Время ответа (макс.) 85.12s Неверный ответ: 4 Ошибка API: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 8.7 Программирование : 8.4 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 2.8
#86#86	Qwen3.8 27Blow	7.9	Qwen	~$0.071	39.11s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 68.2% Нестабильные тесты 0 Входные токены 99,705 Выходные токены 1,545 Токены рассуждений 167,784 Время ответа (среднее) 39.11s Время ответа (суммарно) 860.51s Время ответа (макс.) 376.04s Неверный ответ: 4 Нет ответа: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 7.7 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 3.0 Эрудиция : 3.0
#87#87	Qwen3.7 Plusmedium	7.9	Qwen	$0.277 ↓	53.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 75.8% Нестабильные тесты 3 Входные токены 115,242 Выходные токены 6,163 Токены рассуждений 181,174 Время ответа (среднее) 53.51s Время ответа (суммарно) 1177.25s Время ответа (макс.) 315.30s Неверный ответ: 5 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 6.1 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#88#88	Qwen3.6 Plusmedium	7.8	Qwen	$0.418 ↑	45.52s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 2 Входные токены 97,698 Выходные токены 6,417 Токены рассуждений 191,215 Время ответа (среднее) 45.52s Время ответа (суммарно) 955.94s Время ответа (макс.) 291.55s Неверный ответ: 5 Ошибка API: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 6.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#116#116	Mercury 2.5 Previewmedium	7.5	Inception	$0.024	3.58s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 1 Входные токены 112,713 Выходные токены 5,436 Токены рассуждений 121,598 Время ответа (среднее) 3.58s Время ответа (суммарно) 78.66s Время ответа (макс.) 17.84s Неверный ответ: 4 Ошибка API: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#121#121	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 9.9 Доля успешных попыток 68.2% Нестабильные тесты 0 Входные токены 95,992 Выходные токены 12,446 Токены рассуждений 0 Время ответа (среднее) 4.56s Время ответа (суммарно) 100.30s Время ответа (макс.) 72.30s Неверный ответ: 7 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#127#127	Grok 4.6low	7.4	X AI	$0.449	14.55s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 1 Входные токены 109,960 Выходные токены 5,124 Токены рассуждений 32,924 Время ответа (среднее) 14.55s Время ответа (суммарно) 320.17s Время ответа (макс.) 26.46s Неверный ответ: 7 Анти-ИИ уловки : 10.0 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#173#173	Gemma 4 26B A4Bmedium	6.8	Google	$0.084 ↓	104.93s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 1 Входные токены 77,528 Выходные токены 26,048 Токены рассуждений 227,598 Время ответа (среднее) 104.93s Время ответа (суммарно) 2203.52s Время ответа (макс.) 912.19s Нет ответа: 2 Тайм-аут: 2 Неверный ответ: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 2.9 Комбинированный : 6.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#90#90	GLM 5.2medium	7.8	Z.ai	$0.151 ↓	23.28s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 6 Надежность 9.5 Доля успешных попыток 80.3% Нестабильные тесты 4 Входные токены 37,199 Выходные токены 12,261 Токены рассуждений 49,500 Время ответа (среднее) 23.28s Время ответа (суммарно) 488.94s Время ответа (макс.) 101.36s Неверный ответ: 3 Нет ответа: 2 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#97#97	GLM 5medium	7.7	Z.ai	$0.228 ↓	33.54s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 78.8% Нестабильные тесты 4 Входные токены 35,224 Выходные токены 21,570 Токены рассуждений 102,996 Время ответа (среднее) 33.54s Время ответа (суммарно) 435.99s Время ответа (макс.) 99.85s Неверный ответ: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 5.0 Парсинг и извлечение данных : 7.1 Предметно-ориентированное : 3.5 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#32#32	GPT-5.3-Codexmedium	8.9	OpenAI	$0.988	16.91s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 4 Входные токены 81,187 Выходные токены 6,258 Токены рассуждений 54,116 Время ответа (среднее) 16.91s Время ответа (суммарно) 372.03s Время ответа (макс.) 100.93s Неверный ответ: 4 Не соблюдены инструкции: 2 Анти-ИИ уловки : 8.7 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.6 Следование инструкциям : 10.0 Решение головоломок : 9.0 Вызов инструментов : 10.0 Эрудиция : 2.8
#33#33	Muse Spark 1.3high	8.9	Meta	$1.653	52.49s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 77.3% Нестабильные тесты 2 Входные токены 99,143 Выходные токены 12,083 Токены рассуждений 347,525 Время ответа (среднее) 52.49s Время ответа (суммарно) 1154.76s Время ответа (макс.) 251.53s Неверный ответ: 3 Не соблюдены инструкции: 2 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 : 6.5 Решение головоломок : 8.7 Вызов инструментов : 9.6 Эрудиция : 3.0
