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)
#107#107	Gemini 3 Flash Previewlow	7.4	Google	$0.185	6.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 75.8% Нестабильные тесты 2 Входные токены 123,687 Выходные токены 9,572 Токены рассуждений 31,204 Время ответа (среднее) 6.51s Время ответа (суммарно) 143.12s Время ответа (макс.) 17.13s Неверный ответ: 6 Анти-ИИ уловки : 10.0 Программирование : 5.8 Комбинированный : 3.0 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
#93#93	GPT 5.3 Chatnone	7.5	OpenAI	$0.533	6.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 4 Входные токены 78,846 Выходные токены 28,179 Токены рассуждений 0 Время ответа (среднее) 6.56s Время ответа (суммарно) 137.77s Время ответа (макс.) 18.33s Неверный ответ: 6 Не соблюдены инструкции: 2 Ошибка API: 1 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
#294#294	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
#216#216	GLM 5.1none	5.7	Z.ai	$0.164 ↓	6.74s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 5 Входные токены 124,219 Выходные токены 14,393 Токены рассуждений 0 Время ответа (среднее) 6.74s Время ответа (суммарно) 148.20s Время ответа (макс.) 61.20s Неверный ответ: 12 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 4.0 Программирование : 3.9 Комбинированный : 2.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#208#208	Seed 2.1 Turbonone	5.9	Bytedance Seed	$0.092	6.84s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 54.6% Нестабильные тесты 3 Входные токены 129,150 Выходные токены 10,643 Токены рассуждений 0 Время ответа (среднее) 6.84s Время ответа (суммарно) 150.46s Время ответа (макс.) 55.92s Неверный ответ: 11 Нет ответа: 1 Анти-ИИ уловки : 4.8 Программирование : 4.5 Комбинированный : 3.8 Парсинг и извлечение данных : 7.1 Предметно-ориентированное : 7.7 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#74#74	GPT-5.6 Terramedium	7.8	OpenAI	$0.523 ↓	6.85s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 2 Входные токены 79,184 Выходные токены 4,878 Токены рассуждений 25,471 Время ответа (среднее) 6.85s Время ответа (суммарно) 150.65s Время ответа (макс.) 41.68s Неверный ответ: 8 Анти-ИИ уловки : 8.3 Программирование : 6.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.5 Следование инструкциям : 10.0 Решение головоломок : 8.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#33#33	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 1 Входные токены 134,770 Выходные токены 13,604 Токены рассуждений 4,388 Время ответа (среднее) 6.99s Время ответа (суммарно) 153.80s Время ответа (макс.) 30.67s Неверный ответ: 4 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#103#103	GPT-5.6 Lunamedium	7.4	OpenAI	$0.072 ↓	7.43s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 62.1% Нестабильные тесты 2 Входные токены 89,685 Выходные токены 5,701 Токены рассуждений 38,824 Время ответа (среднее) 7.43s Время ответа (суммарно) 163.54s Время ответа (макс.) 29.85s Неверный ответ: 9 Анти-ИИ уловки : 8.3 Программирование : 5.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.9 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#223#223	Gemma 4 26B A4Bnone	5.6	Google	$0.015 ↓	7.58s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 1 Входные токены 131,257 Выходные токены 15,781 Токены рассуждений 0 Время ответа (среднее) 7.58s Время ответа (суммарно) 166.82s Время ответа (макс.) 57.10s Неверный ответ: 9 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.3 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 6.3 Решение головоломок : 6.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#36#36	Claude Opus 4.7medium	8.7	Anthropic	$1.476	7.62s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 1 Входные токены 145,249 Выходные токены 24,948 Токены рассуждений 5,042 Время ответа (среднее) 7.62s Время ответа (суммарно) 159.94s Время ответа (макс.) 65.40s Неверный ответ: 3 Тайм-аут: 1 Анти-ИИ уловки : 8.3 Программирование : 7.6 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 : 3.0
#89#89	Claude Opus 5none	7.5	Anthropic	$1.550	7.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 57.6% Нестабильные тесты 1 Входные токены 185,547 Выходные токены 24,866 Токены рассуждений 0 Время ответа (среднее) 7.65s Время ответа (суммарно) 168.35s Время ответа (макс.) 47.72s Неверный ответ: 6 Лишнее форматирование: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 5.5 Программирование : 5.9 Комбинированный : 8.3 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
