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)
#20#20	GPT-5.6 Solmedium	9.5	OpenAI	$1.700	14.57s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 91.3% Нестабильные тесты 3 Входные токены 191,341 Выходные токены 5,665 Токены рассуждений 32,340 Время ответа (среднее) 14.57s Время ответа (суммарно) 335.16s Время ответа (макс.) 79.40s Неверный ответ: 4 Агентные задачи : 10.0 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
#47#47	Muse Spark 1.3medium	9.0	Meta	$1.712	39.83s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 85.5% Нестабильные тесты 3 Входные токены 250,676 Выходные токены 13,511 Токены рассуждений 315,400 Время ответа (среднее) 39.83s Время ответа (суммарно) 916.20s Время ответа (макс.) 219.77s Неверный ответ: 4 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 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
#24#24	Claude Opus 5.5low	9.4	Anthropic	$1.733	25.68s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 88.4% Нестабильные тесты 2 Входные токены 308,056 Выходные токены 9,434 Токены рассуждений 15,572 Время ответа (среднее) 25.68s Время ответа (суммарно) 590.71s Время ответа (макс.) 89.16s Неверный ответ: 2 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 10.0 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 : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#265#265	Gemini 3.5 Flashnone	6.1	Google	$1.752	14.13s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 4 Входные токены 246,061 Выходные токены 3,828 Токены рассуждений 149,767 Время ответа (среднее) 14.13s Время ответа (суммарно) 268.55s Время ответа (макс.) 85.26s Ошибка API: 4 Неверный ответ: 4 Недопустимый вызов инструмента: 1 Агентные задачи : 2.8 Анти-ИИ уловки : 10.0 Программирование : 8.8 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 2.8
#30#30	Muse Spark Openhigh	9.2	Meta	$1.782	151.96s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 9.4 Доля успешных попыток 76.8% Нестабильные тесты 1 Входные токены 270,889 Выходные токены 10,688 Токены рассуждений 328,857 Время ответа (среднее) 151.96s Время ответа (суммарно) 3495.01s Время ответа (макс.) 960.01s Тайм-аут: 2 Неверный ответ: 2 Ошибка API: 1 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 7.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#17#17	Gemini 4 Argonhigh	9.5	Google	$1.802	19.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 9.9 Доля успешных попыток 97.1% Нестабильные тесты 2 Входные токены 240,264 Выходные токены 5,707 Токены рассуждений 126,366 Время ответа (среднее) 19.03s Время ответа (суммарно) 437.77s Время ответа (макс.) 82.53s Ошибка API: 1 Неверный ответ: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 7.3 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
#31#31	Claude Opus 5.5medium	9.2	Anthropic	$1.804	25.85s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 89.9% Нестабильные тесты 1 Входные токены 290,117 Выходные токены 9,805 Токены рассуждений 22,322 Время ответа (среднее) 25.85s Время ответа (суммарно) 594.63s Время ответа (макс.) 90.20s Неверный ответ: 2 Нет ответа: 1 Агентные задачи : 10.0 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
#23#23	GPT-5.5low	9.5	OpenAI	$1.822	11.91s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 87.0% Нестабильные тесты 0 Входные токены 177,939 Выходные токены 6,283 Токены рассуждений 24,782 Время ответа (среднее) 11.91s Время ответа (суммарно) 273.82s Время ответа (макс.) 56.19s Неверный ответ: 3 Агентные задачи : 10.0 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
#317#317	Hy4 previewlow	5.4	Tencent	$1.844	207.21s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 20 Надежность 6.5 Доля успешных попыток 21.7% Нестабильные тесты 4 Входные токены 162,180 Выходные токены 5,030 Токены рассуждений 682,447 Время ответа (среднее) 207.21s Время ответа (суммарно) 4765.91s Время ответа (макс.) 597.45s Неверный ответ: 13 Ошибка API: 5 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 4.7 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
#58#58	Pareto 26.9default	8.9	Unbiased	$1.864	28.26s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 79.7% Нестабильные тесты 6 Входные токены 218,199 Выходные токены 175,696 Токены рассуждений 0 Время ответа (среднее) 28.26s Время ответа (суммарно) 649.90s Время ответа (макс.) 151.76s Неверный ответ: 6 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 7.5 Программирование : 10.0 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 6.5 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 2.8
#39#39	Muse Spark 1.3high	9.1	Meta	$1.891	52.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 78.3% Нестабильные тесты 2 Входные токены 257,320 Выходные токены 14,459 Токены рассуждений 354,683 Время ответа (среднее) 52.87s Время ответа (суммарно) 1216.04s Время ответа (макс.) 251.53s Неверный ответ: 3 Не соблюдены инструкции: 2 Нет ответа: 1 Агентные задачи : 10.0 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
#42#42	Seed 2.1 Turbohigh	9.1	Bytedance Seed	$1.892	170.52s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 79.7% Нестабильные тесты 3 Входные токены 246,954 Выходные токены 8,378 Токены рассуждений 698,942 Время ответа (среднее) 170.52s Время ответа (суммарно) 3922.04s Время ответа (макс.) 584.71s Неверный ответ: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 10.0 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
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.927	40.60s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 1 Надежность 10.0 Доля успешных попыток 98.6% Нестабильные тесты 1 Входные токены 334,568 Выходные токены 11,394 Токены рассуждений 435,334 Время ответа (среднее) 40.60s Время ответа (суммарно) 933.73s Время ответа (макс.) 177.08s Нет ответа: 1 Агентные задачи : 10.0 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
#153#153	Grok 4.7low	7.4	X AI	$1.933	63.19s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 73.9% Нестабильные тесты 5 Входные токены 365,119 Выходные токены 8,118 Токены рассуждений 247,211 Время ответа (среднее) 63.19s Время ответа (суммарно) 1453.28s Время ответа (макс.) 389.63s Неверный ответ: 6 Нет ответа: 2 Не соблюдены инструкции: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 8.4 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#54#54	Muse Spark 1.2high	8.9	Meta	$2.018	28.15s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 9.9 Доля успешных попыток 75.4% Нестабильные тесты 5 Входные токены 277,967 Выходные токены 9,240 Токены рассуждений 383,606 Время ответа (среднее) 28.15s Время ответа (суммарно) 647.40s Время ответа (макс.) 192.00s Неверный ответ: 4 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 7.1 Программирование : 10.0 Комбинированный : 8.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#68#68	Seed 2.1 Turbomedium	8.7	Bytedance Seed	$2.042	189.13s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 79.7% Нестабильные тесты 5 Входные токены 234,572 Выходные токены 8,019 Токены рассуждений 761,563 Время ответа (среднее) 189.13s Время ответа (суммарно) 4349.92s Время ответа (макс.) 885.33s Неверный ответ: 5 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 10.0 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
#366#366	Gemini 3.1 Flash Litehigh	4.6	Google	$2.044	61.96s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 53.6% Нестабильные тесты 4 Входные токены 29,134 Выходные токены 1,984 Токены рассуждений 1,355,583 Время ответа (среднее) 61.96s Время ответа (суммарно) 1115.31s Время ответа (макс.) 149.23s Неверный ответ: 4 Не соблюдены инструкции: 3 Нет ответа: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 8.7 Программирование : 3.3 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 7.3 Решение головоломок : 5.7 Вызов инструментов : 10.0 Эрудиция : 0.0
#44#44	Muse Spark Openxhigh	9.0	Meta	$2.081	92.38s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 9.6 Доля успешных попыток 81.2% Нестабильные тесты 5 Входные токены 271,242 Выходные токены 11,803 Токены рассуждений 397,838 Время ответа (среднее) 92.38s Время ответа (суммарно) 2124.67s Время ответа (макс.) 482.30s Ошибка API: 2 Неверный ответ: 2 Лишнее форматирование: 1 Нет ответа: 1 Тайм-аут: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#236#236	Claude Sonnet 4.6medium	6.4	Anthropic	$2.126	28.08s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 62.3% Нестабильные тесты 1 Входные токены 106,316 Выходные токены 79,338 Токены рассуждений 41,089 Время ответа (среднее) 28.08s Время ответа (суммарно) 421.15s Время ответа (макс.) 140.96s Неверный ответ: 4 Лишнее форматирование: 3 Тайм-аут: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 6.5 Программирование : 5.7 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
#25#25	Claude Opus 5.5high	9.4	Anthropic	$2.133	27.55s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 87.0% Нестабильные тесты 2 Входные токены 319,095 Выходные токены 10,371 Токены рассуждений 32,411 Время ответа (среднее) 27.55s Время ответа (суммарно) 633.73s Время ответа (макс.) 95.95s Неверный ответ: 2 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 10.0 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 : 10.0 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#14#14	GPT-6 Astralow	9.6	OpenAI	$2.160	7.01s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 9.9 Доля успешных попыток 91.3% Нестабильные тесты 0 Входные токены 159,023 Выходные токены 4,935 Токены рассуждений 6,454 Время ответа (среднее) 7.01s Время ответа (суммарно) 161.20s Время ответа (макс.) 49.16s 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 : 3.0
#60#60	GPT-5.4medium	8.8	OpenAI	$2.213 ↑	24.81s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 78.3% Нестабильные тесты 4 Входные токены 223,210 Выходные токены 7,312 Токены рассуждений 89,190 Время ответа (среднее) 24.81s Время ответа (суммарно) 570.60s Время ответа (макс.) 100.41s Неверный ответ: 5 Не соблюдены инструкции: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 8.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.7 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#127#127	Grok 4.6medium	7.8	X AI	$2.270	74.77s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 78.3% Нестабильные тесты 4 Входные токены 336,351 Выходные токены 6,180 Токены рассуждений 260,017 Время ответа (среднее) 74.77s Время ответа (суммарно) 1719.73s Время ответа (макс.) 514.35s Неверный ответ: 6 Не соблюдены инструкции: 1 Агентные задачи : 5.0 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
#383#383	Gemini 3.1 Flash Lite Previewhigh	4.3	Google	$2.310	68.14s
Открыть карточку модели Всего тестов 16 Ошибочных тестов 3 Надежность Н/Д Доля успешных попыток 56.5% 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 Агентные задачи : 0.0 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
#195#195	Claude Opus 4.8none	6.9	Anthropic	$2.334	7.54s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 2 Входные токены 345,059 Выходные токены 24,343 Токены рассуждений 0 Время ответа (среднее) 7.54s Время ответа (суммарно) 173.31s Время ответа (макс.) 65.07s Неверный ответ: 5 Лишнее форматирование: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 9.8 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.7 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 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