AI BENCHY

Таблица лидеров ИИ-бенчмарка

Name: Результаты бенчмарка моделей AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-05-10 Оценено моделей: 144

144/144

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#24#24	Grok 4.3medium	8.0	X AI	$0.550	48.41s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 77.2% Нестабильные тесты 3 Выходные токены 1,237 Токены рассуждений 200,033 Время ответа (среднее) 48.41s Время ответа (суммарно) 919.73s Время ответа (макс.) 216.69s Неверный ответ: 4 Не соблюдены инструкции: 2 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.4 Следование инструкциям : 9.8 Решение головоломок : 5.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#23#23	Gemini 3.1 Flash Lite Previewmedium	8.0	Google	$0.058	3.68s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 68.4% Нестабильные тесты 0 Выходные токены 2,180 Токены рассуждений 30,831 Время ответа (среднее) 3.68s Время ответа (суммарно) 69.99s Время ответа (макс.) 14.93s Неверный ответ: 5 Не соблюдены инструкции: 1 Анти-ИИ уловки : 9.1 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#22#22	Hy3 previewhigh	8.0	Tencent	$0.000	56.77s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 77.1% Нестабильные тесты 1 Выходные токены 216,503 Токены рассуждений 0 Время ответа (среднее) 56.77s Время ответа (суммарно) 851.49s Время ответа (макс.) 149.94s Неверный ответ: 3 Ошибка API: 1 Анти-ИИ уловки : 8.9 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 9.9 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#21#21	Qwen3.6 35B A3Bmedium	8.0	Qwen	$0.116	13.22s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 5 Надежность 9.8 Доля успешных попыток 74.5% Нестабильные тесты 2 Выходные токены 15,018 Токены рассуждений 108,331 Время ответа (среднее) 13.22s Время ответа (суммарно) 224.66s Время ответа (макс.) 45.02s Неверный ответ: 4 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 0.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.4 Следование инструкциям : 10.0 Решение головоломок : 7.9 Вызов инструментов : 0.0 Эрудиция : 3.0
#20#20	GLM 5 Turbomedium	8.1	Z.ai	$0.187	18.85s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 6 Надежность 6.7 Доля успешных попыток 77.2% Нестабильные тесты 4 Выходные токены 12,217 Токены рассуждений 40,252 Время ответа (среднее) 18.85s Время ответа (суммарно) 358.15s Время ответа (макс.) 194.23s Неверный ответ: 4 Не соблюдены инструкции: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#19#19	GLM 5medium	8.1	Z.ai	$0.180	27.34s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 80.7% Нестабильные тесты 4 Выходные токены 20,564 Токены рассуждений 70,787 Время ответа (среднее) 27.34s Время ответа (суммарно) 300.78s Время ответа (макс.) 79.09s Неверный ответ: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 7.1 Предметно-ориентированное : 3.5 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#18#18	MiMo-V2.5-Promedium	8.1	Xiaomi	$0.200	16.23s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 74.1% Нестабильные тесты 2 Выходные токены 2,790 Токены рассуждений 52,001 Время ответа (среднее) 16.23s Время ответа (суммарно) 292.10s Время ответа (макс.) 84.22s Лишнее форматирование: 2 Не соблюдены инструкции: 2 Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 5.5 Следование инструкциям : 9.9 Решение головоломок : 6.7 Вызов инструментов : 10.0
#17#17	Qwen3.5-27Bmedium	8.1	Qwen	$0.534	54.71s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 77.2% Нестабильные тесты 3 Выходные токены 2,531 Токены рассуждений 266,183 Время ответа (среднее) 54.71s Время ответа (суммарно) 1039.57s Время ответа (макс.) 163.96s Не соблюдены инструкции: 2 Неверный ответ: 2 Лишнее форматирование: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.7 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#16#16	Grok 4.20 Betamedium	8.2	X AI	$0.633	9.81s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 5 Надежность Н/Д Доля успешных попыток 79.6% Нестабильные тесты 2 Выходные токены 1,568 Токены рассуждений 91,909 Время ответа (среднее) 9.81s Время ответа (суммарно) 176.62s Время ответа (макс.) 31.36s Неверный ответ: 4 Не соблюдены инструкции: 1 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 : 9.8 Решение головоломок : 8.2 Вызов инструментов : 3.0
#15#15	Qwen3.6 Plus Previewmedium	8.2	Qwen	$0.000	15.25s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 3 Надежность Н/Д Доля успешных попыток 75.0% Нестабильные тесты 0 Выходные токены 1,153 Токены рассуждений 62,197 Время ответа (среднее) 15.25s Время ответа (суммарно) 182.96s Время ответа (макс.) 43.55s Неверный ответ: 3 Анти-ИИ уловки : 10.0 Программирование : 0.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 0.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 0.0
#14#14	Gemma 4 31Bmedium	8.2	Google	$0.023	28.72s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 5 Надежность 6.7 Доля успешных попыток 77.2% Нестабильные тесты 1 Выходные токены 14,426 Токены рассуждений 37,964 Время ответа (среднее) 28.72s Время ответа (суммарно) 488.27s Время ответа (макс.) 90.14s Ошибка API: 2 Неверный ответ: 2 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 4.7 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 9.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#13#13	GPT-5.3-Codexmedium	8.2	OpenAI	$0.598	15.33s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 80.7% Нестабильные тесты 4 Выходные токены 2,309 Токены рассуждений 36,880 Время ответа (среднее) 15.33s Время ответа (суммарно) 291.34s Время ответа (макс.) 100.93s Неверный ответ: 4 Не соблюдены инструкции: 2 Анти-ИИ уловки : 8.7 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.6 Следование инструкциям : 10.0 Решение головоломок : 9.0 Вызов инструментов : 10.0 Эрудиция : 2.8