#35#35	Seed 2.1 Turbohigh	8.9	Bytedance Seed	$1.797	173.96s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 78.8% Нестабильные тесты 3 Входные токены 104,695 Выходные токены 6,645 Токены рассуждений 691,086 Время ответа (среднее) 173.96s Время ответа (суммарно) 3827.19s Время ответа (макс.) 584.71s Неверный ответ: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.2 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#43#43	GLM 5.3 Flashmax	8.7	Z.ai	$0.117 ↑	52.10s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 81.8% Нестабильные тесты 3 Входные токены 96,873 Выходные токены 7,637 Токены рассуждений 196,703 Время ответа (среднее) 52.10s Время ответа (суммарно) 1146.24s Время ответа (макс.) 333.47s Неверный ответ: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#50#50	Qwen3.8 Maxlow	8.6	Qwen	$0.702	21.83s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 80.3% Нестабильные тесты 3 Входные токены 99,181 Выходные токены 6,132 Токены рассуждений 77,689 Время ответа (среднее) 21.83s Время ответа (суммарно) 480.37s Время ответа (макс.) 155.75s Неверный ответ: 5 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 9.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#57#57	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
#58#58	Grok 4.5low	8.4	X AI	$0.945	16.17s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 77.3% Нестабильные тесты 2 Входные токены 125,605 Выходные токены 7,505 Токены рассуждений 107,984 Время ответа (среднее) 16.17s Время ответа (суммарно) 355.67s Время ответа (макс.) 205.28s Неверный ответ: 6 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#60#60	Qwen3.8 27Bhigh	8.4	Qwen	~$0.287	167.89s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 9.6 Доля успешных попыток 77.3% Нестабильные тесты 2 Входные токены 100,179 Выходные токены 904 Токены рассуждений 655,731 Время ответа (среднее) 167.89s Время ответа (суммарно) 3693.54s Время ответа (макс.) 640.85s Не соблюдены инструкции: 2 Нет ответа: 2 Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 8.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#83#83	Kimi K3max	7.9	Moonshot AI	$3.467	142.84s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 9.0 Доля успешных попыток 77.3% Нестабильные тесты 2 Входные токены 34,960 Выходные токены 2,887 Токены рассуждений 221,241 Время ответа (среднее) 142.84s Время ответа (суммарно) 2714.02s Время ответа (макс.) 766.58s Ошибка API: 2 Нет ответа: 2 Лишнее форматирование: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.5 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#95#95	Claude Opus 4.8low	7.8	Anthropic	$2.089	12.88s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 80.3% Нестабильные тесты 3 Входные токены 156,522 Выходные токены 43,056 Токены рассуждений 9,181 Время ответа (среднее) 12.88s Время ответа (суммарно) 283.32s Время ответа (макс.) 127.97s Неверный ответ: 4 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 6.6 Комбинированный : 9.9 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#119#119	Gemini 3.8 Flashlow	7.5	Google	$0.239	4.83s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 81.8% Нестабильные тесты 4 Входные токены 111,773 Выходные токены 8,035 Токены рассуждений 33,289 Время ответа (среднее) 4.83s Время ответа (суммарно) 106.18s Время ответа (макс.) 35.14s Неверный ответ: 5 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 5.4 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.8 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#128#128	Gemini 3 Flash Previewlow	7.4	Google	$0.185	6.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 75.8% Нестабильные тесты 2 Входные токены 123,687 Выходные токены 9,572 Токены рассуждений 31,204 Время ответа (среднее) 6.51s Время ответа (суммарно) 143.12s Время ответа (макс.) 17.13s Неверный ответ: 6 Анти-ИИ уловки : 10.0 Программирование : 5.8 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#24#24	Seed 2.1 Turbolow	9.1	Bytedance Seed	$1.546	163.90s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 80.3% Нестабильные тесты 2 Входные токены 104,464 Выходные токены 6,844 Токены рассуждений 590,392 Время ответа (среднее) 163.90s Время ответа (суммарно) 3605.87s Время ответа (макс.) 739.98s Неверный ответ: 3 Нет ответа: 2 Анти-ИИ уловки : 8.2 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#25#25	Qwen3.7 Maxmedium	9.1	Qwen	$1.157 ↓	44.32s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 86.4% Нестабильные тесты 3 Входные токены 106,029 Выходные токены 5,748 Токены рассуждений 220,354 Время ответа (среднее) 44.32s Время ответа (суммарно) 975.11s Время ответа (макс.) 556.06s Неверный ответ: 4 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#29#29	Qwen3.8 Maxmedium	9.0	Qwen	$0.771	23.34s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 80.3% Нестабильные тесты 1 Входные токены 109,055 Выходные токены 6,566 Токены рассуждений 85,481 Время ответа (среднее) 23.34s Время ответа (суммарно) 513.47s Время ответа (макс.) 126.60s Неверный ответ: 4 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 8.7 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

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