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)
#211#211	GPT-5.6 Solnone	6.7	OpenAI	$0.795	4.61s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 3 Входные токены 207,852 Выходные токены 5,555 Токены рассуждений 0 Время ответа (среднее) 4.61s Время ответа (суммарно) 105.93s Время ответа (макс.) 58.28s Неверный ответ: 10 Не соблюдены инструкции: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 6.5 Следование инструкциям : 8.5 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#240#240	Gemini 3.5 Flashminimal	6.4	Google	$0.508	4.67s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 58.0% Нестабильные тесты 1 Входные токены 230,004 Выходные токены 18,040 Токены рассуждений 0 Время ответа (среднее) 4.67s Время ответа (суммарно) 107.45s Время ответа (макс.) 49.23s Неверный ответ: 7 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 6.5 Программирование : 5.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 10.0 Вызов инструментов : 10.0 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
#214#214	GPT-5.5none	6.6	OpenAI	$1.212	4.75s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 56.5% Нестабильные тесты 2 Входные токены 205,108 Выходные токены 6,197 Токены рассуждений 0 Время ответа (среднее) 4.75s Время ответа (суммарно) 109.31s Время ответа (макс.) 57.53s Неверный ответ: 11 Агентные задачи : 5.0 Анти-ИИ уловки : 6.9 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.2 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#247#247	Gemini 3.5 Flash Litelow	6.3	Google	$0.183	4.79s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 6 Входные токены 275,779 Выходные токены 14,401 Токены рассуждений 25,511 Время ответа (среднее) 4.79s Время ответа (суммарно) 110.24s Время ответа (макс.) 53.91s Неверный ответ: 9 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 9.0 Программирование : 4.3 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 4.7
#238#238	Beam 1.0 501B A23Blow	6.4	Reflection	$0.432	4.89s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 6 Входные токены 218,076 Выходные токены 4,863 Токены рассуждений 66,387 Время ответа (среднее) 4.89s Время ответа (суммарно) 112.55s Время ответа (макс.) 29.49s Неверный ответ: 6 Ошибка API: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 8.4 Решение головоломок : 6.1 Вызов инструментов : 3.0 Эрудиция : 3.0
#341#341	Mercury 2.5 Previewlow	5.0	Inception	$0.015 ↑	4.92s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 9.9 Доля успешных попыток 44.9% Нестабильные тесты 8 Входные токены 235,438 Выходные токены 8,136 Токены рассуждений 28,734 Время ответа (среднее) 4.92s Время ответа (суммарно) 113.24s Время ответа (макс.) 84.47s Неверный ответ: 13 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 5.6 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 4.1 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 8.2 Вызов инструментов : 2.8 Эрудиция : 3.0
#315#315	Qwen3.8 27Bnone	5.4	Qwen	~$0.010	5.05s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 39.1% Нестабильные тесты 0 Входные токены 281,460 Выходные токены 13,791 Токены рассуждений 0 Время ответа (среднее) 5.05s Время ответа (суммарно) 116.11s Время ответа (макс.) 47.42s Неверный ответ: 12 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 7.7 Общий интеллект : 4.2 Следование инструкциям : 6.3 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#388#388	Mercury 2.5none	4.1	Inception	$0.026	5.10s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 21 Надежность 10.0 Доля успешных попыток 24.6% Нестабильные тесты 7 Входные токены 311,488 Выходные токены 89,958 Токены рассуждений 0 Время ответа (среднее) 5.10s Время ответа (суммарно) 117.24s Время ответа (макс.) 63.41s Неверный ответ: 15 Не соблюдены инструкции: 4 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 3.8 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 2.8 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 4.9 Решение головоломок : 3.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#269#269	Inklingnone	6.1	Thinkingmachines	$0.292 ↓	5.30s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 31.9% Нестабильные тесты 1 Входные токены 236,599 Выходные токены 11,561 Токены рассуждений 4,975 Время ответа (среднее) 5.30s Время ответа (суммарно) 121.91s Время ответа (макс.) 48.02s Неверный ответ: 13 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 4.8 Программирование : 4.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 5.6 Вызов инструментов : 3.0 Эрудиция : 3.0
#343#343	Dots 3 Note Previewdefault	5.0	Dots Studio	$0.000	5.36s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 20 Надежность 10.0 Доля успешных попыток 15.9% Нестабильные тесты 1 Входные токены 225,907 Выходные токены 22,507 Токены рассуждений 0 Время ответа (среднее) 5.36s Время ответа (суммарно) 123.38s Время ответа (макс.) 45.71s Неверный ответ: 16 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 3.1 Программирование : 4.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 4.8 Решение головоломок : 3.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#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
#287#287	Qwen3.8 Flash Nextnone	5.8	Qwen	~$0.011	5.71s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 43.5% Нестабильные тесты 3 Входные токены 266,004 Выходные токены 9,077 Токены рассуждений 0 Время ответа (среднее) 5.71s Время ответа (суммарно) 131.36s Время ответа (макс.) 65.25s Неверный ответ: 14 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 6.1 Следование инструкциям : 7.1 Решение головоломок : 6.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#98#98	Gemini 4 Argonlow	8.2	Google	$0.438	5.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 9.8 Доля успешных попыток 79.7% Нестабильные тесты 6 Входные токены 188,162 Выходные токены 6,097 Токены рассуждений 0 Время ответа (среднее) 5.72s Время ответа (суммарно) 131.67s Время ответа (макс.) 60.87s Неверный ответ: 5 Ошибка API: 2 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 10.0 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 8.7 Вызов инструментов : 4.7 Эрудиция : 3.0
