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)
#11#11	Gemini 3.5 Flashhigh	9.4	Google	$2.011	15.46s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 89.4% Нестабильные тесты 2 Входные токены 107,146 Выходные токены 8,777 Токены рассуждений 196,705 Время ответа (среднее) 15.46s Время ответа (суммарно) 340.20s Время ответа (макс.) 145.92s Неверный ответ: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 9.8 Эрудиция : 10.0
#14#14	GPT-6 Astramedium	9.4	OpenAI	$1.774	8.08s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 3 Надежность 9.9 Доля успешных попыток 90.9% Нестабильные тесты 2 Входные токены 79,264 Выходные токены 4,789 Токены рассуждений 14,838 Время ответа (среднее) 8.08s Время ответа (суммарно) 177.70s Время ответа (макс.) 73.48s Неверный ответ: 3 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 : 10.0 Вызов инструментов : 10.0 Эрудиция : 2.8
#16#16	GPT-5.5low	9.3	OpenAI	$1.257	10.15s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 86.4% Нестабильные тесты 0 Входные токены 80,067 Выходные токены 5,378 Токены рассуждений 23,162 Время ответа (среднее) 10.15s Время ответа (суммарно) 223.24s Время ответа (макс.) 56.19s Неверный ответ: 3 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 : 9.9 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#17#17	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
#22#22	Gemini 3.8 Flashmedium	9.1	Google	$0.653	14.50s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 92.4% Нестабильные тесты 2 Входные токены 95,793 Выходные токены 7,066 Токены рассуждений 147,842 Время ответа (среднее) 14.50s Время ответа (суммарно) 318.92s Время ответа (макс.) 108.60s Неверный ответ: 2 Недопустимый вызов инструмента: 1 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
#26#26	Claude Fable 5.1high	9.0	Anthropic	$3.364	13.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 89.4% Нестабильные тесты 1 Входные токены 135,958 Выходные токены 7,930 Токены рассуждений 32,141 Время ответа (среднее) 13.59s Время ответа (суммарно) 298.90s Время ответа (макс.) 40.17s Неверный ответ: 3 Анти-ИИ уловки : 10.0 Программирование : 8.4 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
#6#6	Gemini 3.7 Flashhigh	9.8	Google	$0.646 ↑	12.22s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 95.5% Нестабильные тесты 2 Входные токены 86,712 Выходные токены 6,017 Токены рассуждений 148,829 Время ответа (среднее) 12.22s Время ответа (суммарно) 268.78s Время ответа (макс.) 91.63s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 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
#7#7	Gemini 3.6 Flashmedium	9.8	Google	$0.427 ↓	11.86s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 95.5% Нестабильные тесты 2 Входные токены 64,446 Выходные токены 1,974 Токены рассуждений 98,902 Время ответа (среднее) 11.86s Время ответа (суммарно) 260.96s Время ответа (макс.) 77.15s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 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
#9#9	GPT-6 Astralow	9.5	OpenAI	$1.289	5.09s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 9.9 Доля успешных попыток 90.9% Нестабильные тесты 0 Входные токены 78,100 Выходные токены 4,155 Токены рассуждений 5,989 Время ответа (среднее) 5.09s Время ответа (суммарно) 112.04s Время ответа (макс.) 28.60s Неверный ответ: 2 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 : 3.0
#10#10	Gemini 3 Flash Previewmedium	9.5	Google	$0.763	19.86s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 93.9% Нестабильные тесты 1 Входные токены 87,870 Выходные токены 5,486 Токены рассуждений 234,122 Время ответа (среднее) 19.86s Время ответа (суммарно) 436.88s Время ответа (макс.) 117.26s Неверный ответ: 2 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
#12#12	Gemini 3.7 Flashmedium	9.4	Google	$0.309 ↑	5.87s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 93.9% Нестабильные тесты 1 Входные токены 89,055 Выходные токены 5,697 Токены рассуждений 58,880 Время ответа (среднее) 5.87s Время ответа (суммарно) 129.20s Время ответа (макс.) 30.23s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 8.4 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
#18#18	Gemini 3.1 Pro Previewmedium	9.2	Google	$1.352	20.62s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 90.9% Нестабильные тесты 0 Входные токены 92,296 Выходные токены 5,232 Токены рассуждений 92,006 Время ответа (среднее) 20.62s Время ответа (суммарно) 329.94s Время ответа (макс.) 88.68s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 7.9 Комбинированный : 9.8 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 : 10.0
#19#19	Gemini 3.7 Flashlow	9.2	Google	$0.207 ↑	3.85s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 95.5% Нестабильные тесты 2 Входные токены 90,322 Выходные токены 6,294 Токены рассуждений 30,759 Время ответа (среднее) 3.85s Время ответа (суммарно) 84.80s Время ответа (макс.) 19.44s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 7.6 Комбинированный : 10.0 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
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.699 ↓	16.81s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 1 Надежность 10.0 Доля успешных попыток 98.5% Нестабильные тесты 1 Входные токены 71,470 Выходные токены 3,276 Токены рассуждений 168,709 Время ответа (среднее) 16.81s Время ответа (суммарно) 369.88s Время ответа (макс.) 104.15s Неверный ответ: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 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
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.595	37.19s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 1 Надежность 10.0 Доля успешных попыток 98.5% Нестабильные тесты 1 Входные токены 84,593 Выходные токены 10,517 Токены рассуждений 397,671 Время ответа (среднее) 37.19s Время ответа (суммарно) 818.19s Время ответа (макс.) 177.08s Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 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
#3🥉 #3	GPT-6 Astramax	9.9	OpenAI	$3.803	61.27s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 1 Надежность 9.5 Доля успешных попыток 95.5% Нестабильные тесты 0 Входные токены 79,058 Выходные токены 4,853 Токены рассуждений 55,377 Время ответа (среднее) 61.27s Время ответа (суммарно) 1347.96s Время ответа (макс.) 960.01s Тайм-аут: 1 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 : 10.0
#4#4	GPT-6 Astrahigh	9.9	OpenAI	$3.474	18.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 1 Надежность 9.9 Доля успешных попыток 97.0% Нестабильные тесты 1 Входные токены 79,290 Выходные токены 4,847 Токены рассуждений 48,775 Время ответа (среднее) 18.65s Время ответа (суммарно) 410.28s Время ответа (макс.) 254.93s Неверный ответ: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.6 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#5#5	GPT-6 Astraxhigh	9.9	OpenAI	$5.156	28.44s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 1 Надежность 9.9 Доля успешных попыток 97.0% Нестабильные тесты 1 Входные токены 79,662 Выходные токены 5,055 Токены рассуждений 82,128 Время ответа (среднее) 28.44s Время ответа (суммарно) 625.68s Время ответа (макс.) 381.11s Неверный ответ: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.6 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0

←

1 13 14

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