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: 2026-07-02 Оценено моделей: 174

174/174

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#24#24	Gemini 2.5 Flashmedium	8.2	Google	$0.379	15.49s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 69.8% Нестабильные тесты 1 Входные токены 34,476 Выходные токены 1,930 Токены рассуждений 145,145 Время ответа (среднее) 15.49s Время ответа (суммарно) 325.39s Время ответа (макс.) 95.48s Неверный ответ: 6 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.4 Программирование : 7.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.8 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#23#23	DeepSeek V4 Flashhigh	8.3	DeepSeek	$0.027 ↓	45.85s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 74.6% Нестабильные тесты 4 Входные токены 39,745 Выходные токены 10,310 Токены рассуждений 123,501 Время ответа (среднее) 45.85s Время ответа (суммарно) 962.79s Время ответа (макс.) 218.13s Неверный ответ: 6 Не соблюдены инструкции: 2 Анти-ИИ уловки : 8.3 Программирование : 7.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#22#22	GPT-5.2medium	8.4	OpenAI	$0.548	16.88s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 71.4% Нестабильные тесты 4 Входные токены 33,967 Выходные токены 2,901 Токены рассуждений 31,932 Время ответа (среднее) 16.88s Время ответа (суммарно) 236.34s Время ответа (макс.) 77.80s Не соблюдены инструкции: 3 Неверный ответ: 3 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 6.5 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 3.7 Следование инструкциям : 9.9 Решение головоломок : 7.5 Вызов инструментов : 4.7 Эрудиция : 3.0
#21#21	GLM 5 Turbomedium	8.4	Z.ai	$0.323 ↑	23.00s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 74.6% Нестабильные тесты 4 Входные токены 35,593 Выходные токены 12,245 Токены рассуждений 62,277 Время ответа (среднее) 23.00s Время ответа (суммарно) 482.97s Время ответа (макс.) 194.23s Неверный ответ: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 8.2 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
#20#20	Step 3.7 Flashmedium	8.5	Stepfun	$0.376	20.35s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность 9.9 Доля успешных попыток 73.0% Нестабильные тесты 2 Входные токены 39,981 Выходные токены 319,958 Токены рассуждений 0 Время ответа (среднее) 20.35s Время ответа (суммарно) 427.42s Время ответа (макс.) 113.98s Неверный ответ: 5 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.7 Программирование : 8.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 4.0 Следование инструкциям : 9.8 Решение головоломок : 5.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#18#18	Seed-2.0-Litemedium	8.5	Bytedance Seed	$0.175	47.07s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 76.2% Нестабильные тесты 3 Входные токены 46,740 Выходные токены 3,230 Токены рассуждений 78,406 Время ответа (среднее) 47.07s Время ответа (суммарно) 988.37s Время ответа (макс.) 254.92s Неверный ответ: 5 Не соблюдены инструкции: 2 Анти-ИИ уловки : 8.3 Программирование : 8.0 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
#19#19	GPT-5.2 Chatnone	8.5	OpenAI	$0.393	7.13s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 74.6% Нестабильные тесты 3 Входные токены 34,212 Выходные токены 23,744 Токены рассуждений 0 Время ответа (среднее) 7.13s Время ответа (суммарно) 149.69s Время ответа (макс.) 38.52s Неверный ответ: 6 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.7 Программирование : 8.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.4 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#17#17	GPT-5.4medium	8.5	OpenAI	$1.210	22.35s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 76.2% Нестабильные тесты 4 Входные токены 34,108 Выходные токены 2,242 Токены рассуждений 72,707 Время ответа (среднее) 22.35s Время ответа (суммарно) 469.29s Время ответа (макс.) 100.41s Неверный ответ: 5 Не соблюдены инструкции: 2 Анти-ИИ уловки : 8.3 Программирование : 8.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.7 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#16#16	GPT-5 Minimedium	8.5	OpenAI	$0.159	23.64s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 63.5% Нестабильные тесты 2 Входные токены 37,100 Выходные токены 6,801 Токены рассуждений 67,690 Время ответа (среднее) 23.64s Время ответа (суммарно) 496.44s Время ответа (макс.) 88.15s Неверный ответ: 5 Не соблюдены инструкции: 3 Тайм-аут: 1 Анти-ИИ уловки : 7.1 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.5 Следование инструкциям : 10.0 Решение головоломок : 5.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#15#15	GLM 5medium	8.6	Z.ai	$0.228 ↓	33.54s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 82.5% Нестабильные тесты 4 Входные токены 35,224 Выходные токены 21,570 Токены рассуждений 102,996 Время ответа (среднее) 33.54s Время ответа (суммарно) 435.99s Время ответа (макс.) 99.85s 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
#14#14	GLM 5.2medium	8.7	Z.ai	$0.220 ↓	23.28s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 6 Надежность 9.5 Доля успешных попыток 84.1% Нестабильные тесты 4 Входные токены 37,199 Выходные токены 12,261 Токены рассуждений 49,500 Время ответа (среднее) 23.28s Время ответа (суммарно) 488.94s Время ответа (макс.) 101.36s Неверный ответ: 3 Нет ответа: 2 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#13#13	Claude Opus 4.7medium	8.7	Anthropic	$0.679	4.73s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 82.5% Нестабильные тесты 1 Входные токены 65,406 Выходные токены 11,858 Токены рассуждений 2,198 Время ответа (среднее) 4.73s Время ответа (суммарно) 94.51s Время ответа (макс.) 23.18s Неверный ответ: 3 Тайм-аут: 1 Анти-ИИ уловки : 8.3 Программирование : 7.6 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
