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)
#230#230	Dots 3 Note Previewmedium	5.9	Dots Studio	$0.000	67.13s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 57.6% Нестабильные тесты 8 Входные токены 94,639 Выходные токены 108,013 Токены рассуждений 571,526 Время ответа (среднее) 67.13s Время ответа (суммарно) 1476.95s Время ответа (макс.) 459.19s Неверный ответ: 9 Не соблюдены инструкции: 2 Нет ответа: 2 Лишнее форматирование: 1 Анти-ИИ уловки : 8.7 Программирование : 4.2 Комбинированный : 9.9 Парсинг и извлечение данных : 4.5 Предметно-ориентированное : 3.6 Общий интеллект : 3.8 Следование инструкциям : 8.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#238#238	North Mini Codemedium	5.7	Cohere	$0.000	141.99s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 8.5 Доля успешных попыток 43.9% Нестабильные тесты 4 Входные токены 81,742 Выходные токены 423,884 Токены рассуждений 1,340,907 Время ответа (среднее) 141.99s Время ответа (суммарно) 3123.87s Время ответа (макс.) 786.72s Неверный ответ: 9 Лишнее форматирование: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 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
#239#239	Nemotron 3 Supermedium	5.7	NVIDIA	$0.054 ↑	52.31s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 9.1 Доля успешных попыток 40.9% Нестабильные тесты 3 Входные токены 81,438 Выходные токены 17,674 Токены рассуждений 97,900 Время ответа (среднее) 52.31s Время ответа (суммарно) 1046.21s Время ответа (макс.) 431.98s Неверный ответ: 5 Ошибка API: 4 Не соблюдены инструкции: 3 Нет ответа: 1 Тайм-аут: 1 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
#243#243	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
#253#253	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
#330#330	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 4 Входные токены 11,793 Выходные токены 267,275 Токены рассуждений 0 Время ответа (среднее) 28.69s Время ответа (суммарно) 459.00s Время ответа (макс.) 138.35s Неверный ответ: 7 Ошибка API: 3 Не соблюдены инструкции: 2 Анти-ИИ уловки : 8.7 Программирование : 3.3 Комбинированный : 1.5 Парсинг и извлечение данных : 3.8 Предметно-ориентированное : 3.6 Общий интеллект : 4.3 Следование инструкциям : 9.8 Решение головоломок : 6.4 Вызов инструментов : 3.0 Эрудиция : 3.0
#248#248	GLM 5V Turbonone	5.6	Z.ai	$0.052	2.99s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 36.4% Нестабильные тесты 0 Входные токены 37,100 Выходные токены 1,766 Токены рассуждений 0 Время ответа (среднее) 2.99s Время ответа (суммарно) 62.74s Время ответа (макс.) 6.51s Неверный ответ: 11 Не соблюдены инструкции: 2 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.6 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#249#249	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
#259#259	Mimo V2 Omninone	5.5	Xiaomi	$0.021 ↓	2.44s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 37.9% Нестабильные тесты 1 Входные токены 40,852 Выходные токены 3,314 Токены рассуждений 0 Время ответа (среднее) 2.44s Время ответа (суммарно) 48.81s Время ответа (макс.) 6.81s Неверный ответ: 10 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.6 Программирование : 4.4 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 6.5 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#168#168	DeepSeek V4 Pronone	6.8	DeepSeek	$0.196 ↑	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
#179#179	LongCat 2.0high	6.7	Meituan	$0.492	153.29s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 51.5% Нестабильные тесты 4 Входные токены 93,411 Выходные токены 30,470 Токены рассуждений 356,172 Время ответа (среднее) 153.29s Время ответа (суммарно) 3372.36s Время ответа (макс.) 941.66s Неверный ответ: 7 Не соблюдены инструкции: 2 Нет ответа: 2 Тайм-аут: 2 Анти-ИИ уловки : 8.9 Программирование : 7.8 Комбинированный : 10.0 Парсинг и извлечение данных : 3.6 Предметно-ориентированное : 3.6 Общий интеллект : 5.1 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#182#182	Qwen3.5-27Bnone	6.6	Qwen	$0.058 ↓	4.77s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 2 Входные токены 102,325 Выходные токены 24,323 Токены рассуждений 0 Время ответа (среднее) 4.77s Время ответа (суммарно) 105.00s Время ответа (макс.) 69.46s Неверный ответ: 11 Не соблюдены инструкции: 2 Анти-ИИ уловки : 4.8 Программирование : 5.8 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 6.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#190#190	Laguna XS 2.1medium	6.5	Poolside	$0.068	48.18s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 2 Входные токены 118,998 Выходные токены 30,750 Токены рассуждений 491,730 Время ответа (среднее) 48.18s Время ответа (суммарно) 1059.93s Время ответа (макс.) 422.72s Неверный ответ: 10 Нет ответа: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 6.