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: 2026-10-02 Оценено моделей: 387

Рекомендуемые модели

GPT-6.1 Sol xhigh Интеллектуальная Доля успешных попыток 97.1% Тестов верно 22 / 23 Оценка 9.9/10 Gemini 3.7 Flash low Быстрая Время ответа (среднее) 6.24s Общее число выходных токенов 38,453 Оценка 9.4/10 GPT-6 Luna high Доступная Цена входа $0.100 / 1M Цена выхода $0.500 / 1M Цена чтения из кэша $0.010 / 1M Цена записи в кэш $0.125 / 1M Оценка 7.7/10

387/387

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#287#287	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.105 ↑	8.43s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 29.0% Нестабильные тесты 6 Входные токены 272,479 Выходные токены 63,781 Токены рассуждений 0 Время ответа (среднее) 8.43s Время ответа (суммарно) 176.93s Время ответа (макс.) 65.61s Неверный ответ: 13 Ошибка API: 2 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.2 Анти-ИИ уловки : 3.6 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.4 Следование инструкциям : 6.2 Решение головоломок : 3.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#286#286	Laguna XS 2.1none	5.3	Poolside	$0.020	4.56s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 29.0% Нестабильные тесты 3 Входные токены 270,072 Выходные токены 23,173 Токены рассуждений 0 Время ответа (среднее) 4.56s Время ответа (суммарно) 104.80s Время ответа (макс.) 70.79s Неверный ответ: 14 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Тайм-аут: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 5.3 Программирование : 4.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 3.8 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#285#285	Qwen3.6 Max Previewnone	5.3	Qwen	$0.228 ↓	7.82s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 9.9 Доля успешных попыток 53.6% 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 Агентные задачи : 0.0 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
#284#284	Kimi K2.5none	5.3	Moonshot AI	$0.262 ↑	35.86s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 29.0% Нестабильные тесты 4 Входные токены 275,349 Выходные токены 49,389 Токены рассуждений 0 Время ответа (среднее) 35.86s Время ответа (суммарно) 609.61s Время ответа (макс.) 321.19s Неверный ответ: 17 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 3.6 Программирование : 5.5 Комбинированный : 2.8 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#283#283	Granite 4.2 8Blow	5.3	IBM Granite	$0.036	58.20s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 9.2 Доля успешных попыток 33.3% Нестабильные тесты 1 Входные токены 332,917 Выходные токены 18,989 Токены рассуждений 42,362 Время ответа (среднее) 58.20s Время ответа (суммарно) 1338.65s Время ответа (макс.) 566.80s Неверный ответ: 11 Тайм-аут: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 6.1 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
#282#282	GPT-5.6 Lunanone	5.3	OpenAI	$0.042 ↓	3.78s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 34.8% Нестабильные тесты 3 Входные токены 230,744 Выходные токены 8,000 Токены рассуждений 0 Время ответа (среднее) 3.78s Время ответа (суммарно) 86.83s Время ответа (макс.) 53.77s Неверный ответ: 15 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 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
#281#281	Hy3 previewmedium	5.3	Tencent	$0.049 ↕	16.28s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 0 Входные токены 27,030 Выходные токены 73,544 Токены рассуждений 0 Время ответа (среднее) 16.28s Время ответа (суммарно) 293.12s Время ответа (макс.) 46.04s Ошибка API: 3 Неверный ответ: 3 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 10.0 Программирование : 5.3 Комбинированный : 5.