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: 2026-10-17 Оценено моделей: 442

Рекомендуемые модели

GPT-6.1 Sol xhigh Интеллектуальная Доля успешных попыток 97.1% Тестов верно 22 / 23 Оценка 9.9/10 Gemini 3.7 Flash low Быстрая Время ответа (среднее) 6.24s Общее число выходных токенов 38,453 Оценка 9.4/10 GPT-6 Luna high Доступная Цена входа $0.100 / 1M Цена выхода $0.500 / 1M Цена чтения из кэша $0.010 / 1M Цена записи в кэш $0.125 / 1M Оценка 7.7/10

442/442

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#90#90	GPT-5.6 Terrahigh	8.3	OpenAI	$0.698 ↓	13.62s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.6% Нестабильные тесты 2 Входные токены 197,239 Выходные токены 6,083 Токены рассуждений 53,982 Время ответа (среднее) 13.62s Время ответа (суммарно) 313.21s Время ответа (макс.) 91.49s Неверный ответ: 7 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 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
#19#19	GPT-6 Solmedium	9.5	OpenAI	$0.703	12.12s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 94.2% Нестабильные тесты 1 Входные токены 194,520 Выходные токены 5,396 Токены рассуждений 25,991 Время ответа (среднее) 12.12s Время ответа (суммарно) 278.70s Время ответа (макс.) 82.74s Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 10.0 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 : 10.0
#245#245	Qwen3.5-35B-A3Bmedium	6.3	Qwen	$0.716 ↓	111.54s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 7 Входные токены 378,048 Выходные токены 56,477 Токены рассуждений 865,151 Время ответа (среднее) 111.54s Время ответа (суммарно) 2565.38s Время ответа (макс.) 950.25s Нет ответа: 3 Тайм-аут: 3 Неверный ответ: 3 Ошибка API: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 7.4 Анти-ИИ уловки : 10.0 Программирование : 5.9 Комбинированный : 3.8 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.5 Общий интеллект : 2.8 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#249#249	Gemini 3.1 Flash Litelow	6.3	Google	$0.717	19.02s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 2 Входные токены 312,368 Выходные токены 9,429 Токены рассуждений 416,147 Время ответа (среднее) 19.02s Время ответа (суммарно) 437.38s Время ответа (макс.) 318.02s Неверный ответ: 9 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 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
#248#248	Gemini 3.1 Flash Lite Previewlow	6.3	Google	$0.736	19.04s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 0 Входные токены 309,715 Выходные токены 16,170 Токены рассуждений 422,721 Время ответа (среднее) 19.04s Время ответа (суммарно) 437.98s Время ответа (макс.) 309.35s Неверный ответ: 7 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 3.0 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
#273#273	KAT-Coder-Pro V2.5default	6.1	Kwaipilot	$0.742 ↑	24.96s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 8 Входные токены 98,508 Выходные токены 8,088 Токены рассуждений 131,484 Время ответа (среднее) 24.96s Время ответа (суммарно) 574.12s Время ответа (макс.) 335.41s Неверный ответ: 10 Ошибка API: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 8.7 Программирование : 6.1 Комбинированный : 4.1 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 4.8 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#346#346	Grok 4.20 Betamedium	4.9	X AI	$0.750 ↑	9.75s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 4 Надежность Н/Д Доля успешных попыток 63.8% Нестабильные тесты 1 Входные токены 35,955 Выходные токены 1,647 Токены рассуждений 91,565 Время ответа (среднее) 9.75s Время ответа (суммарно) 175.48s Время ответа (макс.) 31.36s Неверный ответ: 3 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 8.7 Программирование : 3.3 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 0.0
#45#45	Gemini 3.5 Flashlow	9.0	Google	$0.752	7.85s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 85.5% Нестабильные тесты 2 Входные токены 244,533 Выходные токены 3,450 Токены рассуждений 39,280 Время ответа (среднее) 7.85s Время ответа (суммарно) 180.45s Время ответа (макс.) 53.74s Неверный ответ: 3 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 8.2 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
