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)
#105#105	Claude Opus 4.7medium	8.1	Anthropic	$3.636	14.12s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 81.2% Нестабильные тесты 2 Входные токены 437,293 Выходные токены 29,102 Токены рассуждений 28,876 Время ответа (среднее) 14.12s Время ответа (суммарно) 310.55s Время ответа (макс.) 150.60s Неверный ответ: 3 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 5.2 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
#169#169	Claude Opus 4.8low	7.2	Anthropic	$3.787	17.13s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 78.3% Нестабильные тесты 4 Входные токены 409,947 Выходные токены 46,060 Токены рассуждений 23,429 Время ответа (среднее) 17.13s Время ответа (суммарно) 394.01s Время ответа (макс.) 127.97s Неверный ответ: 5 Лишнее форматирование: 1 Нет ответа: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 10.0 Программирование : 6.6 Комбинированный : 9.9 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#139#139	Muse Wonderxhigh	7.7	Meta	$4.012	34.40s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 9.1 Доля успешных попыток 65.2% Нестабильные тесты 2 Входные токены 93,060 Выходные токены 10,305 Токены рассуждений 171,683 Время ответа (среднее) 34.40s Время ответа (суммарно) 791.16s Время ответа (макс.) 236.64s Ошибка API: 6 Неверный ответ: 3 Агентные задачи : 3.0 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 : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 2.8
#82#82	Qwen3.8 2.4T A95Blow	8.4	Qwen	$4.016 ↑	120.40s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 9.6 Доля успешных попыток 73.9% Нестабильные тесты 2 Входные токены 313,881 Выходные токены 123,706 Токены рассуждений 388,328 Время ответа (среднее) 120.40s Время ответа (суммарно) 2769.16s Время ответа (макс.) 534.21s Неверный ответ: 5 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.2 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#302#302	Step 5 Previewlow	5.6	Stepfun	$4.110	138.27s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 9.7 Доля успешных попыток 58.0% Нестабильные тесты 7 Входные токены 261,256 Выходные токены 1,425,268 Токены рассуждений 0 Время ответа (среднее) 138.27s Время ответа (суммарно) 3180.10s Время ответа (макс.) 436.56s Нет ответа: 7 Ошибка API: 2 Неверный ответ: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.4 Анти-ИИ уловки : 6.9 Программирование : 2.7 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 3.5 Следование инструкциям : 10.0 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#271#271	Step 5 Previewmedium	6.1	Stepfun	$4.136	136.10s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 9.6 Доля успешных попыток 53.6% Нестабильные тесты 5 Входные токены 261,842 Выходные токены 1,434,621 Токены рассуждений 0 Время ответа (среднее) 136.10s Время ответа (суммарно) 3130.27s Время ответа (макс.) 438.09s Нет ответа: 6 Неверный ответ: 3 Не соблюдены инструкции: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 6.4 Программирование : 2.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 3.4 Следование инструкциям : 10.0 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#7#7	GPT-6 Astrahigh	9.9	OpenAI	$4.458	20.16s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 1 Надежность 9.9 Доля успешных попыток 97.1% Нестабильные тесты 1 Входные токены 167,805 Выходные токены 5,651 Токены рассуждений 49,944 Время ответа (среднее) 20.16s Время ответа (суммарно) 463.68s Время ответа (макс.) 254.93s Неверный ответ: 1 Агентные задачи : 10.0 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
#185#185	Step 5 Previewhigh	7.0	Stepfun	$4.513	154.41s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 9.5 Доля успешных попыток 52.2% Нестабильные тесты 4 Входные токены 243,381 Выходные токены 1,581,325 Токены рассуждений 0 Время ответа (среднее) 154.41s Время ответа (суммарно) 3551.40s Время ответа (макс.) 455.72s Нет ответа: 7 Неверный ответ: 3 Ошибка API: 2 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 6.5 Программирование : 2.9 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.4 Следование инструкциям : 7.3 Решение головоломок : 5.