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)
#30#30	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
#31#31	Qwen3.8 Max (0902)high	8.9	Qwen	$2.736	185.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 9.8 Доля успешных попыток 86.4% Нестабильные тесты 3 Входные токены 109,226 Выходные токены 6,890 Токены рассуждений 412,553 Время ответа (среднее) 185.56s Время ответа (суммарно) 4082.41s Время ответа (макс.) 912.78s Неверный ответ: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 6.5 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#37#37	Qwen3.8 Max (0902)medium	8.8	Qwen	$0.677	26.01s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 2 Входные токены 96,323 Выходные токены 5,961 Токены рассуждений 74,717 Время ответа (среднее) 26.01s Время ответа (суммарно) 572.19s Время ответа (макс.) 168.09s Неверный ответ: 5 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 10.0 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
#38#38	Muse Spark 1.3medium	8.8	Meta	$1.469	38.57s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 84.9% Нестабильные тесты 3 Входные токены 89,177 Выходные токены 11,044 Токены рассуждений 308,220 Время ответа (среднее) 38.57s Время ответа (суммарно) 848.59s Время ответа (макс.) 219.77s Неверный ответ: 4 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 9.6 Эрудиция : 3.0
#39#39	Gemini 3.5 Flash Litehigh	8.8	Google	$0.540	10.05s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 2 Входные токены 93,046 Выходные токены 5,884 Токены рассуждений 198,741 Время ответа (среднее) 10.05s Время ответа (суммарно) 221.06s Время ответа (макс.) 36.22s Неверный ответ: 5 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 9.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#40#40	Claude Opus 4.8medium	8.8	Anthropic	$1.983	12.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 2 Входные токены 138,448 Выходные токены 40,765 Токены рассуждений 11,162 Время ответа (среднее) 12.97s Время ответа (суммарно) 285.29s Время ответа (макс.) 70.54s Неверный ответ: 4 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 9.9 Парсинг и извлечение данных : 7.1 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#48#48	Claude Fable 5medium	8.6	Anthropic	$3.004	15.01s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 78.8% Нестабильные тесты 1 Входные токены 89,640 Выходные токены 33,092 Токены рассуждений 9,054 Время ответа (среднее) 15.01s Время ответа (суммарно) 330.15s Время ответа (макс.) 80.80s Нет ответа: 3 Недопустимый вызов инструмента: 1 Неверный ответ: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#49#49	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 2 Входные токены 79,249 Выходные токены 5,097 Токены рассуждений 165,276 Время ответа (среднее) 66.52s Время ответа (суммарно) 1463.50s Время ответа (макс.) 238.07s Неверный ответ: 4 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 8.8 Комбинированный : 7.3 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
#55#55	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
#223#223	Grok 4.20 Betamedium	6.0	X AI	$0.750 ↑	9.75s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 4 Надежность Н/Д Доля успешных попыток 66.7% 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 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
#274#274	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
#8#8	GPT-5.6 Sollow	9.5	OpenAI	$0.357 ↓	9.04s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 86.4% Нестабильные тесты 2 Входные токены 78,580 Выходные токены 4,476 Токены рассуждений 15,470 Время ответа (среднее) 9.04s Время ответа (суммарно) 198.97s Время ответа (макс.) 53.91s Неверный ответ: 4 Анти-ИИ уловки : 8.3 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 10.0
#13#13	GPT-5.6 Solmedium	9.4	OpenAI	$0.508 ↓	12.63s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 90.9% Нестабильные тесты 3 Входные токены 79,006 Выходные токены 4,696 Токены рассуждений 30,281 Время ответа (среднее) 12.63s Время ответа (суммарно) 277.88s Время ответа (макс.) 79.40s Неверный ответ: 4 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 4.7
#15#15	GPT-5.6 Solhigh	9.4	OpenAI	$0.446 ↓	11.48s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 89.4% Нестабильные тесты 3 Входные токены 79,258 Выходные токены 4,855 Токены рассуждений 23,853 Время ответа (среднее) 11.48s Время ответа (суммарно) 252.62s Время ответа (макс.) 54.79s Неверный ответ: 4 Анти-ИИ уловки : 8.7 Программирование : 10.0 Комбинированный : 10.0 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 : 4.7