#12#12	Qwen3.5 Plus 2026-02-15medium	8.2	Qwen	$0.247	51.33s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 79.0% Нестабильные тесты 2 Выходные токены 2,145 Токены рассуждений 129,019 Время ответа (среднее) 51.33s Время ответа (суммарно) 616.01s Время ответа (макс.) 120.91s Неверный ответ: 3 Тайм-аут: 2 Анти-ИИ уловки : 8.2 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.7 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#11#11	Seed-2.0-Litemedium	8.3	Bytedance Seed	$0.125	31.32s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 79.0% Нестабильные тесты 3 Выходные токены 3,266 Токены рассуждений 54,082 Время ответа (среднее) 31.32s Время ответа (суммарно) 595.04s Время ответа (макс.) 168.71s Неверный ответ: 4 Не соблюдены инструкции: 2 Анти-ИИ уловки : 8.3 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 6.7 Следование инструкциям : 10.0 Решение головоломок : 9.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#10#10	Gemini 3 PRO Previewmedium	8.4	Google	$0.197	9.06s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 4 Надежность Н/Д Доля успешных попыток 77.8% Нестабильные тесты 0 Выходные токены 1,508 Токены рассуждений 10,084 Время ответа (среднее) 9.06s Время ответа (суммарно) 90.58s Время ответа (макс.) 26.24s Неверный ответ: 3 Ошибка API: 1 Анти-ИИ уловки : 10.0 Программирование : 3.0 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 0.0
#9#9	Qwen3.6 Max Previewmedium	8.5	Qwen	$0.872	48.96s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 80.7% Нестабильные тесты 1 Выходные токены 2,186 Токены рассуждений 105,156 Время ответа (среднее) 48.96s Время ответа (суммарно) 930.20s Время ответа (макс.) 186.74s Неверный ответ: 4 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
#8#8	Gemini 3.1 Flash Lite Previewhigh	8.6	Google	$2.310	68.83s
Открыть карточку модели Всего тестов 16 Ошибочных тестов 3 Надежность Н/Д Доля успешных попыток 81.3% Нестабильные тесты 0 Выходные токены 1,283 Токены рассуждений 1,533,310 Время ответа (среднее) 68.83s Время ответа (суммарно) 1101.32s Время ответа (макс.) 280.52s Неверный ответ: 3 Анти-ИИ уловки : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0
#7#7	Gemini 3 Flash Previewlow	8.8	Google	$0.093	5.84s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 86.0% Нестабильные тесты 1 Выходные токены 2,027 Токены рассуждений 23,906 Время ответа (среднее) 5.84s Время ответа (суммарно) 110.87s Время ответа (макс.) 14.72s Неверный ответ: 3 Анти-ИИ уловки : 10.0 Программирование : 10.0 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
#5#5	Claude Opus 4.7none	8.9	Anthropic	$0.507	3.04s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 84.2% Нестабильные тесты 0 Выходные токены 6,329 Токены рассуждений 0 Время ответа (среднее) 3.04s Время ответа (суммарно) 57.79s Время ответа (макс.) 18.27s Неверный ответ: 3 Анти-ИИ уловки : 8.3 Программирование : 10.0 Комбинированный : 9.5 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
#6#6	GPT-5.5low	8.9	OpenAI	$0.706	8.80s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 84.2% Нестабильные тесты 0 Выходные токены 2,008 Токены рассуждений 16,914 Время ответа (среднее) 8.80s Время ответа (суммарно) 167.26s 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
#4#4	GPT-5.5medium	8.9	OpenAI	$2.939	33.02s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 87.7% Нестабильные тесты 2 Выходные токены 1,950 Токены рассуждений 91,386 Время ответа (среднее) 33.02s Время ответа (суммарно) 627.45s Время ответа (макс.) 332.10s 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 : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 2.8
#3🥉 #3	Claude Opus 4.7medium	8.9	Anthropic	$0.449	3.46s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 84.2% Нестабильные тесты 0 Выходные токены 5,399 Токены рассуждений 1,341 Время ответа (среднее) 3.46s Время ответа (суммарно) 62.29s Время ответа (макс.) 21.45s Неверный ответ: 2 Тайм-аут: 1 Анти-ИИ уловки : 8.3 Программирование : 10.0 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
#2🥈 #2	Gemini 3.1 Pro Previewmedium	9.6	Google	$0.594	15.15s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 1 Надежность 10.0 Доля успешных попыток 94.7% Нестабильные тесты 0 Выходные токены 1,944 Токены рассуждений 41,839 Время ответа (среднее) 15.15s Время ответа (суммарно) 181.78s Время ответа (макс.) 40.61s Неверный ответ: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 9.5 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 : 10.0
#1🥇 #1	Gemini 3 Flash Previewmedium	10.0	Google	$0.328	11.43s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 0 Надежность 10.0 Доля успешных попыток 100.0% Нестабильные тесты 0 Выходные токены 1,985 Токены рассуждений 102,122 Время ответа (среднее) 11.43s Время ответа (суммарно) 217.10s Время ответа (макс.) 74.66s Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 10.0 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0

Быстрое сравнение

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsQwen3.6 Max Previewmedium Gemini 3 Flash PreviewmediumvsRing 2.6 1tmediumБесплатно доступно Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsGPT-5.5medium GPT-5.5mediumvsGPT-5.5low GPT-5.5lowvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsQwen3.6 Max Previewmedium

Таблица лидеров ИИ-бенчмарка

Фильтровать модели

Быстрое сравнение