#309#309	Gemini 2.5 Flashnone	5.5	Google	$0.017	6.00s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 37.7% Нестабильные тесты 1 Входные токены 39,886 Выходные токены 1,890 Токены рассуждений 0 Время ответа (среднее) 6.00s Время ответа (суммарно) 138.04s Время ответа (макс.) 118.00s Неверный ответ: 13 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 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
#439#439	Solar Decidedefault	1.0	Upstage	$0.009 ↑	6.01s
Открыть карточку модели Всего тестов 7 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 14.5% Нестабильные тесты 3 Входные токены 47,586 Выходные токены 51 Токены рассуждений 0 Время ответа (среднее) 6.01s Время ответа (суммарно) 42.05s Время ответа (макс.) 13.10s Неверный ответ: 5 Агентные задачи : 0.0 Анти-ИИ уловки : 0.8 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 3.7 Предметно-ориентированное : 4.3 Общий интеллект : 0.0 Следование инструкциям : 5.0 Решение головоломок : 1.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#278#278	Inkling Smallmedium	6.0	Thinkingmachines	$0.113 ↓	6.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 50.7% Нестабильные тесты 3 Входные токены 100,255 Выходные токены 6,422 Токены рассуждений 49,847 Время ответа (среднее) 6.03s Время ответа (суммарно) 138.65s Время ответа (макс.) 17.26s Неверный ответ: 6 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Ошибка API: 1 Агентные задачи : 3.0 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
#233#233	Gemini 3 Flash Previewnone	6.4	Google	$0.155	6.05s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 62.3% Нестабильные тесты 3 Входные токены 233,893 Выходные токены 12,432 Токены рассуждений 0 Время ответа (среднее) 6.05s Время ответа (суммарно) 102.89s Время ответа (макс.) 57.84s Неверный ответ: 9 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#318#318	MiMo-V2.6-Flashnone	5.4	Xiaomi	$0.060	6.20s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 30.4% Нестабильные тесты 2 Входные токены 276,697 Выходные токены 75,728 Токены рассуждений 0 Время ответа (среднее) 6.20s Время ответа (суммарно) 142.63s Время ответа (макс.) 62.57s Неверный ответ: 15 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 3.7 Комбинированный : 3.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.5 Решение головоломок : 3.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#338#338	MiMo-V2.5-Pronone	5.1	Xiaomi	$0.135 ↓	6.21s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 31.9% Нестабильные тесты 4 Входные токены 273,075 Выходные токены 17,069 Токены рассуждений 0 Время ответа (среднее) 6.21s Время ответа (суммарно) 142.89s Время ответа (макс.) 53.13s Неверный ответ: 12 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 3.9 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
#26#26	Gemini 3.7 Flashlow	9.4	Google	$0.183	6.24s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 95.7% Нестабильные тесты 2 Входные токены 188,519 Выходные токены 7,694 Токены рассуждений 30,759 Время ответа (среднее) 6.24s Время ответа (суммарно) 143.56s Время ответа (макс.) 58.75s Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 7.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 8.2 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#190#190	Gemini 3.1 Flash Litemedium	6.9	Google	$0.153	6.27s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 59.4% Нестабильные тесты 2 Входные токены 228,023 Выходные токены 10,779 Токены рассуждений 53,188 Время ответа (среднее) 6.27s Время ответа (суммарно) 144.10s Время ответа (макс.) 47.78s Неверный ответ: 8 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 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
#220#220	Beam 1.0 501B A23Bmedium	6.6	Reflection	$0.499	6.27s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 2 Входные токены 202,937 Выходные токены 4,328 Токены рассуждений 94,193 Время ответа (среднее) 6.27s Время ответа (суммарно) 144.28s Время ответа (макс.) 31.55s Неверный ответ: 6 Ошибка API: 3 Агентные задачи : 3.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.7 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#210#210	GPT 5.3 Chatdefault	6.7	OpenAI	$0.533	6.31s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 62.3% Нестабильные тесты 4 Входные токены 78,846 Выходные токены 7,635 Токены рассуждений 20,544 Время ответа (среднее) 6.31s Время ответа (суммарно) 138.73s Время ответа (макс.) 18.33s Неверный ответ: 6 Ошибка API: 2 Не соблюдены инструкции: 2 Агентные задачи : 3.0 Анти-ИИ уловки : 6.7 Программирование : 5.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.6 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#49#49	Gemini 4 Argonmedium	9.0	Google	$0.674	6.63s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 84.1% Нестабильные тесты 1 Входные токены 215,326 Выходные токены 6,668 Токены рассуждений 17,615 Время ответа (среднее) 6.63s Время ответа (суммарно) 152.50s Время ответа (макс.) 62.49s Неверный ответ: 4 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.4 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 : 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