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)
#50#50	Claude Opus 5low	9.0	Anthropic	$2.350	9.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 84.1% Нестабильные тесты 1 Входные токены 352,845 Выходные токены 16,553 Токены рассуждений 7,007 Время ответа (среднее) 9.87s Время ответа (суммарно) 226.95s Время ответа (макс.) 73.15s Неверный ответ: 4 Агентные задачи : 10.0 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
#191#191	Ember-1high	6.9	Fireworks	$2.405	58.14s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 8.6 Доля успешных попыток 71.0% Нестабильные тесты 8 Входные токены 195,489 Выходные токены 12,475 Токены рассуждений 108,748 Время ответа (среднее) 58.14s Время ответа (суммарно) 1337.19s Время ответа (макс.) 255.06s Ошибка API: 7 Неверный ответ: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 8.7 Программирование : 8.2 Комбинированный : 6.4 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 7.1 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#87#87	Muse Spark 1.1high	8.4	Meta	$2.570	37.41s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 69.6% Нестабильные тесты 6 Входные токены 336,310 Выходные токены 10,838 Токены рассуждений 494,728 Время ответа (среднее) 37.41s Время ответа (суммарно) 860.39s Время ответа (макс.) 196.03s Неверный ответ: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Ошибка API: 1 Лишнее форматирование: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 7.5 Программирование : 10.0 Комбинированный : 5.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 7.8 Вызов инструментов : 9.6 Эрудиция : 3.0
#76#76	Grok 4.6high	8.5	X AI	$2.629	87.48s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 82.6% Нестабильные тесты 0 Входные токены 376,233 Выходные токены 6,687 Токены рассуждений 305,927 Время ответа (среднее) 87.48s Время ответа (суммарно) 2012.15s Время ответа (макс.) 618.49s Неверный ответ: 3 Нет ответа: 1 Агентные задачи : 5.0 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 : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#40#40	Muse Wonderlow	9.1	Meta	$2.637	16.00s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 9.7 Доля успешных попыток 76.8% Нестабильные тесты 1 Входные токены 244,997 Выходные токены 11,148 Токены рассуждений 71,699 Время ответа (среднее) 16.00s Время ответа (суммарно) 367.91s Время ответа (макс.) 83.98s Неверный ответ: 4 Ошибка API: 2 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 : 6.5 Решение головоломок : 5.9 Вызов инструментов : 9.8 Эрудиция : 3.0
#99#99	Grok 4.5high	8.2	X AI	$2.687 ↑	72.50s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 82.6% Нестабильные тесты 3 Входные токены 342,124 Выходные токены 7,135 Токены рассуждений 326,497 Время ответа (среднее) 72.50s Время ответа (суммарно) 1667.51s Время ответа (макс.) 676.83s Неверный ответ: 3 Нет ответа: 2 Не соблюдены инструкции: 1 Агентные задачи : 5.0 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
#21#21	GPT-6 Astramedium	9.5	OpenAI	$2.707	9.90s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 3 Надежность 9.9 Доля успешных попыток 91.3% Нестабильные тесты 2 Входные токены 165,464 Выходные токены 5,591 Токены рассуждений 15,454 Время ответа (среднее) 9.90s Время ответа (суммарно) 227.67s Время ответа (макс.) 73.48s 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 : 5.9 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 2.8
#92#92	Gemini 3.5 Flashhigh	8.3	Google	$2.737	18.59s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 85.5% Нестабильные тесты 2 Входные токены 348,103 Выходные токены 11,045 Токены рассуждений 234,967 Время ответа (среднее) 18.59s Время ответа (суммарно) 427.52s Время ответа (макс.) 145.92s Недопустимый вызов инструмента: 2 Неверный ответ: 2 Агентные задачи : 3.4 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
#175#175	Claude Opus 5none	7.1	Anthropic	$2.766	10.78s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 55.1% Нестабильные тесты 1 Входные токены 396,120 Выходные токены 31,386 Токены рассуждений 0 Время ответа (среднее) 10.78s Время ответа (суммарно) 247.96s Время ответа (макс.) 79.61s Неверный ответ: 7 Лишнее форматирование: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.4 Анти-ИИ уловки : 5.5 Программирование : 5.9 Комбинированный : 8.3 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
