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)
#311#311	Mercury 2none	4.7	Inception	$0.030	825ms
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 24.2% Нестабильные тесты 2 Входные токены 89,637 Выходные токены 9,584 Токены рассуждений 0 Время ответа (среднее) 825ms Время ответа (суммарно) 18.14s Время ответа (макс.) 4.52s Неверный ответ: 17 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.0 Программирование : 3.4 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.9 Общий интеллект : 4.8 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#312#312	Granite 4.2 8Bhigh	4.6	IBM Granite	$0.135 ↑	235.89s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 7.6 Доля успешных попыток 39.4% Нестабильные тесты 10 Входные токены 43,278 Выходные токены 181,083 Токены рассуждений 431,132 Время ответа (среднее) 235.89s Время ответа (суммарно) 5189.64s Время ответа (макс.) 685.87s Тайм-аут: 10 Неверный ответ: 6 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 6.9 Программирование : 3.8 Комбинированный : 5.0 Парсинг и извлечение данных : 3.8 Предметно-ориентированное : 2.9 Общий интеллект : 5.5 Следование инструкциям : 6.4 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#319#319	GLM 4.7 Flashmedium	4.3	Z.ai	$0.168	134.34s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 8.6 Доля успешных попыток 31.8% Нестабильные тесты 8 Входные токены 79,104 Выходные токены 42,254 Токены рассуждений 377,280 Время ответа (среднее) 134.34s Время ответа (суммарно) 2015.13s Время ответа (макс.) 1539.97s Неверный ответ: 9 Нет ответа: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Тайм-аут: 2 Анти-ИИ уловки : 4.7 Программирование : 3.2 Комбинированный : 2.9 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.5 Общий интеллект : 3.6 Следование инструкциям : 6.2 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#332#332	Ling 3.0 Tinyhigh	3.8	Inclusionai	$0.000	75.68s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 24.2% Нестабильные тесты 3 Входные токены 115,314 Выходные токены 133,965 Токены рассуждений 816,718 Время ответа (среднее) 75.68s Время ответа (суммарно) 1589.20s Время ответа (макс.) 345.15s Нет ответа: 7 Неверный ответ: 6 Не соблюдены инструкции: 3 Ошибка API: 1 Недопустимый вызов инструмента: 1 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
#333#333	Ling 3.0 Tinylow	3.8	Inclusionai	$0.000	66.16s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 9.6 Доля успешных попыток 19.7% Нестабильные тесты 1 Входные токены 99,662 Выходные токены 146,555 Токены рассуждений 732,977 Время ответа (среднее) 66.16s Время ответа (суммарно) 1389.33s Время ответа (макс.) 252.08s Нет ответа: 7 Неверный ответ: 5 Не соблюдены инструкции: 4 Ошибка API: 1 Недопустимый вызов инструмента: 1 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
#336#336	Ling 3.0 Tinymedium	3.8	Inclusionai	$0.000	68.08s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 9.6 Доля успешных попыток 24.2% Нестабильные тесты 3 Входные токены 103,898 Выходные токены 148,304 Токены рассуждений 774,972 Время ответа (среднее) 68.08s Время ответа (суммарно) 1429.66s Время ответа (макс.) 262.20s Нет ответа: 7 Неверный ответ: 5 Не соблюдены инструкции: 4 Ошибка API: 1 Недопустимый вызов инструмента: 1 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
#306#306	Trinity Large Previewnone	4.8	Arcee AI	$0.008 ↑	2.98s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 21.2% Нестабильные тесты 2 Входные токены 29,828 Выходные токены 2,169 Токены рассуждений 0 Время ответа (среднее) 2.98s Время ответа (суммарно) 56.57s Время ответа (макс.) 14.34s Неверный ответ: 12 Не соблюдены инструкции: 3 Ошибка API: 2 Анти-ИИ уловки : 3.1 Программирование : 3.7 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.5 Следование инструкциям : 3.5 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#325#325	Hy3 previewnone	4.0	Tencent	$0.007 ↕	12.92s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 22.7% Нестабильные тесты 2 Входные токены 27,172 Выходные токены 2,661 Токены рассуждений 0 Время ответа (среднее) 12.92s Время ответа (суммарно) 232.64s Время ответа (макс.) 35.84s Неверный ответ: 8 Ошибка API: 4 Не соблюдены инструкции: 4 Лишнее форматирование: 1 Анти-ИИ уловки : 4.8 Программирование : 2.7 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 4.1 Следование инструкциям : 6.3 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#326#326	MiMo-V2-Flashnone	4.0	Xiaomi	$0.025 ↑	2.76s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 17 Надежность 6.7 Доля успешных попыток 24.2% Нестабильные тесты 4 Входные токены 36,851 Выходные токены 68,882 Токены рассуждений 0 Время ответа (среднее) 2.76s Время ответа (суммарно) 46.99s Время ответа (макс.) 19.68s Неверный ответ: 13 Не соблюдены инструкции: 2 Ошибка API: 1 Лишнее форматирование: 1 Анти-ИИ уловки : 3.2 Программирование : 4.3 Комбинированный : 1.5 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 5.3 Общий интеллект : 4.6 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#317#317	Laguna M.1none	4.4	Poolside	$0.009 ↕	2.89s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 9.8 Доля успешных попыток 27.3% Нестабильные тесты 3 Входные токены 38,147 Выходные токены 2,054 Токены рассуждений 0 Время ответа (среднее) 2.89s Время ответа (суммарно) 43.28s Время ответа (макс.) 15.42s Неверный ответ: 10 Ошибка API: 4 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.4 Программирование : 2.5 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 3.0 Следование инструкциям : 6.3 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#339#339	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.4	NVIDIA	$0.000	17.13s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 27.3% 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 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
#254#254	Nemotron 3.5 Lightninghigh	5.6	NVIDIA	$0.133 ↕	58.26s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 9.9 Доля успешных попыток 50.0% Нестабильные тесты 12 Входные токены 118,016 Выходные токены 148,344 Токены рассуждений 506,253 Время ответа (среднее) 58.26s Время ответа (суммарно) 1281.79s Время ответа (макс.) 285.26s Неверный ответ: 11 Не соблюдены инструкции: 4 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 5.5 Программирование : 4.4 Комбинированный : 6.4 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 3.7 Следование инструкциям : 8.5 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#266#266	MiMo-V2.5-Pronone	5.4	Xiaomi	$0.068 ↓	4.24s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 4 Входные токены 124,808 Выходные токены 15,362 Токены рассуждений 0 Время ответа (среднее) 4.24s Время ответа (суммарно) 93.28s Время ответа (макс.) 53.13s Неверный ответ: 12 Не соблюдены инструкции: 4 Нет ответа: 1 Анти-ИИ уловки : 3.3 Программирование : 4.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 6.4 Решение головоломок : 6.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#267#267	Kimi K2.5none	5.4	Moonshot AI	$0.101 ↓	18.03s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 4 Входные токены 89,320 Выходные токены 26,643 Токены рассуждений 0 Время ответа (среднее) 18.03s Время ответа (суммарно) 288.42s Время ответа (макс.) 102.83s Неверный ответ: 16 Нет ответа: 1 Анти-ИИ уловки : 3.6 Программирование : 5.5 Комбинированный : 2.8 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#270#270	Inkling Smallnone	5.3	Thinkingmachines	$0.054 ↓	1.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 24.2% Нестабильные тесты 1 Входные токены 94,733 Выходные токены 8,770 Токены рассуждений 0 Время ответа (среднее) 1.51s Время ответа (суммарно) 33.21s Время ответа (макс.) 12.35s Неверный ответ: 15 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.1 Программирование : 3.6 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 3.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#271#271	Laguna XS 2.1none	5.3	Poolside	$0.008	1.55s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 3 Входные токены 91,607 Выходные токены 13,377 Токены рассуждений 0 Время ответа (среднее) 1.55s Время ответа (суммарно) 34.01s Время ответа (макс.) 19.02s Неверный ответ: 14 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 5.3 Программирование : 4.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 3.8 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#279#279	Nemotron 3.5 Lightningmedium	5.1	NVIDIA	$0.155 ↕	70.11s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 9.9 Доля успешных попыток 48.5% Нестабильные тесты 11 Входные токены 126,330 Выходные токены 165,702 Токены рассуждений 594,739 Время ответа (среднее) 70.11s Время ответа (суммарно) 1542.52s Время ответа (макс.) 437.11s Неверный ответ: 13 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.9 Программирование : 4.4 Комбинированный : 6.2 Парсинг и извлечение данных : 3.7 Предметно-ориентированное : 2.9 Общий интеллект : 5.5 Следование инструкциям : 8.5 Решение головоломок : 4.