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)
#217#217	Qwen3.6 Flashnone	6.1	Qwen	$0.062 ↓	3.73s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 34.9% Нестабильные тесты 1 Входные токены 139,797 Выходные токены 30,947 Токены рассуждений 0 Время ответа (среднее) 3.73s Время ответа (суммарно) 81.95s Время ответа (макс.) 48.79s Неверный ответ: 12 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.1 Программирование : 5.4 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.3 Решение головоломок : 3.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#227#227	Qwen3.5-Flashnone	6.0	Qwen	$0.073 ↓	25.28s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 34.9% Нестабильные тесты 2 Входные токены 282,356 Выходные токены 209,201 Токены рассуждений 0 Время ответа (среднее) 25.28s Время ответа (суммарно) 556.14s Время ответа (макс.) 480.96s Неверный ответ: 14 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.5 Программирование : 5.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.3 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#236#236	GPT-5.4none	5.8	OpenAI	$0.397	2.08s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 34.9% Нестабильные тесты 2 Входные токены 108,641 Выходные токены 8,339 Токены рассуждений 0 Время ответа (среднее) 2.08s Время ответа (суммарно) 45.75s Время ответа (макс.) 15.63s Неверный ответ: 14 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.2 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 5.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#237#237	Solar Pro 4none	5.8	Upstage	$0.017 ↑	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
#247#247	KAT-Coder-Air V2.5high	5.6	Kwaipilot	$0.077	15.87s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 9.8 Доля успешных попыток 42.4% Нестабильные тесты 5 Входные токены 50,423 Выходные токены 4,144 Токены рассуждений 110,510 Время ответа (среднее) 15.87s Время ответа (суммарно) 349.16s Время ответа (макс.) 118.35s Неверный ответ: 9 Ошибка API: 3 Лишнее форматирование: 3 Анти-ИИ уловки : 6.9 Программирование : 4.3 Комбинированный : 6.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 3.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#256#256	Qwen3.6 27Bnone	5.5	Qwen	$0.062 ↓	10.62s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 6 Входные токены 95,805 Выходные токены 16,156 Токены рассуждений 0 Время ответа (среднее) 10.62s Время ответа (суммарно) 233.68s Время ответа (макс.) 156.31s Неверный ответ: 11 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 3.8 Программирование : 5.5 Комбинированный : 3.2 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 7.7 Общий интеллект : 5.2 Следование инструкциям : 6.2 Решение головоломок : 5.3 Вызов инструментов : 9.5 Эрудиция : 3.0
#262#262	DeepSeek V4.1 Flashnone	5.4	DeepSeek	$0.185	14.85s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 9.6 Доля успешных попыток 34.9% Нестабильные тесты 2 Входные токены 137,687 Выходные токены 273,780 Токены рассуждений 0 Время ответа (среднее) 14.85s Время ответа (суммарно) 326.72s Время ответа (макс.) 247.66s Неверный ответ: 11 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 Анти-ИИ уловки : 3.7 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 7.7 Общий интеллект : 5.5 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#264#264	KAT-Coder-Air V2.5low	5.4	Kwaipilot	$0.046	10.63s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 9.9 Доля успешных попыток 43.9% Нестабильные тесты 6 Входные токены 61,094 Выходные токены 6,532 Токены рассуждений 53,882 Время ответа (среднее) 10.63s Время ответа (суммарно) 233.77s Время ответа (макс.) 86.23s Неверный ответ: 7 Лишнее форматирование: 4 Ошибка API: 2 Не соблюдены инструкции: 2 Анти-ИИ уловки : 7.3 Программирование : 3.5 Комбинированный : 6.4 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#278#278	Granite 4.2 8Bmedium	5.2	IBM Granite	$0.008 ↓	45.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 8.7 Доля успешных попыток 34.9% Нестабильные тесты 1 Входные токены 52,909 Выходные токены 7,058 Токены рассуждений 12,272 Время ответа (среднее) 45.97s Время ответа (суммарно) 1011.42s Время ответа (макс.) 557.96s Неверный ответ: 9 Тайм-аут: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.4 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 3.8 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#282#282	Granite 4.2 8Blow	5.1	IBM Granite	$0.012 ↓	54.36s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 9.0 Доля успешных попыток 31.8% Нестабильные тесты 0 Входные токены 74,721 Выходные токены 9,205 Токены рассуждений 18,723 Время ответа (среднее) 54.36s Время ответа (суммарно) 1195.97s Время ответа (макс.) 566.80s Неверный ответ: 10 Тайм-аут: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#251#251	Mimo V2 PROnone	5.6	Xiaomi	$0.045 ↓	2.27s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 39.4% Нестабильные тесты 3 Входные токены 39,344 Выходные токены 2,352 Токены рассуждений 0 Время ответа (среднее) 2.27s Время ответа (суммарно) 45.50s Время ответа (макс.) 6.58s Неверный ответ: 11 Не соблюдены инструкции: 2 Ошибка API: 1 Анти-ИИ уловки : 3.5 Программирование : 5.5 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 6.5 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#252#252	Owl Alphanone	5.6	Openrouter	$0.000	9.88s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 34.9% Нестабильные тесты 1 Входные токены 42,283 Выходные токены 5,913 Токены рассуждений 0 Время ответа (среднее) 9.88s Время ответа (суммарно) 207.38s Время ответа (макс.) 47.10s Неверный ответ: 10 Не соблюдены инструкции: 3 Лишнее форматирование: 1 Анти-ИИ уловки : 3.4 Программирование : 5.6 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 6.4 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#310#310	Cobuddymedium	4.7	Baidu	$0.000	39.90s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 6 Входные токены 37,449 Выходные токены 1,677 Токены рассуждений 116,703 Время ответа (среднее) 39.90s Время ответа (суммарно) 797.98s Время ответа (макс.) 309.02s Неверный ответ: 9 Не соблюдены инструкции: 3 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.7 Программирование : 3.7 Комбинированный : 1.5 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 2.9 Общий интеллект : 4.2 Следование инструкциям : 9.8 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#316#316	Grok 4.20 Betanone	4.4	X AI	$0.087 ↓	1.19s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 30.3% Нестабильные тесты 1 Входные токены 40,597 Выходные токены 1,657 Токены рассуждений 0 Время ответа (среднее) 1.19s Время ответа (суммарно) 21.43s Время ответа (макс.) 6.48s Неверный ответ: 10 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.0 Программирование : 1.8 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 0.0
#322#322	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
#323#323	Grok 4.20none	4.1	X AI	$0.057 ↓	1.11s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 27.3% Нестабильные тесты 0 Входные токены 41,313 Выходные токены 1,923 Токены рассуждений 0 Время ответа (среднее) 1.11s Время ответа (суммарно) 19.96s Время ответа (макс.) 6.04s Неверный ответ: 10 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 1.1 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 6.3 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 0.0
#197#197	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
#205#205	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
#216#216	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.756 ↓	85.44s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 48.5% Нестабильные тесты 6 Входные токены 118,486 Выходные токены 156,166 Токены рассуждений 860,619 Время ответа (среднее) 85.44s Время ответа (суммарно) 1879.75s Время ответа (макс.) 525.14s Неверный ответ: 8 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 6.8 Программирование : 7.5 Комбинированный : 2.9 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 4.4 Решение головоломок : 5.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#219#219	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.122 ↓	13.10s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 4 Входные токены 94,477 Выходные токены 51,487 Токены рассуждений 0 Время ответа (среднее) 13.10s Время ответа (суммарно) 288.23s Время ответа (макс.) 206.05s Неверный ответ: 12 Не соблюдены инструкции: 2 Анти-ИИ уловки : 4.8 Программирование : 3.9 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 6.2 Решение головоломок : 6.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#220#220	Nemotron 3 Ultranone	6.1	NVIDIA	$0.084 ↕	3.88s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 42.4% Нестабильные тесты 2 Входные токены 101,168 Выходные токены 9,470 Токены рассуждений 0 Время ответа (среднее) 3.88s Время ответа (суммарно) 85.33s Время ответа (макс.) 37.50s Неверный ответ: 11 Ошибка API: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.5 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 5.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#221#221	Trinity Large Thinkinglow	6.0	Arcee AI	$0.625 ↓	96.61s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 47.0% Нестабильные тесты 5 Входные токены 122,854 Выходные токены 119,810 Токены рассуждений 698,549 Время ответа (среднее) 96.61s Время ответа (суммарно) 2125.51s Время ответа (макс.) 540.96s Неверный ответ: 7 Ошибка API: 2 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Нет ответа: 1 Анти-ИИ уловки : 8.3 Программирование : 5.3 Комбинированный : 5.2 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 4.4 Решение головоломок : 6.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#222#222	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
#224#224	GPT-5.6 Terranone	6.0	OpenAI	$0.280 ↓	1.66s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 42.4% Нестабильные тесты 3 Входные токены 102,268 Выходные токены 6,221 Токены рассуждений 0 Время ответа (среднее) 1.66s Время ответа (суммарно) 36.54s Время ответа (макс.) 10.07s Неверный ответ: 11 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 8.5 Решение головоломок : 5.3 Вызов инструментов : 9.6 Эрудиция : 3.0
#226#226	GPT-5 Nanomedium	6.0	OpenAI	$0.118	54.20s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 54.5% Нестабильные тесты 9 Входные токены 94,944 Выходные токены 12,037 Токены рассуждений 270,400 Время ответа (среднее) 54.20s Время ответа (суммарно) 867.23s Время ответа (макс.) 227.89s Неверный ответ: 10 Не соблюдены инструкции: 2 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 6.5 Программирование : 7.0 Комбинированный : 6.4 Парсинг и извлечение данных : 3.7 Предметно-ориентированное : 3.4 Общий интеллект : 4.1 Следование инструкциям : 9.8 Решение головоломок : 5.3 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