#108#108	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 57.6% Нестабильные тесты 1 Входные токены 123,273 Выходные токены 19,362 Токены рассуждений 0 Время ответа (среднее) 7.67s Время ответа (суммарно) 122.78s Время ответа (макс.) 51.18s Неверный ответ: 5 Лишнее форматирование: 4 Не соблюдены инструкции: 1 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 6.1 Следование инструкциям : 6.5 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#67#67	GPT-5.2 Chatnone	7.9	OpenAI	$0.594	7.73s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 4 Входные токены 101,104 Выходные токены 29,742 Токены рассуждений 0 Время ответа (среднее) 7.73s Время ответа (суммарно) 162.40s Время ответа (макс.) 38.52s Неверный ответ: 6 Ошибка API: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.7 Программирование : 8.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.4 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#169#169	Qwen3.6 Max Previewnone	6.4	Qwen	$0.228 ↓	7.82s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 9.9 Доля успешных попыток 56.1% Нестабильные тесты 2 Входные токены 106,348 Выходные токены 19,257 Токены рассуждений 0 Время ответа (среднее) 7.82s Время ответа (суммарно) 172.04s Время ответа (макс.) 102.62s Неверный ответ: 11 Анти-ИИ уловки : 5.2 Программирование : 3.8 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#21#21	Gemini 3.5 Flashmedium	9.0	Google	$0.665	8.48s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 1 Входные токены 69,756 Выходные токены 2,166 Токены рассуждений 60,007 Время ответа (среднее) 8.48s Время ответа (суммарно) 186.57s Время ответа (макс.) 76.68s Неверный ответ: 3 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 7.9 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 10.0
#244#244	Ling-2.6-1Tnone	5.3	Inclusionai	$0.016 ↑	8.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 18.2% Нестабильные тесты 0 Входные токены 106,423 Выходные токены 11,555 Токены рассуждений 0 Время ответа (среднее) 8.59s Время ответа (суммарно) 163.20s Время ответа (макс.) 25.72s Неверный ответ: 12 Ошибка API: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.4 Программирование : 3.8 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 6.4 Решение головоломок : 3.1 Вызов инструментов : 3.0 Эрудиция : 3.0
#254#254	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
#226#226	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 9.6 Доля успешных попыток 45.5% Нестабильные тесты 3 Входные токены 51,369 Выходные токены 8,008 Токены рассуждений 58,568 Время ответа (среднее) 8.65s Время ответа (суммарно) 190.35s Время ответа (макс.) 48.19s Неверный ответ: 10 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.7 Программирование : 3.6 Комбинированный : 6.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#275#275	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
#5#5	GPT-5.6 Sollow	9.5	OpenAI	$0.357 ↓	9.04s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 86.4% Нестабильные тесты 2 Входные токены 78,580 Выходные токены 4,476 Токены рассуждений 15,470 Время ответа (среднее) 9.04s Время ответа (суммарно) 198.97s Время ответа (макс.) 53.91s Неверный ответ: 4 Анти-ИИ уловки : 8.3 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 10.0
#198#198	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность Н/Д Доля успешных попыток 63.6% Нестабильные тесты 0 Входные токены 28,848 Выходные токены 1,490 Токены рассуждений 10,102 Время ответа (среднее) 9.05s Время ответа (суммарно) 90.53s Время ответа (макс.) 26.24s Ошибка API: 4 Неверный ответ: 3 Анти-ИИ уловки : 10.0 Программирование : 3.0 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#283#283	Qwen3 Coder Nextmedium	4.6	Qwen	$0.034 ↑	9.07s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 25.8% Нестабильные тесты 4 Входные токены 148,203 Выходные токены 19,069 Токены рассуждений 0 Время ответа (среднее) 9.07s Время ответа (суммарно) 154.19s Время ответа (макс.) 81.80s Неверный ответ: 14 Не соблюдены инструкции: 3 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 3.5 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 6.3 Следование инструкциям : 6.3 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#206#206	GLM 5.3 Flashlow	5.9	Z.ai	$0.015	9.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 56.1% Нестабильные тесты 4 Входные токены 117,551 Выходные токены 9,199 Токены рассуждений 14,537 Время ответа (среднее) 9.65s Время ответа (суммарно) 212.22s Время ответа (макс.) 90.45s Неверный ответ: 8 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.7 Программирование : 5.4 Комбинированный : 3.8 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#150#150	GLM 5.2none	6.7	Z.ai	$0.153 ↓	9.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 2 Входные токены 112,458 Выходные токены 14,344 Токены рассуждений 0 Время ответа (среднее) 9.65s Время ответа (суммарно) 212.38s Время ответа (макс.) 79.65s Неверный ответ: 7 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.3 Программирование : 3.7 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#273#273	Grok 4.20 Multi Agent Betamedium	4.8	X AI	$5.599 ↑	9.69s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 48.5% Нестабильные тесты 5 Входные токены 721,952 Выходные токены 294,668 Токены рассуждений 305,374 Время ответа (среднее) 9.69s Время ответа (суммарно) 155.07s Время ответа (макс.) 35.28s Неверный ответ: 4 Ошибка API: 2 Лишнее форматирование: 2 Не соблюдены инструкции: 2 Анти-ИИ уловки : 6.9 Программирование : 3.3 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.8 Следование инструкциям : 9.8 Решение головоломок : 6.7 Вызов инструментов : 3.0 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 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