#12#12	Claude Opus 4.8medium	8.8	Anthropic	$1.107	9.72s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 84.1% Нестабильные тесты 1 Входные токены 61,007 Выходные токены 26,495 Токены рассуждений 5,901 Время ответа (среднее) 9.72s Время ответа (суммарно) 204.19s Время ответа (макс.) 38.03s Неверный ответ: 3 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 9.8 Парсинг и извлечение данных : 7.1 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#11#11	Qwen3.6 Max Previewmedium	8.9	Qwen	$0.960 ↓	59.63s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 81.0% Нестабильные тесты 2 Входные токены 42,362 Выходные токены 2,273 Токены рассуждений 144,367 Время ответа (среднее) 59.63s Время ответа (суммарно) 1252.17s Время ответа (макс.) 238.07s Неверный ответ: 5 Анти-ИИ уловки : 10.0 Программирование : 8.8 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
#10#10	GPT-5.3-Codexmedium	8.9	OpenAI	$0.740	16.22s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 82.5% Нестабильные тесты 4 Входные токены 34,299 Выходные токены 2,357 Токены рассуждений 46,189 Время ответа (среднее) 16.22s Время ответа (суммарно) 340.67s 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
#9#9	GPT-5.5medium	9.0	OpenAI	$3.679	37.98s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 87.3% Нестабильные тесты 3 Входные токены 34,212 Выходные токены 1,985 Токены рассуждений 114,925 Время ответа (среднее) 37.98s Время ответа (суммарно) 797.60s Время ответа (макс.) 332.10s Неверный ответ: 4 Анти-ИИ уловки : 10.0 Программирование : 8.8 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
#8#8	Gemini 3.5 Flashmedium	9.1	Google	$0.582	4.94s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 87.3% Нестабильные тесты 1 Входные токены 36,936 Выходные токены 2,001 Токены рассуждений 56,408 Время ответа (среднее) 4.94s Время ответа (суммарно) 103.79s Время ответа (макс.) 18.07s Неверный ответ: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 7.9 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 10.0
#7#7	Gemini 3.1 Pro Previewmedium	9.2	Google	$1.054	20.14s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 90.5% Нестабильные тесты 0 Входные токены 41,617 Выходные токены 1,977 Токены рассуждений 78,896 Время ответа (среднее) 20.14s Время ответа (суммарно) 281.92s Время ответа (макс.) 88.68s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 7.9 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
#6#6	Claude Fable 5medium	9.2	Anthropic	$3.165	17.01s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 82.5% Нестабильные тесты 1 Входные токены 58,383 Выходные токены 41,340 Токены рассуждений 10,269 Время ответа (среднее) 17.01s Время ответа (суммарно) 357.17s Время ответа (макс.) 80.80s Нет ответа: 2 Неверный ответ: 2 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 : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#5#5	Gemini 3.5 Flashlow	9.2	Google	$0.349	3.27s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 90.5% Нестабильные тесты 0 Входные токены 36,938 Выходные токены 2,033 Токены рассуждений 30,519 Время ответа (среднее) 3.27s Время ответа (суммарно) 68.65s Время ответа (макс.) 9.05s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#4#4	GPT-5.5low	9.3	OpenAI	$0.907	9.76s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 85.7% Нестабильные тесты 0 Входные токены 34,209 Выходные токены 2,046 Токены рассуждений 22,460 Время ответа (среднее) 9.76s Время ответа (суммарно) 204.92s 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
#3🥉 #3	Qwen3.7 Maxmedium	9.4	Qwen	$0.523 ↓	16.02s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 88.9% Нестабильные тесты 1 Входные токены 42,360 Выходные токены 2,129 Токены рассуждений 122,959 Время ответа (среднее) 16.02s Время ответа (суммарно) 336.51s Время ответа (макс.) 59.98s Неверный ответ: 3 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#2🥈 #2	Gemini 3 Flash Previewmedium	9.6	Google	$0.667	18.64s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 1 Надежность 10.0 Доля успешных попыток 98.4% Нестабильные тесты 1 Входные токены 37,017 Выходные токены 2,006 Токены рассуждений 214,153 Время ответа (среднее) 18.64s Время ответа (суммарно) 391.35s Время ответа (макс.) 117.26s Неверный ответ: 1 Анти-ИИ уловки : 10.0 Программирование : 8.6 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
#1🥇 #1	Gemini 3.5 Flashhigh	9.8	Google	$1.115	8.84s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 1 Надежность 10.0 Доля успешных попыток 96.8% Нестабильные тесты 1 Входные токены 37,594 Выходные токены 1,975 Токены рассуждений 115,638 Время ответа (среднее) 8.84s Время ответа (суммарно) 185.57s Время ответа (макс.) 34.82s Неверный ответ: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.6 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 9.8 Эрудиция : 10.0

←

1 2 3 4 5 6

Быстрое сравнение

Gemini 3.5 FlashhighvsGemini 3 Flash Previewmedium Gemini 3.5 FlashhighvsQwen3.7 Maxmedium Gemini 3.5 FlashhighvsGPT-5.5low Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashhighvsClaude Fable 5medium Gemini 3.5 FlashhighvsGemini 3.1 Pro Previewmedium Gemini 3.5 FlashhighvsNemotron 3 Ultra 550b A55bmediumБесплатно доступно Gemini 3.5 FlashhighvsNorth Mini CodemediumБесплатно доступно Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsClaude Fable 5medium

Таблица лидеров ИИ-бенчмарка

Фильтровать модели

Быстрое сравнение