#28#28	Claude Opus 5medium	9.4	Anthropic	$2.870	13.24s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 84.1% Нестабильные тесты 1 Входные токены 356,605 Выходные токены 26,715 Токены рассуждений 17,041 Время ответа (среднее) 13.24s Время ответа (суммарно) 304.46s Время ответа (макс.) 78.80s Неверный ответ: 3 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 : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#160#160	Grok 4.7medium	7.3	X AI	$2.938	117.65s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 9.8 Доля успешных попыток 78.3% Нестабильные тесты 5 Входные токены 326,066 Выходные токены 5,726 Токены рассуждений 469,019 Время ответа (среднее) 117.65s Время ответа (суммарно) 2706.03s Время ответа (макс.) 660.89s Неверный ответ: 5 Нет ответа: 2 Не соблюдены инструкции: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 10.0 Программирование : 6.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.4 Следование инструкциям : 8.4 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#120#120	Qwen3.8 2.4T A95Bhigh	7.9	Qwen	$2.949 ↑	120.88s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 9.6 Доля успешных попыток 75.4% Нестабильные тесты 4 Входные токены 295,642 Выходные токены 115,041 Токены рассуждений 353,398 Время ответа (среднее) 120.88s Время ответа (суммарно) 2780.16s Время ответа (макс.) 532.28s Неверный ответ: 4 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 5.9 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#253#253	Claude Opus 4.6medium	6.3	Anthropic	$2.961	32.23s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 3 Входные токены 108,573 Выходные токены 69,994 Токены рассуждений 26,728 Время ответа (среднее) 32.23s Время ответа (суммарно) 515.65s Время ответа (макс.) 151.51s Лишнее форматирование: 4 Неверный ответ: 4 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 6.4 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 : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#124#124	Grok 4.5medium	7.8	X AI	$2.996 ↑	68.44s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 79.7% Нестабильные тесты 3 Входные токены 308,369 Выходные токены 7,013 Токены рассуждений 299,031 Время ответа (среднее) 68.44s Время ответа (суммарно) 1574.14s Время ответа (макс.) 436.38s Неверный ответ: 6 Агентные задачи : 5.0 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
#207#207	Grok 4.7high	6.7	X AI	$3.037	122.19s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 9.6 Доля успешных попыток 72.5% Нестабильные тесты 7 Входные токены 329,276 Выходные токены 8,172 Токены рассуждений 479,012 Время ответа (среднее) 122.19s Время ответа (суммарно) 2810.40s Время ответа (макс.) 573.57s Нет ответа: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Неверный ответ: 2 Ошибка API: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 8.7 Программирование : 6.0 Комбинированный : 8.6 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 8.4 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#159#159	Claude Fable 5.1medium	7.3	Anthropic	$3.197	11.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 78.3% Нестабильные тесты 6 Входные токены 157,142 Выходные токены 8,149 Токены рассуждений 24,357 Время ответа (среднее) 11.87s Время ответа (суммарно) 272.91s Время ответа (макс.) 36.59s Неверный ответ: 3 Нет ответа: 2 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 8.2 Программирование : 7.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 7.3 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 2.8
#209#209	Ember-1max	6.7	Fireworks	$3.264	97.34s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 8.3 Доля успешных попыток 59.4% Нестабильные тесты 6 Входные токены 153,399 Выходные токены 7,803 Токены рассуждений 179,098 Время ответа (среднее) 97.34s Время ответа (суммарно) 2238.73s Время ответа (макс.) 587.08s Ошибка API: 8 Неверный ответ: 3 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 5.2 Комбинированный : 6.5 Парсинг и извлечение данных : 6.4 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 6.2 Решение головоломок : 7.7 Вызов инструментов : 3.0 Эрудиция : 3.0