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#280#280	Ember-1none	5.4	Fireworks	$0.786	22.65s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 8.8 Доля успешных попыток 43.5% Нестабильные тесты 4 Входные токены 202,617 Выходные токены 11,832 Токены рассуждений 0 Время ответа (среднее) 22.65s Время ответа (суммарно) 520.91s Время ответа (макс.) 93.12s Неверный ответ: 10 Ошибка API: 5 Агентные задачи : 6.1 Анти-ИИ уловки : 5.2 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.4 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.4 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#279#279	Step 3.5 Flashmedium	5.4	Stepfun	$0.105	190.48s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 49.3% Нестабильные тесты 3 Входные токены 139,086 Выходные токены 193,584 Токены рассуждений 413,546 Время ответа (среднее) 190.48s Время ответа (суммарно) 3238.23s Время ответа (макс.) 1597.85s Неверный ответ: 6 Не соблюдены инструкции: 3 Ошибка API: 1 Нет ответа: 1 Тайм-аут: 1 Агентные задачи : 2.8 Анти-ИИ уловки : 10.0 Программирование : 2.4 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 5.5 Следование инструкциям : 8.3 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#278#278	MiMo-V2.6-Flashnone	5.4	Xiaomi	$0.060	6.20s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 30.4% Нестабильные тесты 2 Входные токены 276,697 Выходные токены 75,728 Токены рассуждений 0 Время ответа (среднее) 6.20s Время ответа (суммарно) 142.63s Время ответа (макс.) 62.57s Неверный ответ: 15 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 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
#277#277	Hy4 previewlow	5.4	Tencent	$1.855 ↑	207.21s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 20 Надежность 6.5 Доля успешных попыток 21.7% Нестабильные тесты 4 Входные токены 162,180 Выходные токены 5,030 Токены рассуждений 682,447 Время ответа (среднее) 207.21s Время ответа (суммарно) 4765.91s Время ответа (макс.) 597.45s Неверный ответ: 13 Ошибка API: 5 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 6.0 Программирование : 5.2 Комбинированный : 2.9 Парсинг и извлечение данных : 8.7 Предметно-ориентированное : 4.5 Общий интеллект : 7.5 Следование инструкциям : 9.8 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#276#276	North Mini Codemedium	5.4	Cohere	$0.000	140.39s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 8.9 Доля успешных попыток 42.0% Нестабильные тесты 4 Входные токены 166,347 Выходные токены 423,884 Токены рассуждений 1,394,387 Время ответа (среднее) 140.39s Время ответа (суммарно) 3229.07s Время ответа (макс.) 786.72s Неверный ответ: 10 Лишнее форматирование: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 8.4 Программирование : 4.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 3.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#275#275	Qwen3.8 27Bnone	5.4	Qwen	~$0.010	5.05s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 39.1% Нестабильные тесты 0 Входные токены 281,460 Выходные токены 13,791 Токены рассуждений 0 Время ответа (среднее) 5.05s Время ответа (суммарно) 116.11s Время ответа (макс.) 47.42s Неверный ответ: 12 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 7.7 Общий интеллект : 4.2 Следование инструкциям : 6.3 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#274#274	Claude Opus 4.7none	5.4	Anthropic	$0.505	3.02s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 69.6% Нестабильные тесты 0 Входные токены 69,576 Выходные токены 6,265 Токены рассуждений 0 Время ответа (среднее) 3.02s Время ответа (суммарно) 57.44s Время ответа (макс.) 18.27s Неверный ответ: 3 Агентные задачи : 0.0 Анти-ИИ уловки : 8.3 Программирование : 3.3 Комбинированный : 4.8 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
#273#273	Seed-2.0-Codenone	5.4	Bytedance Seed	$0.257	17.51s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 9.0 Доля успешных попыток 37.7% Нестабильные тесты 6 Входные токены 319,668 Выходные токены 32,069 Токены рассуждений 0 Время ответа (среднее) 17.51s Время ответа (суммарно) 402.66s Время ответа (макс.) 132.84s Неверный ответ: 12 Лишнее форматирование: 2 Не соблюдены инструкции: 2 Нет ответа: 1 Агентные задачи : 6.1 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
#272#272	GLM 5V Turbomedium	5.5	Z.ai	$0.457	23.08s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 62.3% Нестабильные тесты 6 Входные токены 44,615 Выходные токены 2,347 Токены рассуждений 98,415 Время ответа (среднее) 23.08s Время ответа (суммарно) 484.63s Время ответа (макс.) 95.88s Неверный ответ: 7 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 7.2 Программирование : 6.0 Комбинированный : 3.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.7 Вызов инструментов : 7.0 Эрудиция : 3.0
