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)
#211#211	North Mini Codemedium	5.7	Cohere	$0.000	141.99s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 8.5 Доля успешных попыток 43.9% Нестабильные тесты 4 Входные токены 81,742 Выходные токены 423,884 Токены рассуждений 1,340,907 Время ответа (среднее) 141.99s Время ответа (суммарно) 3123.87s Время ответа (макс.) 786.72s Неверный ответ: 9 Лишнее форматирование: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.4 Программирование : 4.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 3.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#66#66	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
#104#104	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 59.1% Нестабильные тесты 2 Входные токены 97,324 Выходные токены 44,383 Токены рассуждений 346,490 Время ответа (среднее) 143.55s Время ответа (суммарно) 3158.11s Время ответа (макс.) 939.52s Неверный ответ: 7 Ошибка API: 1 Нет ответа: 1 Тайм-аут: 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
#155#155	LongCat 2.0high	6.7	Meituan	$0.492	153.29s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 51.5% Нестабильные тесты 4 Входные токены 93,411 Выходные токены 30,470 Токены рассуждений 356,172 Время ответа (среднее) 153.29s Время ответа (суммарно) 3372.36s Время ответа (макс.) 941.66s Неверный ответ: 7 Не соблюдены инструкции: 2 Нет ответа: 2 Тайм-аут: 2 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
#18#18	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
#49#49	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
#29#29	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
#202#202	Step 3.5 Flashmedium	5.9	Stepfun	$0.132 ↑	191.63s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 50.0% Нестабильные тесты 2 Входные токены 65,716 Выходные токены 189,424 Токены рассуждений 379,112 Время ответа (среднее) 191.63s Время ответа (суммарно) 3066.07s Время ответа (макс.) 1597.85s Неверный ответ: 5 Не соблюдены инструкции: 3 Ошибка API: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 2.4 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 5.5 Следование инструкциям : 8.3 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#50#50	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 78.8% Нестабильные тесты 5 Входные токены 104,433 Выходные токены 6,511 Токены рассуждений 752,680 Время ответа (среднее) 193.59s Время ответа (суммарно) 4258.98s Время ответа (макс.) 885.33s Неверный ответ: 5 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.2 Программирование : 8.2 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 9.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#228#228	Hy4 previewlow	5.6	Tencent	$1.745	214.25s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 5.4 Доля успешных попыток 19.7% Нестабильные тесты 3 Входные токены 45,154 Выходные токены 4,022 Токены рассуждений 678,516 Время ответа (среднее) 214.25s Время ответа (суммарно) 4713.56s Время ответа (макс.) 597.45s Ошибка API: 14 Неверный ответ: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 6.0 Программирование : 5.2 Комбинированный : 2.9 Парсинг и извлечение данных : 8.7 Предметно-ориентированное : 4.5 Общий интеллект : 7.5 Следование инструкциям : 9.8 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#282#282	Granite 4.2 8Bhigh	4.6	IBM Granite	$0.084	235.89s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 7.6 Доля успешных попыток 39.4% Нестабильные тесты 10 Входные токены 43,278 Выходные токены 181,083 Токены рассуждений 431,132 Время ответа (среднее) 235.89s Время ответа (суммарно) 5189.64s Время ответа (макс.) 685.87s Тайм-аут: 10 Неверный ответ: 6 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 6.9 Программирование : 3.8 Комбинированный : 5.0 Парсинг и извлечение данных : 3.8 Предметно-ориентированное : 2.9 Общий интеллект : 5.5 Следование инструкциям : 6.4 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0

←

1 12 13

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