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: 2026-06-03 Оценено моделей: 161

161/161

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#24#24	Qwen3.5-27Bmedium	7.9	Qwen	$0.488 ↓	60.09s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 73.3% Нестабильные тесты 3 Входные токены 39,329 Выходные токены 2,569 Токены рассуждений 304,894 Время ответа (среднее) 60.09s Время ответа (суммарно) 1201.89s Время ответа (макс.) 177.36s Неверный ответ: 3 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.7 Программирование : 7.0 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
#74#74	Ring-2.6-1Tmedium	7.0	Inclusionai	$0.033	61.29s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 63.3% Нестабильные тесты 3 Входные токены 35,892 Выходные токены 21,752 Токены рассуждений 42,754 Время ответа (среднее) 61.29s Время ответа (суммарно) 1164.50s Время ответа (макс.) 304.19s Неверный ответ: 6 Не соблюдены инструкции: 2 Ошибка API: 1 Анти-ИИ уловки : 10.0 Программирование : 6.5 Комбинированный : 10.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.5 Общий интеллект : 4.1 Следование инструкциям : 9.8 Решение головоломок : 5.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#61#61	Gemini 3.1 Flash Litehigh	7.3	Google	$2.044	61.96s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 68.5% Нестабильные тесты 4 Входные токены 29,134 Выходные токены 1,984 Токены рассуждений 1,355,583 Время ответа (среднее) 61.96s Время ответа (суммарно) 1115.31s Время ответа (макс.) 149.23s Неверный ответ: 4 Не соблюдены инструкции: 3 Нет ответа: 1 Анти-ИИ уловки : 8.7 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 7.3 Решение головоломок : 5.7 Вызов инструментов : 10.0
#45#45	Qwen3.5-Flashmedium	7.6	Qwen	$0.074 ↓	63.04s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 75.0% Нестабильные тесты 5 Входные токены 37,036 Выходные токены 2,074 Токены рассуждений 272,063 Время ответа (среднее) 63.04s Время ответа (суммарно) 1197.71s Время ответа (макс.) 234.29s Тайм-аут: 3 Неверный ответ: 3 Ошибка API: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 4.1 Комбинированный : 10.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#19#19	Qwen3.5 Plus 2026-02-15medium	8.1	Qwen	$0.283 ↓	67.58s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 76.7% Нестабильные тесты 3 Входные токены 39,028 Выходные токены 2,145 Токены рассуждений 172,563 Время ответа (среднее) 67.58s Время ответа (суммарно) 878.57s Время ответа (макс.) 266.69s Неверный ответ: 4 Тайм-аут: 2 Анти-ИИ уловки : 8.2 Программирование : 7.6 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
#13#13	Gemini 3.1 Flash Lite Previewhigh	8.6	Google	$2.310	68.14s
Открыть карточку модели Всего тестов 16 Ошибочных тестов 3 Надежность Н/Д Доля успешных попыток 81.3% Нестабильные тесты 0 Входные токены 28,980 Выходные токены 1,283 Токены рассуждений 1,533,310 Время ответа (среднее) 68.14s Время ответа (суммарно) 1090.28s Время ответа (макс.) 280.52s Неверный ответ: 2 Не соблюдены инструкции: 1 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
#67#67	MiniMax M3medium	7.2	Minimax	$0.120	68.44s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 9 Надежность 9.6 Доля успешных попыток 65.0% Нестабильные тесты 4 Входные токены 43,447 Выходные токены 46,884 Токены рассуждений 85,935 Время ответа (среднее) 68.44s Время ответа (суммарно) 1300.32s Время ответа (макс.) 431.03s Тайм-аут: 3 Неверный ответ: 3 Не соблюдены инструкции: 2 Нет ответа: 1 Анти-ИИ уловки : 5.5 Программирование : 6.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.5 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 7.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#63#63	Qwen3.5-35B-A3Bmedium	7.3	Qwen	$0.368 ↓	69.66s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 73.3% Нестабильные тесты 6 Входные токены 40,306 Выходные токены 31,242 Токены рассуждений 330,546 Время ответа (среднее) 69.66s Время ответа (суммарно) 1393.17s Время ответа (макс.) 409.98s Тайм-аут: 4 Нет ответа: 2 Неверный ответ: 2 Ошибка API: 1 Анти-ИИ уловки : 10.0 Программирование : 6.5 Комбинированный : 4.7 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 4.1 Общий интеллект : 2.8 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#71#71	Seed-2.0-Minimedium	7.1	Bytedance Seed	$0.044	80.22s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 60.0% Нестабильные тесты 2 Входные токены 41,904 Выходные токены 2,555 Токены рассуждений 95,974 Время ответа (среднее) 80.22s Время ответа (суммарно) 1363.72s Время ответа (макс.) 262.83s Тайм-аут: 4 Неверный ответ: 4 Не соблюдены инструкции: 1 Анти-ИИ уловки : 6.6 Программирование : 6.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#158#158	Qwen3.5-9Bmedium	4.2	Qwen	$0.033 ↓	83.32s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 17 Надежность 5.0 Доля успешных попыток 28.3% Нестабильные тесты 5 Входные токены 15,204 Выходные токены 27,305 Токены рассуждений 199,780 Время ответа (среднее) 83.32s Время ответа (суммарно) 1249.74s Время ответа (макс.) 226.38s Тайм-аут: 11 Неверный ответ: 2 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 5.1 Программирование : 2.8 Комбинированный : 3.0 Парсинг и извлечение данных : 3.6 Предметно-ориентированное : 3.6 Общий интеллект : 2.8 Следование инструкциям : 6.5 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#81#81	Kimi K2.5medium	6.7	Moonshot AI	$0.272 ↓	89.02s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 8 Входные токены 31,717 Выходные токены 48,374 Токены рассуждений 128,473 Время ответа (среднее) 89.02s Время ответа (суммарно) 1157.32s Время ответа (макс.) 281.00s Неверный ответ: 5 Не соблюдены инструкции: 2 Нет ответа: 2 Тайм-аут: 2 Анти-ИИ уловки : 7.3 Программирование : 4.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0

Быстрое сравнение

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

Таблица лидеров ИИ-бенчмарка

Фильтровать модели

Быстрое сравнение