#36#36	Qwen3.8 Max (0902)high	9.1	Qwen	$3.306	186.06s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 9.8 Доля успешных попыток 87.0% Нестабильные тесты 3 Входные токены 328,637 Выходные токены 8,619 Токены рассуждений 432,733 Время ответа (среднее) 186.06s Время ответа (суммарно) 4279.49s Время ответа (макс.) 912.78s Неверный ответ: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 10.0 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
#264#264	Claude Fable 5.1low	6.2	Anthropic	$3.395	11.40s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 55.1% Нестабильные тесты 3 Входные токены 209,116 Выходные токены 10,031 Токены рассуждений 16,042 Время ответа (среднее) 11.40s Время ответа (суммарно) 262.14s Время ответа (макс.) 34.77s Лишнее форматирование: 4 Неверный ответ: 4 Не соблюдены инструкции: 3 Ошибка API: 1 Агентные задачи : 2.8 Анти-ИИ уловки : 6.5 Программирование : 3.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#32#32	Muse Wondermedium	9.2	Meta	$3.397	21.58s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 9.1 Доля успешных попыток 76.8% Нестабильные тесты 1 Входные токены 241,489 Выходные токены 11,575 Токены рассуждений 109,971 Время ответа (среднее) 21.58s Время ответа (суммарно) 496.40s Время ответа (макс.) 162.73s Ошибка API: 4 Неверный ответ: 2 Агентные задачи : 10.0 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 : 6.6 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 4.7
#203#203	Grok 4.7xhigh	6.7	X AI	$3.398	123.96s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 9.7 Доля успешных попыток 73.9% Нестабильные тесты 6 Входные токены 310,049 Выходные токены 6,094 Токены рассуждений 566,221 Время ответа (среднее) 123.96s Время ответа (суммарно) 2851.07s Время ответа (макс.) 775.64s Нет ответа: 4 Неверный ответ: 3 Ошибка API: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 8.7 Программирование : 5.3 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.7 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#93#93	Kimi K3max	8.3	Moonshot AI	$3.409 ↓	139.41s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 9.3 Доля успешных попыток 78.3% Нестабильные тесты 2 Входные токены 170,700 Выходные токены 7,719 Токены рассуждений 225,608 Время ответа (среднее) 139.41s Время ответа (суммарно) 2788.26s Время ответа (макс.) 766.58s Ошибка API: 2 Нет ответа: 2 Лишнее форматирование: 1 Тайм-аут: 1 Агентные задачи : 10.0 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
#131#131	Muse Wonderhigh	7.7	Meta	$3.426	22.96s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 9.3 Доля успешных попыток 66.7% Нестабильные тесты 1 Входные токены 94,153 Выходные токены 9,606 Токены рассуждений 142,834 Время ответа (среднее) 22.96s Время ответа (суммарно) 528.08s Время ответа (макс.) 143.21s Ошибка API: 6 Неверный ответ: 2 Агентные задачи : 3.0 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 : 6.5 Решение головоломок : 5.3 Вызов инструментов : 9.8 Эрудиция : 2.8
#116#116	Claude Fable 5.1high	7.9	Anthropic	$3.471	13.30s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 85.5% Нестабильные тесты 1 Входные токены 144,676 Выходные токены 8,184 Токены рассуждений 32,282 Время ответа (среднее) 13.30s Время ответа (суммарно) 305.83s Время ответа (макс.) 40.17s Неверный ответ: 3 Ошибка API: 1 Агентные задачи : 3.0 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
#95#95	Claude Opus 4.8medium	8.3	Anthropic	$3.490	16.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 82.6% Нестабильные тесты 3 Входные токены 360,294 Выходные токены 43,441 Токены рассуждений 24,401 Время ответа (среднее) 16.72s Время ответа (суммарно) 384.66s Время ответа (макс.) 99.37s Неверный ответ: 5 Нет ответа: 1 Агентные задачи : 6.1 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

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