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#204#204	MiMo-V2.6-Pronone	6.2	Xiaomi	$0.122	7.09s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 2 Входные токены 119,156 Выходные токены 80,341 Токены рассуждений 0 Время ответа (среднее) 7.09s Время ответа (суммарно) 155.92s Время ответа (макс.) 106.86s Неверный ответ: 10 Лишнее форматирование: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.5 Программирование : 5.6 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 7.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#211#211	gpt-oss-120bmedium	6.1	OpenAI	$0.070 ↑	20.81s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 50.0% Нестабильные тесты 5 Входные токены 108,767 Выходные токены 29,378 Токены рассуждений 68,904 Время ответа (среднее) 20.81s Время ответа (суммарно) 332.88s Время ответа (макс.) 68.16s Неверный ответ: 9 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.7 Программирование : 5.9 Комбинированный : 6.5 Парсинг и извлечение данных : 6.4 Предметно-ориентированное : 2.9 Общий интеллект : 4.3 Следование инструкциям : 9.9 Решение головоломок : 5.3 Вызов инструментов : 9.8 Эрудиция : 3.0
#213#213	Gemini 3.1 Flash Litenone	6.1	Google	$0.046	1.75s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 50.0% Нестабильные тесты 4 Входные токены 118,059 Выходные токены 10,723 Токены рассуждений 0 Время ответа (среднее) 1.75s Время ответа (суммарно) 38.42s Время ответа (макс.) 16.25s Неверный ответ: 11 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 7.5 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 6.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#218#218	Gemma 4 31Bnone	6.1	Google	$0.016 ↓	5.41s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 1 Входные токены 125,703 Выходные токены 13,317 Токены рассуждений 0 Время ответа (среднее) 5.41s Время ответа (суммарно) 108.12s Время ответа (макс.) 29.95s Неверный ответ: 10 Ошибка API: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 6.5 Вызов инструментов : 3.0 Эрудиция : 3.0
#241#241	Inkling Smalllow	5.7	Thinkingmachines	$0.055 ↓	2.07s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 50.0% Нестабильные тесты 4 Входные токены 81,447 Выходные токены 2,715 Токены рассуждений 11,971 Время ответа (среднее) 2.07s Время ответа (суммарно) 45.64s Время ответа (макс.) 5.82s Неверный ответ: 9 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 9.2 Программирование : 4.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.3 Следование инструкциям : 9.9 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#250#250	Gemma 4 26B A4Bnone	5.6	Google	$0.017 ↓	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
#258#258	Qwen3.8 27Bnone	5.5	Qwen	~$0.006	3.12s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 40.9% Нестабильные тесты 0 Входные токены 122,463 Выходные токены 11,445 Токены рассуждений 0 Время ответа (среднее) 3.12s Время ответа (суммарно) 68.69s Время ответа (макс.) 44.76s Неверный ответ: 11 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 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
#299#299	Ring-2.6-1Tnone	4.8	Inclusionai	$0.026 ↑	51.99s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 2 Входные токены 7,608 Выходные токены 40,277 Токены рассуждений 0 Время ответа (среднее) 51.99s Время ответа (суммарно) 831.90s Время ответа (макс.) 143.82s Ошибка API: 6 Неверный ответ: 5 Не соблюдены инструкции: 2 Анти-ИИ уловки : 9.2 Программирование : 5.3 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 3.0 Эрудиция : 3.0
#240#240	GLM 5none	5.7	Z.ai	$0.027 ↑	4.03s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 42.4% Нестабильные тесты 1 Входные токены 37,135 Выходные токены 1,989 Токены рассуждений 0 Время ответа (среднее) 4.03s Время ответа (суммарно) 56.37s Время ответа (макс.) 11.07s Неверный ответ: 12 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
#303#303	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
#307#307	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
#100#100	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.424 ↑	92.50s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 6 Входные токены 90,757 Выходные токены 22,928 Токены рассуждений 186,516 Время ответа (среднее) 92.50s Время ответа (суммарно) 2035.01s Время ответа (макс.) 416.76s Неверный ответ: 7 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 5.7 Программирование : 6.3 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 7.8 Решение головоломок : 6.9 Вызов инструментов : 9.8 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