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#280#280	Mistral Small 4none	5.1	Mistral	$0.022	1.20s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 25.8% Нестабильные тесты 1 Входные токены 104,717 Выходные токены 9,812 Токены рассуждений 0 Время ответа (среднее) 1.20s Время ответа (суммарно) 26.41s Время ответа (макс.) 13.16s Неверный ответ: 16 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.4 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#281#281	Mistral Small 4medium	5.1	Mistral	$0.097	10.80s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 8 Входные токены 140,559 Выходные токены 40,268 Токены рассуждений 93,329 Время ответа (среднее) 10.80s Время ответа (суммарно) 237.60s Время ответа (макс.) 59.15s Неверный ответ: 13 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 Анти-ИИ уловки : 5.6 Программирование : 4.4 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.9 Общий интеллект : 4.8 Следование инструкциям : 7.3 Решение головоломок : 3.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#283#283	Qwen3 Coder Nextnone	5.1	Qwen	$0.026 ↑	8.63s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 25.8% Нестабильные тесты 1 Входные токены 134,227 Выходные токены 11,808 Токены рассуждений 0 Время ответа (среднее) 8.63s Время ответа (суммарно) 146.72s Время ответа (макс.) 45.14s Неверный ответ: 14 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 3.6 Программирование : 4.6 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.3 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#285#285	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.68s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 2 Входные токены 141,052 Выходные токены 16,464 Токены рассуждений 0 Время ответа (среднее) 4.68s Время ответа (суммарно) 103.02s Время ответа (макс.) 55.36s Неверный ответ: 14 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 3.5 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 2.9 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#289#289	MiniMax M2.7medium	5.0	Minimax	$0.208	43.25s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 9 Входные токены 114,527 Выходные токены 18,558 Токены рассуждений 129,146 Время ответа (среднее) 43.25s Время ответа (суммарно) 908.21s Время ответа (макс.) 196.21s Неверный ответ: 6 Не соблюдены инструкции: 5 Нет ответа: 2 Тайм-аут: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.9 Программирование : 5.7 Комбинированный : 3.8 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 3.9 Следование инструкциям : 3.8 Решение головоломок : 5.9 Вызов инструментов : 4.7 Эрудиция : 3.0
#293#293	GPT-4o-mininone	5.0	OpenAI	$0.010	1.92s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 22.7% Нестабильные тесты 0 Входные токены 53,145 Выходные токены 2,913 Токены рассуждений 0 Время ответа (среднее) 1.92s Время ответа (суммарно) 30.71s Время ответа (макс.) 7.58s Неверный ответ: 15 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 4.8 Программирование : 3.2 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 6.3 Решение головоломок : 3.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#297#297	Nemotron 3 Supernone	4.8	NVIDIA	$0.008 ↑	6.04s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 9.2 Доля успешных попыток 27.3% Нестабильные тесты 2 Входные токены 63,528 Выходные токены 6,432 Токены рассуждений 0 Время ответа (среднее) 6.04s Время ответа (суммарно) 132.96s Время ответа (макс.) 20.00s Неверный ответ: 15 Не соблюдены инструкции: 2 Анти-ИИ уловки : 4.8 Программирование : 3.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.6 Следование инструкциям : 6.3 Решение головоломок : 5.5 Вызов инструментов : 4.7 Эрудиция : 3.0
#300#300	Nemotron 3.5 Lightninglow	4.8	NVIDIA	$0.139 ↕	59.81s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 9.8 Доля успешных попыток 42.4% Нестабильные тесты 9 Входные токены 138,792 Выходные токены 142,972 Токены рассуждений 522,202 Время ответа (среднее) 59.81s Время ответа (суммарно) 1315.80s Время ответа (макс.) 312.21s Неверный ответ: 14 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.9 Программирование : 4.0 Комбинированный : 6.3 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 3.6 Общий интеллект : 3.7 Следование инструкциям : 8.4 Решение головоломок : 3.6 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 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