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)
#196#196	Grok 4.20 Betamedium	6.0	X AI	$0.750 ↑	9.75s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 4 Надежность Н/Д Доля успешных попыток 66.7% Нестабильные тесты 1 Входные токены 35,955 Выходные токены 1,647 Токены рассуждений 91,565 Время ответа (среднее) 9.75s Время ответа (суммарно) 175.48s Время ответа (макс.) 31.36s Неверный ответ: 3 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.7 Программирование : 3.3 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 0.0
#45#45	Muse Spark 1.2low	8.4	Meta	$0.655	9.77s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 77.3% Нестабильные тесты 3 Входные токены 101,811 Выходные токены 8,025 Токены рассуждений 115,938 Время ответа (среднее) 9.77s Время ответа (суммарно) 214.83s Время ответа (макс.) 47.80s Неверный ответ: 4 Не соблюдены инструкции: 3 Анти-ИИ уловки : 9.2 Программирование : 8.4 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#164#164	Qwen3.5 Plus 2026-02-15none	6.6	Qwen	$0.073 ↓	9.86s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 53.0% Нестабильные тесты 2 Входные токены 102,655 Выходные токены 29,370 Токены рассуждений 0 Время ответа (среднее) 9.86s Время ответа (суммарно) 157.77s Время ответа (макс.) 123.00s Неверный ответ: 11 Анти-ИИ уловки : 4.8 Программирование : 4.3 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 4.4 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#225#225	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
#31#31	Gemini 3.5 Flash Litehigh	8.8	Google	$0.540	10.05s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 2 Входные токены 93,046 Выходные токены 5,884 Токены рассуждений 198,741 Время ответа (среднее) 10.05s Время ответа (суммарно) 221.06s Время ответа (макс.) 36.22s Неверный ответ: 5 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 9.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#185#185	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
#11#11	GPT-5.5low	9.3	OpenAI	$1.257	10.15s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 86.4% Нестабильные тесты 0 Входные токены 80,067 Выходные токены 5,378 Токены рассуждений 23,162 Время ответа (среднее) 10.15s Время ответа (суммарно) 223.24s Время ответа (макс.) 56.19s Неверный ответ: 3 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 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 : 3.0
#139#139	Gemini 3.5 Flashnone	6.9	Google	$1.093	10.18s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 3 Входные токены 13,852 Выходные токены 119,100 Токены рассуждений 0 Время ответа (среднее) 10.18s Время ответа (суммарно) 183.29s Время ответа (макс.) 64.36s Ошибка API: 4 Неверный ответ: 4 Анти-ИИ уловки : 10.0 Программирование : 8.8 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 2.8
#16#16	Claude Opus 5medium	9.2	Anthropic	$1.586	10.26s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 1 Входные токены 135,604 Выходные токены 23,814 Токены рассуждений 12,804 Время ответа (среднее) 10.26s Время ответа (суммарно) 225.66s Время ответа (макс.) 35.43s Неверный ответ: 3 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#277#277	Hunter Alphamedium	4.7	OpenRouter	$0.000	10.33s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 53.0% Нестабильные тесты 6 Входные токены 28,927 Выходные токены 4,682 Токены рассуждений 17,969 Время ответа (среднее) 10.33s Время ответа (суммарно) 175.58s Время ответа (макс.) 30.53s Неверный ответ: 4 Не соблюдены инструкции: 2 Тайм-аут: 2 Ошибка API: 1 Лишнее форматирование: 1 Анти-ИИ уловки : 7.3 Программирование : 9.8 Комбинированный : 2.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 7.0 Следование инструкциям : 9.9 Решение головоломок : 6.1 Вызов инструментов : 10.0 Эрудиция : 0.0
#136#136	Claude Fable 5.1low	6.9	Anthropic	$2.565	10.33s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 56.1% Нестабильные тесты 2 Входные токены 134,582 Выходные токены 8,955 Токены рассуждений 15,420 Время ответа (среднее) 10.33s Время ответа (суммарно) 227.37s Время ответа (макс.) 33.10s Лишнее форматирование: 4 Неверный ответ: 4 Не соблюдены инструкции: 3 Анти-ИИ уловки : 6.5 Программирование : 3.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#229#229	Qwen3.6 27Bnone	5.5	Qwen	$0.116 ↑	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
#235#235	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
#266#266	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
#252#252	Mistral Small 4medium	5.1	Mistral	$0.097	10.80s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 8 Входные токены 140,559 Выходные токены 40,268 Токены рассуждений 93,329 Время ответа (среднее) 10.80s Время ответа (суммарно) 237.60s Время ответа (макс.) 59.15s Неверный ответ: 13 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 Анти-ИИ уловки : 5.6 Программирование : 4.4 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.9 Общий интеллект : 4.8 Следование инструкциям : 7.3 Решение головоломок : 3.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#65#65	GPT-5.6 Terrahigh	8.0	OpenAI	$0.836 ↓	11.22s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 68.2% Нестабильные тесты 2 Входные токены 81,056 Выходные токены 5,055 Токены рассуждений 51,033 Время ответа (среднее) 11.22s Время ответа (суммарно) 246.77s Время ответа (макс.) 91.49s Неверный ответ: 7 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.3 Программирование : 7.6 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.1 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#10#10	GPT-5.6 Solhigh	9.4	OpenAI	$0.446 ↓	11.48s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 89.4% Нестабильные тесты 3 Входные токены 79,258 Выходные токены 4,855 Токены рассуждений 23,853 Время ответа (среднее) 11.48s Время ответа (суммарно) 252.62s Время ответа (макс.) 54.79s Неверный ответ: 4 Анти-ИИ уловки : 8.7 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 : 10.0 Вызов инструментов : 10.0 Эрудиция : 4.7
#285#285	Laguna S 2.1none	4.5	Poolside	$0.022 ↓	11.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 20 Надежность 10.0 Доля успешных попыток 15.2% Нестабильные тесты 3 Входные токены 125,604 Выходные токены 57,634 Токены рассуждений 0 Время ответа (среднее) 11.67s Время ответа (суммарно) 256.71s Время ответа (макс.) 200.52s Неверный ответ: 18 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 3.1 Программирование : 3.4 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 4.3 Решение головоломок : 3.1 Вызов инструментов : 4.7 Эрудиция : 3.0
#53#53	Claude Fable 5.1medium	8.3	Anthropic	$2.909	11.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 81.8% Нестабильные тесты 6 Входные токены 135,112 Выходные токены 7,594 Токены рассуждений 23,558 Время ответа (среднее) 11.67s Время ответа (суммарно) 256.73s Время ответа (макс.) 36.59s Неверный ответ: 3 Нет ответа: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.2 Программирование : 7.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 7.3 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 2.8
#145#145	DeepSeek V4 Pronone	6.8	DeepSeek	$0.226 ↑	11.71s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 47.0% Нестабильные тесты 4 Входные токены 148,078 Выходные токены 35,547 Токены рассуждений 0 Время ответа (среднее) 11.71s Время ответа (суммарно) 257.67s Время ответа (макс.) 119.44s Неверный ответ: 9 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.2 Программирование : 5.6 Комбинированный : 7.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#4#4	Gemini 3.6 Flashmedium	9.8	Google	$0.427 ↓	11.86s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 95.5% Нестабильные тесты 2 Входные токены 64,446 Выходные токены 1,974 Токены рассуждений 98,902 Время ответа (среднее) 11.86s Время ответа (суммарно) 260.96s Время ответа (макс.) 77.15s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 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
#52#52	Muse Spark 1.1low	8.3	Meta	$0.673	11.89s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 4 Входные токены 141,878 Выходные токены 11,033 Токены рассуждений 105,456 Время ответа (среднее) 11.89s Время ответа (суммарно) 261.69s Время ответа (макс.) 54.15s Неверный ответ: 5 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.9 Программирование : 10.0 Комбинированный : 6.6 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 7.3 Решение головоломок : 8.3 Вызов инструментов : 9.8 Эрудиция : 3.0
#222#222	Owl Alphamedium	5.6	Openrouter	$0.000	11.95s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 37.9% Нестабильные тесты 1 Входные токены 43,478 Выходные токены 2,974 Токены рассуждений 0 Время ответа (среднее) 11.95s Время ответа (суммарно) 250.88s Время ответа (макс.) 58.63s Неверный ответ: 10 Не соблюдены инструкции: 2 Ошибка API: 1 Анти-ИИ уловки : 4.8 Программирование : 5.4 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#113#113	Qwen3.7 Plusnone	7.3	Qwen	$0.106 ↓	12.11s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 54.6% Нестабильные тесты 0 Входные токены 98,833 Выходные токены 58,097 Токены рассуждений 0 Время ответа (среднее) 12.11s Время ответа (суммарно) 266.40s Время ответа (макс.) 206.03s Неверный ответ: 9 Не соблюдены инструкции: 1 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.3 Следование инструкциям : 6.3 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#3🥉 #3	Gemini 3.7 Flashhigh	9.8	Google	$0.646 ↑	12.22s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 95.5% Нестабильные тесты 2 Входные токены 86,712 Выходные токены 6,017 Токены рассуждений 148,829 Время ответа (среднее) 12.22s Время ответа (суммарно) 268.78s Время ответа (макс.) 91.63s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 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

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