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#27#27	Claude Opus 5high	9.4	Anthropic	$4.524	25.31s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 82.6% Нестабильные тесты 0 Входные токены 376,421 Выходные токены 67,688 Токены рассуждений 37,974 Время ответа (среднее) 25.31s Время ответа (суммарно) 582.11s Время ответа (макс.) 159.01s Неверный ответ: 2 Лишнее форматирование: 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 : 3.0 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#89#89	GLM 5.2high	8.4	Z.ai	$4.632 ↑	69.11s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 71.0% Нестабильные тесты 3 Входные токены 288,913 Выходные токены 79,462 Токены рассуждений 303,120 Время ответа (среднее) 69.11s Время ответа (суммарно) 1589.43s Время ответа (макс.) 599.43s Неверный ответ: 5 Нет ответа: 2 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 6.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.1 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#122#122	Muse Wondermax	7.9	Meta	$4.766	44.39s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 9.0 Доля успешных попыток 75.4% Нестабильные тесты 3 Входные токены 93,126 Выходные токены 10,497 Токены рассуждений 209,138 Время ответа (среднее) 44.39s Время ответа (суммарно) 1021.02s Время ответа (макс.) 287.79s Ошибка API: 4 Неверный ответ: 2 Не соблюдены инструкции: 1 Агентные задачи : 3.0 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 : 7.5 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 2.8
#33#33	GPT-5.5medium	9.2	OpenAI	$4.809	39.86s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 88.4% Нестабильные тесты 3 Входные токены 180,959 Выходные токены 6,472 Токены рассуждений 123,635 Время ответа (среднее) 39.86s Время ответа (суммарно) 916.82s Время ответа (макс.) 332.10s Неверный ответ: 4 Агентные задачи : 10.0 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
#5#5	GPT-6 Astramax	9.9	OpenAI	$5.044	61.63s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 1 Надежность 9.6 Доля успешных попыток 95.7% Нестабильные тесты 0 Входные токены 181,223 Выходные токены 5,707 Токены рассуждений 58,909 Время ответа (среднее) 61.63s Время ответа (суммарно) 1417.51s Время ответа (макс.) 960.01s Тайм-аут: 1 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 : 10.0
#57#57	Claude Fable 5medium	8.9	Anthropic	$5.089	16.84s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 79.7% Нестабильные тесты 1 Входные токены 272,411 Выходные токены 35,497 Токены рассуждений 11,788 Время ответа (среднее) 16.84s Время ответа (суммарно) 387.26s Время ответа (макс.) 80.80s Нет ответа: 3 Недопустимый вызов инструмента: 1 Неверный ответ: 1 Агентные задачи : 10.0 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
#391#391	Grok 4.20 Multi Agent Betamedium	3.9	X AI	$5.599 ↑	9.69s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 46.4% Нестабильные тесты 5 Входные токены 721,952 Выходные токены 294,668 Токены рассуждений 305,374 Время ответа (среднее) 9.69s Время ответа (суммарно) 155.07s Время ответа (макс.) 35.28s Неверный ответ: 4 Ошибка API: 2 Лишнее форматирование: 2 Не соблюдены инструкции: 2 Агентные задачи : 0.0 Анти-ИИ уловки : 6.9 Программирование : 3.3 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.8 Следование инструкциям : 9.8 Решение головоломок : 6.7 Вызов инструментов : 3.0 Эрудиция : 0.0
#8#8	GPT-6 Astraxhigh	9.9	OpenAI	$6.213	29.67s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 1 Надежность 9.9 Доля успешных попыток 97.1% Нестабильные тесты 1 Входные токены 170,731 Выходные токены 5,865 Токены рассуждений 84,230 Время ответа (среднее) 29.67s Время ответа (суммарно) 682.42s Время ответа (макс.) 381.11s Неверный ответ: 1 Агентные задачи : 10.0 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
#34#34	Claude Sonnet 5.5max	9.2	Anthropic	$8.557	84.26s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 82.6% Нестабильные тесты 2 Входные токены 484,627 Выходные токены 11,026 Токены рассуждений 747,681 Время ответа (среднее) 84.26s Время ответа (суммарно) 1937.91s Время ответа (макс.) 488.39s Нет ответа: 3 Не соблюдены инструкции: 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 : 5.1 Следование инструкциям : 8.5 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0

←

1 17 18

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