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)
#302#302	Trinity Large Thinkinghigh	4.8	Arcee AI	$0.592 ↓	75.86s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 39.4% Нестабильные тесты 8 Входные токены 101,776 Выходные токены 276,367 Токены рассуждений 656,252 Время ответа (среднее) 75.86s Время ответа (суммарно) 1668.93s Время ответа (макс.) 510.21s Неверный ответ: 10 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Нет ответа: 1 Анти-ИИ уловки : 6.7 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 6.3 Решение головоломок : 4.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#304#304	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.070	12.46s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 36.4% Нестабильные тесты 7 Входные токены 69,376 Выходные токены 97,752 Токены рассуждений 0 Время ответа (среднее) 12.46s Время ответа (суммарно) 274.11s Время ответа (макс.) 121.05s Неверный ответ: 13 Лишнее форматирование: 3 Ошибка API: 1 Анти-ИИ уловки : 5.3 Программирование : 3.3 Комбинированный : 3.8 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 9.9 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#305#305	GLM 4.7 Flashnone	4.8	Z.ai	$0.016	8.81s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 3 Входные токены 101,513 Выходные токены 22,992 Токены рассуждений 0 Время ответа (среднее) 8.81s Время ответа (суммарно) 140.88s Время ответа (макс.) 97.15s Неверный ответ: 14 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 5.2 Программирование : 4.3 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 6.5 Решение головоломок : 6.4 Вызов инструментов : 2.8 Эрудиция : 3.0
#314#314	MiniMax M2.5medium	4.6	Minimax	$0.327 ↑	69.08s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 9 Входные токены 142,621 Выходные токены 20,409 Токены рассуждений 251,820 Время ответа (среднее) 69.08s Время ответа (суммарно) 1036.24s Время ответа (макс.) 251.36s Неверный ответ: 7 Тайм-аут: 4 Не соблюдены инструкции: 3 Нет ответа: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.9 Программирование : 3.4 Комбинированный : 3.7 Парсинг и извлечение данных : 4.6 Предметно-ориентированное : 2.9 Общий интеллект : 3.8 Следование инструкциям : 7.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#318#318	Elephant Alphanone	4.3	Openrouter	$0.000	1.22s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 16 Надежность Н/Д Доля успешных попыток 25.8% 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 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
#337#337	Laguna Xs.2none	3.8	Poolside	$0.004 ↕	806ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 22.7% Нестабильные тесты 0 Входные токены 33,675 Выходные токены 2,826 Токены рассуждений 0 Время ответа (среднее) 806ms Время ответа (суммарно) 12.09s Время ответа (макс.) 2.01s Неверный ответ: 8 Ошибка API: 4 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.0 Программирование : 8.3 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 3.0 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#228#228	Qwen3.5-35B-A3Bnone	5.9	Qwen	$0.151 ↑	12.73s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 39.4% Нестабильные тесты 4 Входные токены 134,530 Выходные токены 86,616 Токены рассуждений 0 Время ответа (среднее) 12.73s Время ответа (суммарно) 279.97s Время ответа (макс.) 209.15s Неверный ответ: 13 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.4 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.5 Следование инструкциям : 6.3 Решение головоломок : 3.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#234#234	GPT-5.4 Mininone	5.9	OpenAI	$0.095	1.58s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 31.8% Нестабильные тесты 2 Входные токены 79,076 Выходные токены 7,898 Токены рассуждений 0 Время ответа (среднее) 1.58s Время ответа (суммарно) 34.86s Время ответа (макс.) 9.92s Неверный ответ: 13 Не соблюдены инструкции: 3 Анти-ИИ уловки : 3.1 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.8 Следование инструкциям : 6.3 Решение головоломок : 5.4 Вызов инструментов : 3.0 Эрудиция : 3.0
#242#242	Ling-3.0-flashnone	5.7	Inclusionai	$0.004 ↕	3.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 0 Входные токены 123,993 Выходные токены 12,777 Токены рассуждений 0 Время ответа (среднее) 3.56s Время ответа (суммарно) 74.74s Время ответа (макс.) 17.51s Неверный ответ: 13 Ошибка API: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 4.8 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#244#244	Kimi K2.6none	5.7	Moonshot AI	$0.233 ↑	19.57s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 2 Входные токены 116,983 Выходные токены 30,249 Токены рассуждений 0 Время ответа (среднее) 19.57s Время ответа (суммарно) 430.58s Время ответа (макс.) 238.89s Неверный ответ: 12 Не соблюдены инструкции: 3 Нет ответа: 1 Анти-ИИ уловки : 4.6 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.4 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#245#245	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.247 ↓	12.93s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 2 Входные токены 241,575 Выходные токены 88,459 Токены рассуждений 0 Время ответа (среднее) 12.93s Время ответа (суммарно) 284.39s Время ответа (макс.) 212.63s Неверный ответ: 13 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 3.7 Комбинированный : 5.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 3.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#260#260	MiMo-V2.6-Flashnone	5.4	Xiaomi	$0.037	3.64s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 31.8% Нестабильные тесты 2 Входные токены 115,134 Выходные токены 74,105 Токены рассуждений 0 Время ответа (среднее) 3.64s Время ответа (суммарно) 80.06s Время ответа (макс.) 55.14s Неверный ответ: 14 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 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
#265#265	GPT-5.6 Lunanone	5.4	OpenAI	$0.029 ↓	1.50s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 36.4% Нестабильные тесты 3 Входные токены 101,332 Выходные токены 6,709 Токены рассуждений 0 Время ответа (среднее) 1.50s Время ответа (суммарно) 33.05s Время ответа (макс.) 10.57s Неверный ответ: 14 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 3.8 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 7.1 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#272#272	Seed-2.0-Codenone	5.3	Bytedance Seed	$0.151	14.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 8.6 Доля успешных попыток 36.4% Нестабильные тесты 5 Входные токены 159,749 Выходные токены 23,433 Токены рассуждений 0 Время ответа (среднее) 14.67s Время ответа (суммарно) 322.71s Время ответа (макс.) 132.84s Неверный ответ: 11 Лишнее форматирование: 2 Не соблюдены инструкции: 2 Нет ответа: 1 Анти-ИИ уловки : 3.0 Программирование : 3.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 5.0 Следование инструкциям : 6.2 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#277#277	Inklingnone	5.2	Thinkingmachines	$0.147	3.47s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 28.8% Нестабильные тесты 1 Входные токены 104,120 Выходные токены 10,554 Токены рассуждений 0 Время ответа (среднее) 3.47s Время ответа (суммарно) 76.28s Время ответа (макс.) 48.02s Неверный ответ: 13 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 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
#284#284	Mercury 2.5low	5.1	Inception	$0.011	1.35s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 9.8 Доля успешных попыток 39.4% Нестабильные тесты 5 Входные токены 138,020 Выходные токены 6,083 Токены рассуждений 27,636 Время ответа (среднее) 1.35s Время ответа (суммарно) 29.74s Время ответа (макс.) 7.48s Неверный ответ: 14 Ошибка API: 1 Нет ответа: 1 Анти-ИИ уловки : 6.9 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 4.4 Следование инструкциям : 2.9 Решение головоломок : 5.9 Вызов инструментов : 9.8 Эрудиция : 3.0
#290#290	Mercury 2.5 Previewlow	5.0	Inception	$0.011	1.31s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 47.0% Нестабильные тесты 8 Входные токены 133,525 Выходные токены 7,259 Токены рассуждений 24,716 Время ответа (среднее) 1.31s Время ответа (суммарно) 28.77s Время ответа (макс.) 7.29s Неверный ответ: 12 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 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
#292#292	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	17.89s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 36.4% Нестабильные тесты 5 Входные токены 135,831 Выходные токены 42,099 Токены рассуждений 0 Время ответа (среднее) 17.89s Время ответа (суммарно) 393.53s Время ответа (макс.) 115.89s Неверный ответ: 8 Ошибка API: 3 Лишнее форматирование: 2 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.2 Программирование : 3.1 Комбинированный : 4.8 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 4.7 Следование инструкциям : 10.0 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#296#296	Ling-2.6-flashnone	4.9	Inclusionai	$0.002 ↑	10.71s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 9.6 Доля успешных попыток 30.3% Нестабильные тесты 2 Входные токены 114,384 Выходные токены 14,903 Токены рассуждений 0 Время ответа (среднее) 10.71s Время ответа (суммарно) 214.28s Время ответа (макс.) 36.03s Неверный ответ: 9 Недопустимый вызов инструмента: 3 Ошибка API: 2 Не соблюдены инструкции: 2 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
#287#287	GLM 5 Turbonone	5.1	Z.ai	$0.047 ↑	2.82s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 2 Входные токены 32,525 Выходные токены 1,815 Токены рассуждений 0 Время ответа (среднее) 2.82s Время ответа (суммарно) 59.29s Время ответа (макс.) 8.21s Неверный ответ: 13 Не соблюдены инструкции: 2 Анти-ИИ уловки : 3.0 Программирование : 3.9 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.2 Следование инструкциям : 6.5 Решение головоломок : 5.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#320#320	Elephant Alphamedium	4.3	Openrouter	$0.000	1.27s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 15 Надежность Н/Д Доля успешных попыток 28.8% 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 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
#324#324	Laguna Xs.2medium	4.1	Poolside	$0.015 ↕	6.73s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 6 Входные токены 39,481 Выходные токены 54,218 Токены рассуждений 0 Время ответа (среднее) 6.73s Время ответа (суммарно) 100.98s Время ответа (макс.) 29.11s Неверный ответ: 6 Ошибка API: 4 Нет ответа: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.9 Программирование : 2.1 Комбинированный : 1.5 Парсинг и извлечение данных : 7.1 Предметно-ориентированное : 4.1 Общий интеллект : 3.0 Следование инструкциям : 10.0 Решение головоломок : 5.3 Вызов инструментов : 4.7 Эрудиция : 3.0
#338#338	gpt-oss-120bnone	3.7	OpenAI	$0.033 ↑	21.61s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 2 Входные токены 9,081 Выходные токены 51,664 Токены рассуждений 0 Время ответа (среднее) 21.61s Время ответа (суммарно) 345.79s Время ответа (макс.) 113.71s Неверный ответ: 8 Ошибка API: 3 Не соблюдены инструкции: 2 Анти-ИИ уловки : 6.5 Программирование : 1.5 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 9.8 Решение головоломок : 6.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#208#208	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
#212#212	Qwen3.7 Flashnone	6.1	Qwen	$0.019	10.05s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 36.4% Нестабильные тесты 2 Входные токены 218,740 Выходные токены 90,507 Токены рассуждений 0 Время ответа (среднее) 10.05s Время ответа (суммарно) 221.13s Время ответа (макс.) 186.24s Неверный ответ: 13 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.0 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.3 Решение головоломок : 3.7 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