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)
#398#398	Xing4.0 29b A4bmedium	3.7	Xingchen AGI	$0.000	371.69s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 22 Надежность 7.3 Доля успешных попыток 26.1% Нестабильные тесты 11 Входные токены 98,467 Выходные токены 3,385 Токены рассуждений 104,595 Время ответа (среднее) 371.69s Время ответа (суммарно) 8548.88s Время ответа (макс.) 971.85s Неверный ответ: 9 Тайм-аут: 6 Ошибка API: 4 Не соблюдены инструкции: 3 Агентные задачи : 3.0 Анти-ИИ уловки : 3.8 Программирование : 4.2 Комбинированный : 3.0 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 3.6 Общий интеллект : 3.2 Следование инструкциям : 4.3 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#399#399	Ling 3.0 Tinyhigh	3.7	Inclusionai	$0.000	72.24s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 23.2% Нестабильные тесты 3 Входные токены 115,314 Выходные токены 133,965 Токены рассуждений 816,718 Время ответа (среднее) 72.24s Время ответа (суммарно) 1589.23s Время ответа (макс.) 345.15s Нет ответа: 7 Неверный ответ: 6 Не соблюдены инструкции: 3 Ошибка API: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 6.4 Программирование : 2.9 Комбинированный : 3.0 Парсинг и извлечение данных : 2.8 Предметно-ориентированное : 2.9 Общий интеллект : 5.4 Следование инструкциям : 6.8 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#400#400	Ling 3.0 Tinylow	3.7	Inclusionai	$0.000	63.15s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 9.6 Доля успешных попыток 18.8% Нестабильные тесты 1 Входные токены 99,662 Выходные токены 146,555 Токены рассуждений 732,977 Время ответа (среднее) 63.15s Время ответа (суммарно) 1389.35s Время ответа (макс.) 252.08s Нет ответа: 7 Неверный ответ: 5 Не соблюдены инструкции: 4 Ошибка API: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 6.5 Программирование : 2.9 Комбинированный : 3.0 Парсинг и извлечение данных : 2.8 Предметно-ориентированное : 3.0 Общий интеллект : 5.1 Следование инструкциям : 6.6 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#401#401	Ling 3.0 Tinymedium	3.6	Inclusionai	$0.000	64.99s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 9.6 Доля успешных попыток 23.2% Нестабильные тесты 3 Входные токены 103,898 Выходные токены 148,304 Токены рассуждений 774,972 Время ответа (среднее) 64.99s Время ответа (суммарно) 1429.68s Время ответа (макс.) 262.20s Нет ответа: 7 Неверный ответ: 5 Не соблюдены инструкции: 4 Ошибка API: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 6.5 Программирование : 2.9 Комбинированный : 3.0 Парсинг и извлечение данных : 2.7 Предметно-ориентированное : 3.0 Общий интеллект : 3.8 Следование инструкциям : 6.8 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#404#404	Elephant Alphadefault	3.6	Openrouter	$0.000	1.22s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 16 Надежность Н/Д Доля успешных попыток 24.6% Нестабильные тесты 1 Входные токены 33,743 Выходные токены 2,573 Токены рассуждений 0 Время ответа (среднее) 1.22s Время ответа (суммарно) 22.03s Время ответа (макс.) 3.81s Неверный ответ: 9 Ошибка API: 3 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 6.6 Программирование : 4.2 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 9.8 Решение головоломок : 4.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#405#405	Elephant Alphamedium	3.5	Openrouter	$0.000	1.27s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 15 Надежность Н/Д Доля успешных попыток 27.5% Нестабильные тесты 1 Входные токены 33,744 Выходные токены 2,596 Токены рассуждений 0 Время ответа (среднее) 1.27s Время ответа (суммарно) 22.82s Время ответа (макс.) 3.70s Неверный ответ: 9 Ошибка API: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 6.6 Программирование : 3.7 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.3 Следование инструкциям : 9.8 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#406#406	Hunter Alphadefault	3.5	OpenRouter	$0.000	4.70s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 36.2% Нестабильные тесты 4 Входные токены 34,329 Выходные токены 2,264 Токены рассуждений 0 Время ответа (среднее) 4.70s Время ответа (суммарно) 79.86s Время ответа (макс.) 15.17s Неверный ответ: 9 Не соблюдены инструкции: 2 Ошибка API: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 3.5 Программирование : 1.0 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 6.4 Решение головоломок : 5.8 Вызов инструментов : 10.0 Эрудиция : 0.0