#271#271	Gemma 4 26B A4Bnone	5.5	Google	$0.031	10.55s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 42.0% Нестабильные тесты 1 Входные токены 280,126 Выходные токены 17,306 Токены рассуждений 0 Время ответа (среднее) 10.55s Время ответа (суммарно) 242.57s Время ответа (макс.) 75.76s Неверный ответ: 10 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 5.0 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
#269#269	Gemini 2.5 Flashnone	5.5	Google	$0.017	6.00s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 37.7% Нестабильные тесты 1 Входные токены 39,886 Выходные токены 1,890 Токены рассуждений 0 Время ответа (среднее) 6.00s Время ответа (суммарно) 138.04s Время ответа (макс.) 118.00s Неверный ответ: 13 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 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
#270#270	GPT-6 Lunanone	5.5	OpenAI	$0.026	20.48s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 9.9 Доля успешных попыток 40.6% Нестабильные тесты 5 Входные токены 222,357 Выходные токены 6,855 Токены рассуждений 0 Время ответа (среднее) 20.48s Время ответа (суммарно) 470.96s Время ответа (макс.) 98.62s Неверный ответ: 13 Ошибка API: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 5.1 Следование инструкциям : 6.2 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#268#268	Kimi K2.6none	5.5	Moonshot AI	$0.222 ↓	26.34s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 30.4% Нестабильные тесты 3 Входные токены 241,357 Выходные токены 64,022 Токены рассуждений 0 Время ответа (среднее) 26.34s Время ответа (суммарно) 605.78s Время ответа (макс.) 238.89s Неверный ответ: 13 Не соблюдены инструкции: 3 Нет ответа: 1 Агентные задачи : 4.7 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
#267#267	Nemotron 3 Supermedium	5.5	NVIDIA	$0.081 ↑	56.40s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 9.5 Доля успешных попыток 42.0% Нестабильные тесты 4 Входные токены 229,346 Выходные токены 18,597 Токены рассуждений 129,338 Время ответа (среднее) 56.40s Время ответа (суммарно) 1184.46s Время ответа (макс.) 431.98s Неверный ответ: 6 Ошибка API: 4 Не соблюдены инструкции: 3 Нет ответа: 1 Тайм-аут: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 8.3 Программирование : 3.1 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.1 Следование инструкциям : 7.3 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#266#266	Qwen3.5-35B-A3Bnone	5.6	Qwen	$0.169 ↓	18.31s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 37.7% Нестабильные тесты 4 Входные токены 218,886 Выходные токены 135,768 Токены рассуждений 0 Время ответа (среднее) 18.31s Время ответа (суммарно) 421.19s Время ответа (макс.) 209.15s Неверный ответ: 14 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.9 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
#265#265	GLM 5none	5.6	Z.ai	$0.140 ↑	8.74s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 40.6% Нестабильные тесты 1 Входные токены 190,675 Выходные токены 5,577 Токены рассуждений 0 Время ответа (среднее) 8.74s Время ответа (суммарно) 131.17s Время ответа (макс.) 74.80s Неверный ответ: 13 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 4.0 Комбинированный : 1.5 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
#264#264	Solar Pro 4none	5.6	Upstage	$0.022	8.14s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 31.9% Нестабильные тесты 1 Входные токены 305,664 Выходные токены 13,249 Токены рассуждений 0 Время ответа (среднее) 8.14s Время ответа (суммарно) 187.23s Время ответа (макс.) 69.17s Неверный ответ: 14 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.0 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
#263#263	GPT-5.4none	5.6	OpenAI	$0.690	3.89s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 2 Входные токены 219,404 Выходные токены 9,372 Токены рассуждений 0 Время ответа (среднее) 3.89s Время ответа (суммарно) 89.48s Время ответа (макс.) 43.73s Неверный ответ: 15 Не соблюдены инструкции: 1 Агентные задачи : 5.0 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

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 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow