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: 2026-09-02 Оценено моделей: 311

Рекомендуемые модели

GPT-5.6 Sol high Интеллектуальная Доля успешных попыток 89.4% Тестов верно 18 / 22 Оценка 9.4/10 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 $0.065 / 1M Цена выхода $0.180 / 1M Оценка 8.0/10

311/311

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#237#237	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
#178#178	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.066	4.37s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 40.9% Нестабильные тесты 3 Входные токены 142,206 Выходные токены 14,744 Токены рассуждений 0 Время ответа (среднее) 4.37s Время ответа (суммарно) 96.20s Время ответа (макс.) 44.58s Неверный ответ: 13 Нет ответа: 1 Анти-ИИ уловки : 3.0 Программирование : 5.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#112#112	Gemini 3.1 Flash Litemedium	7.3	Google	$0.120	4.38s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 62.1% Нестабильные тесты 2 Входные токены 104,925 Выходные токены 9,168 Токены рассуждений 53,188 Время ответа (среднее) 4.38s Время ответа (суммарно) 96.32s Время ответа (макс.) 26.22s Неверный ответ: 7 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 9.1 Программирование : 5.5 Комбинированный : 7.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#101#101	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 9.9 Доля успешных попыток 68.2% Нестабильные тесты 0 Входные токены 95,992 Выходные токены 12,446 Токены рассуждений 0 Время ответа (среднее) 4.56s Время ответа (суммарно) 100.30s Время ответа (макс.) 72.30s Неверный ответ: 7 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 6.5 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
#100#100	Gemini 3.1 Flash Lite Previewmedium	7.4	Google	$0.117	4.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 0 Входные токены 117,493 Выходные токены 10,589 Токены рассуждений 47,189 Время ответа (среднее) 4.59s Время ответа (суммарно) 101.04s Время ответа (макс.) 18.34s Неверный ответ: 6 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 9.1 Программирование : 5.5 Комбинированный : 7.2 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
#255#255	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
#292#292	Hunter Alphanone	4.2	OpenRouter	$0.000	4.70s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 37.9% 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 Анти-ИИ уловки : 3.5 Программирование : 9.8 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
#158#158	Qwen3.5-27Bnone	6.6	Qwen	$0.058 ↓	4.77s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 2 Входные токены 102,325 Выходные токены 24,323 Токены рассуждений 0 Время ответа (среднее) 4.77s Время ответа (суммарно) 105.00s Время ответа (макс.) 69.46s Неверный ответ: 11 Не соблюдены инструкции: 2 Анти-ИИ уловки : 4.8 Программирование : 5.8 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 6.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#99#99	Gemini 3.8 Flashlow	7.5	Google	$0.239	4.83s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 81.8% Нестабильные тесты 4 Входные токены 111,773 Выходные токены 8,035 Токены рассуждений 33,289 Время ответа (среднее) 4.83s Время ответа (суммарно) 106.18s Время ответа (макс.) 35.14s Неверный ответ: 5 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 5.4 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.8 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#115#115	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 2 Входные токены 149,203 Выходные токены 16,797 Токены рассуждений 0 Время ответа (среднее) 4.92s Время ответа (суммарно) 108.24s Время ответа (макс.) 35.03s Неверный ответ: 4 Лишнее форматирование: 3 Не соблюдены инструкции: 1 Нет ответа: 1 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
#34#34	Gemini 3.6 Flashlow	8.7	Google	$0.251 ↓	4.92s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 89.4% Нестабильные тесты 3 Входные токены 85,886 Выходные токены 5,489 Токены рассуждений 44,232 Время ответа (среднее) 4.92s Время ответа (суммарно) 108.28s Время ответа (макс.) 30.83s Неверный ответ: 4 Анти-ИИ уловки : 8.7 Программирование : 7.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#188#188	Inklinglow	6.1	Thinkingmachines	$0.187	5.11s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 54.6% Нестабильные тесты 4 Входные токены 109,893 Выходные токены 8,580 Токены рассуждений 10,324 Время ответа (среднее) 5.11s Время ответа (суммарно) 112.46s Время ответа (макс.) 41.58s Неверный ответ: 8 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 8.3 Программирование : 5.1 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 6.4 Вызов инструментов : 3.0 Эрудиция : 3.0
#72#72	Gemini 3.5 Flash Litemedium	7.8	Google	$0.272	5.12s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 78.8% Нестабильные тесты 6 Входные токены 103,916 Выходные токены 8,892 Токены рассуждений 87,343 Время ответа (среднее) 5.12s Время ответа (суммарно) 112.73s Время ответа (макс.) 26.41s Неверный ответ: 6 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 7.9 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 4.7 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 2.8