#12#12	GPT-6.1 Solhigh	9.6	OpenAI	$0.755	15.46s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 94.2% Нестабильные тесты 1 Входные токены 174,960 Выходные токены 5,780 Токены рассуждений 34,728 Время ответа (среднее) 15.46s Время ответа (суммарно) 355.66s Время ответа (макс.) 139.76s Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 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 : 4.7
#171#171	LongCat 2.0medium	7.2	Meituan	$0.767 ↑	144.88s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 59.4% Нестабильные тесты 3 Входные токены 287,669 Выходные токены 47,204 Токены рассуждений 375,030 Время ответа (среднее) 144.88s Время ответа (суммарно) 3332.19s Время ответа (макс.) 939.52s Неверный ответ: 8 Ошибка API: 1 Нет ответа: 1 Тайм-аут: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 7.3 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 6.5 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#111#111	Gemini 3.8 Flashmedium	8.0	Google	$0.769	16.64s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 9.9 Доля успешных попыток 89.9% Нестабильные тесты 3 Входные токены 187,331 Выходные токены 7,555 Токены рассуждений 159,931 Время ответа (среднее) 16.64s Время ответа (суммарно) 382.64s Время ответа (макс.) 108.60s Неверный ответ: 2 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 2.8 Анти-ИИ уловки : 10.0 Программирование : 8.0 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 8.2 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#162#162	LongCat 2.0high	7.3	Meituan	$0.778 ↑	151.67s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 53.6% Нестабильные тесты 4 Входные токены 275,080 Выходные токены 32,447 Токены рассуждений 372,188 Время ответа (среднее) 151.67s Время ответа (суммарно) 3488.43s Время ответа (макс.) 941.66s Неверный ответ: 7 Не соблюдены инструкции: 2 Нет ответа: 2 Тайм-аут: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 8.9 Программирование : 7.8 Комбинированный : 10.0 Парсинг и извлечение данных : 3.6 Предметно-ориентированное : 3.6 Общий интеллект : 5.1 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#187#187	Grok 4.6low	6.9	X AI	$0.781	16.44s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 1 Входные токены 263,427 Выходные токены 6,006 Токены рассуждений 36,309 Время ответа (среднее) 16.44s Время ответа (суммарно) 378.14s Время ответа (макс.) 57.97s Неверный ответ: 8 Агентные задачи : 5.0 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
#149#149	Qwen3.6 Flashmedium	7.4	Qwen	$0.783 ↓	45.45s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 5 Входные токены 258,760 Выходные токены 22,221 Токены рассуждений 630,059 Время ответа (среднее) 45.45s Время ответа (суммарно) 1045.45s Время ответа (макс.) 578.13s Неверный ответ: 8 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 5.0 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.8 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#320#320	Ember-1none	5.4	Fireworks	$0.786	22.65s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 8.8 Доля успешных попыток 43.5% Нестабильные тесты 4 Входные токены 202,617 Выходные токены 11,832 Токены рассуждений 0 Время ответа (среднее) 22.65s Время ответа (суммарно) 520.91s Время ответа (макс.) 93.12s Неверный ответ: 10 Ошибка API: 5 Агентные задачи : 6.1 Анти-ИИ уловки : 5.2 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.4 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.4 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#292#292	Trinity Large Thinkinghigh	5.7	Arcee AI	$0.794 ↑	74.52s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 42.0% Нестабильные тесты 8 Входные токены 283,116 Выходные токены 277,920 Токены рассуждений 665,124 Время ответа (среднее) 74.52s Время ответа (суммарно) 1713.90s Время ответа (макс.) 510.21s Неверный ответ: 10 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Нет ответа: 1 Агентные задачи : 10.0 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
#211#211	GPT-5.6 Solnone	6.7	OpenAI	$0.795	4.61s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 3 Входные токены 207,852 Выходные токены 5,555 Токены рассуждений 0 Время ответа (среднее) 4.61s Время ответа (суммарно) 105.93s Время ответа (макс.) 58.28s Неверный ответ: 10 Не соблюдены инструкции: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 6.5 Следование инструкциям : 8.5 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#234#234	Beam 1.0 501B A23Bmax	6.4	Reflection	$0.799	11.10s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 56.5% Нестабильные тесты 2 Входные токены 199,105 Выходные токены 4,274 Токены рассуждений 195,495 Время ответа (среднее) 11.10s Время ответа (суммарно) 255.26s Время ответа (макс.) 54.48s Неверный ответ: 6 Ошибка API: 3 Не соблюдены инструкции: 2 Агентные задачи : 3.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.5 Следование инструкциям : 8.4 Решение головоломок : 7.8 Вызов инструментов : 3.0 Эрудиция : 3.0
#223#223	Qwen3.6 35B A3Bmedium	6.5	Qwen	$0.834 ↑	59.92s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 58.0% Нестабильные тесты 3 Входные токены 282,192 Выходные токены 75,306 Токены рассуждений 700,868 Время ответа (среднее) 59.92s Время ответа (суммарно) 1258.32s Время ответа (макс.) 817.57s Неверный ответ: 6 Ошибка API: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 7.7 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.4 Следование инструкциям : 10.0 Решение головоломок : 8.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#237#237	Kimi K2.5medium	6.4	Moonshot AI	$0.841 ↑	125.76s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 9.6 Доля успешных попыток 60.9% Нестабильные тесты 8 Входные токены 292,271 Выходные токены 55,025 Токены рассуждений 186,071 Время ответа (среднее) 125.76s Время ответа (суммарно) 2137.84s Время ответа (макс.) 566.79s Неверный ответ: 5 Тайм-аут: 3 Не соблюдены инструкции: 2 Нет ответа: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 7.3 Программирование : 6.1 Комбинированный : 6.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#267#267	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.862	84.01s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 49.3% Нестабильные тесты 7 Входные токены 319,352 Выходные токены 158,447 Токены рассуждений 875,524 Время ответа (среднее) 84.01s Время ответа (суммарно) 1932.24s Время ответа (макс.) 525.14s Неверный ответ: 9 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Агентные задачи : 6.1 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
#15#15	Gemini 3 Flash Previewmedium	9.6	Google	$0.876	21.57s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 94.2% Нестабильные тесты 1 Входные токены 235,726 Выходные токены 6,669 Токены рассуждений 245,867 Время ответа (среднее) 21.57s Время ответа (суммарно) 496.12s Время ответа (макс.) 117.26s Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.6 Комбинированный : 10.0 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 : 10.0
#103#103	Seed-2.0-Codelow	8.1	Bytedance Seed	$0.881	73.02s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 8.9 Доля успешных попыток 78.3% Нестабильные тесты 6 Входные токены 237,604 Выходные токены 9,617 Токены рассуждений 244,190 Время ответа (среднее) 73.02s Время ответа (суммарно) 1679.49s Время ответа (макс.) 485.92s Неверный ответ: 7 Ошибка API: 1 Не соблюдены инструкции: 1 Агентные задачи : 10.0 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
#64#64	Muse Spark 1.2low	8.7	Meta	$0.881	11.81s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 78.3% Нестабильные тесты 3 Входные токены 254,914 Выходные токены 10,303 Токены рассуждений 121,928 Время ответа (среднее) 11.81s Время ответа (суммарно) 271.60s Время ответа (макс.) 56.77s Неверный ответ: 4 Не соблюдены инструкции: 3 Агентные задачи : 10.0 Анти-ИИ уловки : 9.2 Программирование : 8.4 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#71#71	Muse Spark 1.1low	8.6	Meta	$0.885	13.21s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 72.5% Нестабильные тесты 4 Входные токены 291,368 Выходные токены 13,469 Токены рассуждений 108,952 Время ответа (среднее) 13.21s Время ответа (суммарно) 303.92s Время ответа (макс.) 54.15s Неверный ответ: 5 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 7.9 Программирование : 10.0 Комбинированный : 6.6 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 7.3 Решение головоломок : 8.3 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 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