#20#20	Claude Opus 5high	9.2	Anthropic	$3.070	22.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 81.8% Нестабильные тесты 0 Входные токены 135,956 Выходные токены 64,624 Токены рассуждений 30,959 Время ответа (среднее) 22.51s Время ответа (суммарно) 495.12s Время ответа (макс.) 159.01s Неверный ответ: 2 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 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
#21#21	Claude Opus 5medium	9.2	Anthropic	$1.586	10.26s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 1 Входные токены 135,604 Выходные токены 23,814 Токены рассуждений 12,804 Время ответа (среднее) 10.26s Время ответа (суммарно) 225.66s Время ответа (макс.) 35.43s Неверный ответ: 3 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 : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#23#23	Qwen3.8 Max (0902)low	9.1	Qwen	$0.664	24.21s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 86.4% Нестабильные тесты 2 Входные токены 103,954 Выходные токены 6,322 Токены рассуждений 69,543 Время ответа (среднее) 24.21s Время ответа (суммарно) 532.62s Время ответа (макс.) 207.79s Неверный ответ: 4 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#27#27	Gemini 3.5 Flashmedium	9.0	Google	$0.665	8.48s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 1 Входные токены 69,756 Выходные токены 2,166 Токены рассуждений 60,007 Время ответа (среднее) 8.48s Время ответа (суммарно) 186.57s Время ответа (макс.) 76.68s Неверный ответ: 3 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 7.9 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 10.0
#28#28	GPT-5.5medium	9.0	OpenAI	$4.163	38.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 87.9% Нестабильные тесты 3 Входные токены 80,668 Выходные токены 5,617 Токены рассуждений 119,699 Время ответа (среднее) 38.97s Время ответа (суммарно) 857.43s Время ответа (макс.) 332.10s Неверный ответ: 4 Анти-ИИ уловки : 10.0 Программирование : 8.8 Комбинированный : 10.0 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 : 2.8
#34#34	Paretonone	8.9	Unbiased	$1.172	31.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 86.4% Нестабильные тесты 2 Входные токены 110,734 Выходные токены 119,230 Токены рассуждений 0 Время ответа (среднее) 31.51s Время ответа (суммарно) 693.29s Время ответа (макс.) 143.33s Неверный ответ: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 7.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 2.8
#36#36	Gemini 3.5 Flashlow	8.8	Google	$0.449	5.76s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 84.9% Нестабильные тесты 2 Входные токены 87,826 Выходные токены 2,239 Токены рассуждений 32,956 Время ответа (среднее) 5.76s Время ответа (суммарно) 126.71s Время ответа (макс.) 53.55s Неверный ответ: 3 Недопустимый вызов инструмента: 1 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
#41#41	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 1 Входные токены 134,770 Выходные токены 13,604 Токены рассуждений 4,388 Время ответа (среднее) 6.99s Время ответа (суммарно) 153.80s Время ответа (макс.) 30.67s Неверный ответ: 4 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 10.0 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
#42#42	Gemini 3.6 Flashlow	8.7	Google	$0.251 ↓	4.92s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 89.4% Нестабильные тесты 3 Входные токены 85,886 Выходные токены 5,489 Токены рассуждений 44,232 Время ответа (среднее) 4.92s Время ответа (суммарно) 108.28s Время ответа (макс.) 30.83s Неверный ответ: 4 Анти-ИИ уловки : 8.7 Программирование : 7.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#44#44	Claude Opus 4.7medium	8.7	Anthropic	$1.476	7.62s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 1 Входные токены 145,249 Выходные токены 24,948 Токены рассуждений 5,042 Время ответа (среднее) 7.62s Время ответа (суммарно) 159.94s Время ответа (макс.) 65.40s Неверный ответ: 3 Тайм-аут: 1 Анти-ИИ уловки : 8.3 Программирование : 7.6 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 : 3.0
#180#180	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 72.7% Нестабильные тесты 0 Входные токены 69,576 Выходные токены 6,265 Токены рассуждений 0 Время ответа (среднее) 3.02s Время ответа (суммарно) 57.44s Время ответа (макс.) 18.27s Неверный ответ: 3 Анти-ИИ уловки : 8.3 Программирование : 3.3 Комбинированный : 4.8 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

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