#412#412	Xing4.0 29b A4bnone	3.3	Xingchen AGI	$0.000	42.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 23 Надежность 8.8 Доля успешных попыток 7.3% Нестабильные тесты 4 Входные токены 153,665 Выходные токены 26,540 Токены рассуждений 0 Время ответа (среднее) 42.72s Время ответа (суммарно) 982.66s Время ответа (макс.) 634.11s Неверный ответ: 13 Не соблюдены инструкции: 5 Ошибка API: 3 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 3.3 Программирование : 3.6 Комбинированный : 3.0 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 3.0 Общий интеллект : 3.4 Следование инструкциям : 4.0 Решение головоломок : 3.1 Вызов инструментов : 4.7 Эрудиция : 3.0
#417#417	Command A+none	3.0	Cohere	$0.000	77.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 23 Надежность 0.0 Доля успешных попыток 0.0% Нестабильные тесты 0 Входные токены 0 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 77.87s Время ответа (суммарно) 1791.03s Время ответа (макс.) 106.37s Ошибка API: 23 Агентные задачи : 3.0 Анти-ИИ уловки : 3.0 Программирование : 3.0 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.0 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#420#420	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	2.7	NVIDIA	$0.000	17.13s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 26.1% Нестабильные тесты 5 Входные токены 11,661 Выходные токены 48,491 Токены рассуждений 180,695 Время ответа (среднее) 17.13s Время ответа (суммарно) 222.66s Время ответа (макс.) 147.45s Неверный ответ: 7 Ошибка API: 6 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 6.4 Программирование : 1.1 Комбинированный : 1.5 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 3.0 Следование инструкциям : 7.3 Решение головоломок : 2.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#422#422	Nemotron 3 Nano Omni 30b A3b Reasoningdefault	2.6	NVIDIA	$0.000	728ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 14.5% Нестабильные тесты 2 Входные токены 11,661 Выходные токены 1,302 Токены рассуждений 0 Время ответа (среднее) 728ms Время ответа (суммарно) 9.47s Время ответа (макс.) 2.21s Неверный ответ: 9 Ошибка API: 6 Не соблюдены инструкции: 2 Агентные задачи : 0.0 Анти-ИИ уловки : 4.8 Программирование : 3.3 Комбинированный : 1.5 Парсинг и извлечение данных : 3.8 Предметно-ориентированное : 3.6 Общий интеллект : 3.0 Следование инструкциям : 4.8 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#441#441	Nimble v3 9Bdefault	0.8	Bespoke Labs	~$0.001	363ms
Открыть карточку модели Всего тестов 7 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 4.4% Нестабильные тесты 0 Входные токены 103,770 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 363ms Время ответа (суммарно) 2.54s Время ответа (макс.) 1.24s Неверный ответ: 5 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 2.5 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 2.0 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#436#436	LFM2-24B-A2Bdefault	1.8	Liquid	$0.001	782ms
Открыть карточку модели Всего тестов 16 Ошибочных тестов 14 Надежность Н/Д Доля успешных попыток 11.6% Нестабильные тесты 1 Входные токены 10,771 Выходные токены 1,173 Токены рассуждений 0 Время ответа (среднее) 782ms Время ответа (суммарно) 10.94s Время ответа (макс.) 3.15s Неверный ответ: 9 Ошибка API: 4 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 2.5 Программирование : 0.0 Комбинированный : 1.5 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.0 Следование инструкциям : 6.3 Решение головоломок : 3.8 Вызов инструментов : 3.0 Эрудиция : 0.0
#432#432	Decider Flash V1.2default	1.9	Perplexity	$0.001	462ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 13.0% Нестабильные тесты 0 Входные токены 49,176 Выходные токены 69 Токены рассуждений 0 Время ответа (среднее) 462ms Время ответа (суммарно) 5.55s Время ответа (макс.) 661ms Неверный ответ: 9 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 2.2 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#419#419	Span-02default	2.8	Respan	$0.001	1.36s
Открыть карточку модели Всего тестов 12 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 26.1% Нестабильные тесты 0 Входные токены 70,626 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 1.36s Время ответа (суммарно) 16.37s Время ответа (макс.) 5.71s Неверный ответ: 6 Агентные задачи : 0.0 Анти-ИИ уловки : 5.8 Программирование : 4.9 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 5.0 Решение головоломок : 1.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#424#424	Decider V1.2default	2.6	Perplexity	$0.001	517ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 7 Надежность 9.4 Доля успешных попыток 24.6% Нестабильные тесты 1 Входные токены 48,363 Выходные токены 67 Токены рассуждений 0 Время ответа (среднее) 517ms Время ответа (суммарно) 6.20s Время ответа (макс.) 776ms Неверный ответ: 5 Ошибка API: 1 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 5.8 Программирование : 4.5 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.9 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#440#440	Tev1 4B Experimentaldefault	1.0	Togethercomputer	$0.002	498ms
Открыть карточку модели Всего тестов 7 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 13.0% Нестабильные тесты 0 Входные токены 33,864 Выходные токены 96 Токены рассуждений 0 Время ответа (среднее) 498ms Время ответа (суммарно) 3.49s Время ответа (макс.) 602ms Неверный ответ: 4 Агентные задачи : 0.0 Анти-ИИ уловки : 2.5 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 6.7 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#425#425	Decider V1.1 27Bdefault	2.6	Perplexity	$0.002	320ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 17.4% Нестабильные тесты 0 Входные токены 73,557 Выходные токены 69 Токены рассуждений 0 Время ответа (среднее) 320ms Время ответа (суммарно) 3.84s Время ответа (макс.) 491ms Неверный ответ: 8 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 4.9 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#373#373	Ling 2.6 Flashdefault	4.5	Inclusionai	$0.002 ↑	10.21s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 9.6 Доля успешных попыток 29.0% Нестабильные тесты 2 Входные токены 114,384 Выходные токены 14,903 Токены рассуждений 0 Время ответа (среднее) 10.21s Время ответа (суммарно) 214.31s Время ответа (макс.) 36.03s Неверный ответ: 9 Ошибка API: 3 Недопустимый вызов инструмента: 3 Не соблюдены инструкции: 2 Агентные задачи : 3.0 Анти-ИИ уловки : 6.8 Программирование : 5.3 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 9.8 Решение головоломок : 2.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#426#426	Drex v1.5default	2.4	Nace AI	$0.002	986ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 17.4% Нестабильные тесты 0 Входные токены 42,804 Выходные токены 27,468 Токены рассуждений 0 Время ответа (среднее) 986ms Время ответа (суммарно) 11.84s Время ответа (макс.) 1.38s Неверный ответ: 8 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 4.5 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#438#438	Microsoft-Decision-1default	1.4	Microsoft	$0.002	982ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 7.3% Нестабильные тесты 1 Входные токены 41,466 Выходные токены 69 Токены рассуждений 0 Время ответа (среднее) 982ms Время ответа (суммарно) 11.78s Время ответа (макс.) 1.41s Неверный ответ: 11 Агентные задачи : 0.0 Анти-ИИ уловки : 4.4 Программирование : 2.2 Комбинированный : 0.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 3.0 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#428#428	Kev 4Bdefault	2.4	Jaredpalmer	$0.002	5.63s
Открыть карточку модели Всего тестов 12 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 15.9% Нестабильные тесты 1 Входные токены 42,804 Выходные токены 28,061 Токены рассуждений 0 Время ответа (среднее) 5.63s Время ответа (суммарно) 67.61s Время ответа (макс.) 17.79s Неверный ответ: 9 Агентные задачи : 0.0 Анти-ИИ уловки : 2.3 Программирование : 4.5 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 2.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#434#434	D1default	1.9	Liquid	$0.003	508ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 11.6% Нестабильные тесты 1 Входные токены 55,956 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 508ms Время ответа (суммарно) 6.10s Время ответа (макс.) 820ms Неверный ответ: 10 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 2.2 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#421#421	d1-ultradefault	2.7	Liquid	$0.003	531ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 20.3% Нестабильные тесты 1 Входные токены 55,956 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 531ms Время ответа (суммарно) 6.38s Время ответа (макс.) 697ms Неверный ответ: 7 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 5.3 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#437#437	Solar Decide Flashdefault	1.7	Upstage	$0.003	1.33s
Открыть карточку модели Всего тестов 7 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 13.0% Нестабильные тесты 0 Входные токены 47,586 Выходные токены 51 Токены рассуждений 0 Время ответа (среднее) 1.33s Время ответа (суммарно) 9.32s Время ответа (макс.) 1.66s Неверный ответ: 4 Агентные задачи : 0.0 Анти-ИИ уловки : 0.8 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.4 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.0 Вызов инструментов : 0.0 Эрудиция : 0.0

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