#172#172	LongCat 2.0none	6.4	Meituan	$0.044	5.17s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 40.9% Нестабильные тесты 2 Входные токены 108,752 Выходные токены 9,375 Токены рассуждений 0 Время ответа (среднее) 5.17s Время ответа (суммарно) 113.83s Время ответа (макс.) 48.38s Неверный ответ: 13 Лишнее форматирование: 1 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.5 Решение головоломок : 4.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#180#180	GPT-5.6 Lunalow	6.2	OpenAI	$0.051 ↓	5.20s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 54.5% Нестабильные тесты 5 Входные токены 96,355 Выходные токены 8,213 Токены рассуждений 18,073 Время ответа (среднее) 5.20s Время ответа (суммарно) 114.46s Время ответа (макс.) 19.44s Неверный ответ: 10 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 2.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.0 Следование инструкциям : 8.5 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#210#210	Solar Pro 4none	5.8	Upstage	$0.006	5.37s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 1 Входные токены 130,863 Выходные токены 11,912 Токены рассуждений 0 Время ответа (среднее) 5.37s Время ответа (суммарно) 118.06s Время ответа (макс.) 64.67s Неверный ответ: 14 Нет ответа: 1 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.0 Следование инструкциям : 6.4 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#191#191	Gemma 4 31Bnone	6.1	Google	$0.016 ↓	5.41s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 1 Входные токены 125,703 Выходные токены 13,317 Токены рассуждений 0 Время ответа (среднее) 5.41s Время ответа (суммарно) 108.12s Время ответа (макс.) 29.95s Неверный ответ: 10 Ошибка API: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 6.5 Вызов инструментов : 3.0 Эрудиция : 3.0
#91#91	GPT-5.6 Terralow	7.5	OpenAI	$0.420 ↓	5.45s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 74.2% Нестабильные тесты 6 Входные токены 80,304 Выходные токены 4,714 Токены рассуждений 16,872 Время ответа (среднее) 5.45s Время ответа (суммарно) 119.83s Время ответа (макс.) 19.85s Неверный ответ: 8 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.3 Программирование : 6.6 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 4.7 Эрудиция : 3.0
#246#246	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.051 ↓	5.57s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 28.8% Нестабильные тесты 5 Входные токены 93,990 Выходные токены 45,905 Токены рассуждений 0 Время ответа (среднее) 5.57s Время ответа (суммарно) 111.32s Время ответа (макс.) 39.54s Неверный ответ: 13 Ошибка API: 2 Не соблюдены инструкции: 2 Нет ответа: 1 Анти-ИИ уловки : 3.6 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.4 Следование инструкциям : 6.2 Решение головоломок : 3.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#30#30	Gemini 3.5 Flashlow	8.8	Google	$0.449	5.76s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 84.9% Нестабильные тесты 2 Входные токены 87,826 Выходные токены 2,239 Токены рассуждений 32,956 Время ответа (среднее) 5.76s Время ответа (суммарно) 126.71s Время ответа (макс.) 53.55s Неверный ответ: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 8.2 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 : 10.0
#8#8	Gemini 3.7 Flashmedium	9.4	Google	$0.309 ↑	5.87s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 93.9% Нестабильные тесты 1 Входные токены 89,055 Выходные токены 5,697 Токены рассуждений 58,880 Время ответа (среднее) 5.87s Время ответа (суммарно) 129.20s Время ответа (макс.) 30.23s Неверный ответ: 2 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 : 10.0
#267#267	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
#181#181	Claude Sonnet 5none	6.1	Anthropic	$0.548	6.05s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 40.9% Нестабильные тесты 4 Входные токены 161,032 Выходные токены 22,508 Токены рассуждений 0 Время ответа (среднее) 6.05s Время ответа (суммарно) 132.99s Время ответа (макс.) 33.39s Неверный ответ: 8 Лишнее форматирование: 4 Нет ответа: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 5.3 Программирование : 4.6 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.7 Следование инструкциям : 6.4 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#195#195	Gemini 2.5 Flashnone	6.0	Google	$0.017	6.19s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 39.4% Нестабильные тесты 1 Входные токены 39,886 Выходные токены 1,890 Токены рассуждений 0 Время ответа (среднее) 6.19s Время ответа (суммарно) 136.23s Время ответа (макс.) 118.00s Неверный ответ: 13 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.0 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#160#160	Inkling Smallmedium	6.6	Thinkingmachines	$0.113 ↓	6.30s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 53.0% Нестабильные тесты 3 Входные токены 100,255 Выходные токены 6,422 Токены рассуждений 49,847 Время ответа (среднее) 6.30s Время ответа (суммарно) 138.60s Время ответа (макс.) 17.26s Неверный ответ: 6 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.3 Следование инструкциям : 8.5 Решение головоломок : 5.8 Вызов инструментов : 3.0 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 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium