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)
#139#139	Muse Glimmer 30Bhigh	7.2	Meta	$0.430 ↓	66.70s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 8 Входные токены 103,494 Выходные токены 100,589 Токены рассуждений 270,217 Время ответа (среднее) 66.70s Время ответа (суммарно) 1467.39s Время ответа (макс.) 451.90s Неверный ответ: 7 Не соблюдены инструкции: 3 Нет ответа: 2 Анти-ИИ уловки : 8.7 Программирование : 8.8 Комбинированный : 6.4 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 5.3 Следование инструкциям : 8.4 Решение головоломок : 6.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#153#153	Mercury 2medium	7.0	Inception	$0.094	2.95s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 53.0% Нестабильные тесты 4 Входные токены 110,515 Выходные токены 10,325 Токены рассуждений 77,229 Время ответа (среднее) 2.95s Время ответа (суммарно) 61.89s Время ответа (макс.) 14.63s Неверный ответ: 8 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.9 Программирование : 8.2 Комбинированный : 6.7 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 4.8 Следование инструкциям : 10.0 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#156#156	Kimi K2.5medium	7.0	Moonshot AI	$0.479 ↓	98.19s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 8 Входные токены 118,496 Выходные токены 53,522 Токены рассуждений 167,420 Время ответа (среднее) 98.19s Время ответа (суммарно) 1571.05s Время ответа (макс.) 281.00s Неверный ответ: 5 Не соблюдены инструкции: 2 Нет ответа: 2 Тайм-аут: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.3 Программирование : 6.1 Комбинированный : 6.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#159#159	Qwen3.7 Flashmedium	6.9	Qwen	$0.065	47.38s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 7 Входные токены 114,477 Выходные токены 12,786 Токены рассуждений 457,290 Время ответа (среднее) 47.38s Время ответа (суммарно) 1042.43s Время ответа (макс.) 593.64s Неверный ответ: 8 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 6.2 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.5 Следование инструкциям : 5.8 Решение головоломок : 7.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#164#164	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 7.3 Доля успешных попыток 63.6% Нестабильные тесты 7 Входные токены 76,036 Выходные токены 7,267 Токены рассуждений 364,176 Время ответа (среднее) 101.05s Время ответа (суммарно) 2223.19s Время ответа (макс.) 626.58s Ошибка API: 6 Неверный ответ: 4 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 6.9 Программирование : 8.9 Комбинированный : 4.7 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 4.7 Эрудиция : 3.0
#176#176	LongCat 2.0low	6.7	Meituan	$0.412	113.61s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 9.9 Доля успешных попыток 54.6% Нестабильные тесты 4 Входные токены 90,870 Выходные токены 5,676 Токены рассуждений 314,918 Время ответа (среднее) 113.61s Время ответа (суммарно) 2499.46s Время ответа (макс.) 560.39s Неверный ответ: 7 Ошибка API: 2 Не соблюдены инструкции: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 6.6 Комбинированный : 10.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 2.9 Общий интеллект : 3.4 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#184#184	Inkling Smallmedium	6.6	Thinkingmachines	$0.113 ↓	6.30s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 53.0% Нестабильные тесты 3 Входные токены 100,255 Выходные токены 6,422 Токены рассуждений 49,847 Время ответа (среднее) 6.30s Время ответа (суммарно) 138.60s Время ответа (макс.) 17.26s Неверный ответ: 6 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.3 Следование инструкциям : 8.5 Решение головоломок : 5.8 Вызов инструментов : 3.0 Эрудиция : 3.0
#189#189	Qwen3.6 27Bmedium	6.5	Qwen	$0.577 ↓	106.06s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 60.6% Нестабильные тесты 7 Входные токены 106,176 Выходные токены 33,013 Токены рассуждений 239,560 Время ответа (среднее) 106.06s Время ответа (суммарно) 2333.36s Время ответа (макс.) 1085.11s Неверный ответ: 5 Нет ответа: 3 Недопустимый вызов инструмента: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.3 Программирование : 7.7 Комбинированный : 6.7 Парсинг и извлечение данных : 3.5 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#194#194	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	61.81s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 57.6% Нестабильные тесты 5 Входные токены 113,889 Выходные токены 110,550 Токены рассуждений 496,487 Время ответа (среднее) 61.81s Время ответа (суммарно) 1359.72s Время ответа (макс.) 417.36s Неверный ответ: 7 Не соблюдены инструкции: 2 Нет ответа: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 5.9 Комбинированный : 6.9 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.6 Общий интеллект : 4.0 Следование инструкциям : 7.9 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#195#195	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	67.81s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 59.1% Нестабильные тесты 6 Входные токены 127,621 Выходные токены 141,858 Токены рассуждений 590,204 Время ответа (среднее) 67.81s Время ответа (суммарно) 1491.80s Время ответа (макс.) 480.52s Неверный ответ: 8 Нет ответа: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.7 Программирование : 5.8 Комбинированный : 6.9 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 3.4 Следование инструкциям : 8.3 Решение головоломок : 5.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#207#207	GPT-5.6 Lunalow	6.2	OpenAI	$0.051 ↓	5.20s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 54.5% Нестабильные тесты 5 Входные токены 96,355 Выходные токены 8,213 Токены рассуждений 18,073 Время ответа (среднее) 5.20s Время ответа (суммарно) 114.46s Время ответа (макс.) 19.44s Неверный ответ: 10 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 2.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.0 Следование инструкциям : 8.5 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#209#209	Gemini 3.1 Flash Liteminimal	6.1	Google	$0.047	1.85s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 51.5% Нестабильные тесты 3 Входные токены 119,076 Выходные токены 11,118 Токены рассуждений 0 Время ответа (среднее) 1.85s Время ответа (суммарно) 40.74s Время ответа (макс.) 12.97s Неверный ответ: 8 Не соблюдены инструкции: 3 Нет ответа: 1 Анти-ИИ уловки : 8.3 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 : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#215#215	Inklinglow	6.1	Thinkingmachines	$0.187	5.11s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 54.6% Нестабильные тесты 4 Входные токены 109,893 Выходные токены 8,580 Токены рассуждений 10,324 Время ответа (среднее) 5.11s Время ответа (суммарно) 112.46s Время ответа (макс.) 41.58s Неверный ответ: 8 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 8.3 Программирование : 5.1 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 6.4 Вызов инструментов : 3.0 Эрудиция : 3.0
#233#233	GLM 5.3 Flashlow	5.9	Z.ai	$0.030 ↑	9.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 56.1% Нестабильные тесты 4 Входные токены 117,551 Выходные токены 9,199 Токены рассуждений 14,537 Время ответа (среднее) 9.65s Время ответа (суммарно) 212.22s Время ответа (макс.) 90.45s Неверный ответ: 8 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.7 Программирование : 5.4 Комбинированный : 3.8 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#235#235	Seed 2.1 Turbonone	5.9	Bytedance Seed	$0.092	6.84s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 54.6% Нестабильные тесты 3 Входные токены 129,150 Выходные токены 10,643 Токены рассуждений 0 Время ответа (среднее) 6.84s Время ответа (суммарно) 150.46s Время ответа (макс.) 55.92s Неверный ответ: 11 Нет ответа: 1 Анти-ИИ уловки : 4.8 Программирование : 4.5 Комбинированный : 3.8 Парсинг и извлечение данных : 7.1 Предметно-ориентированное : 7.7 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#294#294	Qwen3.6 Plus Previewmedium	4.9	Qwen	$0.000	15.25s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 40.9% Нестабильные тесты 0 Входные токены 32,639 Выходные токены 1,153 Токены рассуждений 62,197 Время ответа (среднее) 15.25s Время ответа (суммарно) 182.96s Время ответа (макс.) 43.55s Ошибка API: 8 Неверный ответ: 2 Анти-ИИ уловки : 8.3 Программирование : 9.8 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.0 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#308#308	Grok 4.1 Fastmedium	4.7	X AI	$0.069 ↑	23.85s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 53.0% Нестабильные тесты 6 Входные токены 42,845 Выходные токены 2,006 Токены рассуждений 96,334 Время ответа (среднее) 23.85s Время ответа (суммарно) 286.16s Время ответа (макс.) 121.79s Не соблюдены инструкции: 4 Неверный ответ: 4 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.7 Программирование : 7.8 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.8 Общий интеллект : 4.2 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 2.8 Эрудиция : 3.0
#309#309	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 2 Входные токены 44,969 Выходные токены 58,087 Токены рассуждений 0 Время ответа (среднее) 14.73s Время ответа (суммарно) 220.93s Время ответа (макс.) 53.14s Ошибка API: 4 Неверный ответ: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 6.5 Программирование : 1.5 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 3.0 Следование инструкциям : 10.0 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#229#229	Step 3.5 Flashmedium	5.9	Stepfun	$0.132 ↑	191.63s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 50.0% Нестабильные тесты 2 Входные токены 65,716 Выходные токены 189,424 Токены рассуждений 379,112 Время ответа (среднее) 191.63s Время ответа (суммарно) 3066.07s Время ответа (макс.) 1597.85s Неверный ответ: 5 Не соблюдены инструкции: 3 Ошибка API: 1 Нет ответа: 1 Тайм-аут: 1 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
#231#231	Mimo V2 Omnimedium	5.9	Xiaomi	$0.683 ↓	41.16s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 53.0% Нестабильные тесты 3 Входные токены 37,007 Выходные токены 1,952 Токены рассуждений 357,306 Время ответа (среднее) 41.16s Время ответа (суммарно) 823.26s Время ответа (макс.) 299.23s Неверный ответ: 5 Не соблюдены инструкции: 2 Нет ответа: 2 Ошибка API: 1 Лишнее форматирование: 1 Анти-ИИ уловки : 10.0 Программирование : 3.3 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.4 Следование инструкциям : 8.3 Решение головоломок : 5.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#257#257	Hy3 previewlow	5.5	Tencent	$0.042 ↕	24.56s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 50.0% Нестабильные тесты 2 Входные токены 21,045 Выходные токены 63,460 Токены рассуждений 0 Время ответа (среднее) 24.56s Время ответа (суммарно) 368.35s Время ответа (макс.) 78.74s Ошибка API: 7 Неверный ответ: 4 Анти-ИИ уловки : 8.3 Программирование : 5.3 Комбинированный : 5.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.9 Общий интеллект : 3.0 Следование инструкциям : 10.0 Решение головоломок : 5.3 Вызов инструментов : 2.8 Эрудиция : 3.0
#112#112	MiniMax M3medium	7.5	Minimax	$0.300	75.15s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 9.7 Доля успешных попыток 62.1% Нестабильные тесты 5 Входные токены 121,996 Выходные токены 90,051 Токены рассуждений 185,731 Время ответа (среднее) 75.15s Время ответа (суммарно) 1578.24s Время ответа (макс.) 431.03s Неверный ответ: 4 Тайм-аут: 3 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 5.5 Программирование : 6.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.2 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 7.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#122#122	Kimi K2.7 Codemedium	7.4	Moonshot AI	$0.655 ↓	80.09s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 5 Входные токены 72,085 Выходные токены 57,453 Токены рассуждений 182,093 Время ответа (среднее) 80.09s Время ответа (суммарно) 1681.85s Время ответа (макс.) 365.80s Неверный ответ: 6 Тайм-аут: 3 Ошибка API: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 7.3 Программирование : 7.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.7 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 5.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#126#126	MiMo-V2.6-Flashmedium	7.4	Xiaomi	$0.190	60.62s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 6 Входные токены 121,240 Выходные токены 7,516 Токены рассуждений 608,462 Время ответа (среднее) 60.62s Время ответа (суммарно) 1333.53s Время ответа (макс.) 357.28s Неверный ответ: 6 Нет ответа: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 5.9 Программирование : 7.2 Комбинированный : 7.1 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 9.9 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#131#131	KAT-Coder-Pro V2.5low	7.3	Kwaipilot	$0.400	20.20s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 68.2% Нестабильные тесты 8 Входные токены 87,682 Выходные токены 7,166 Токены рассуждений 106,027 Время ответа (среднее) 20.20s Время ответа (суммарно) 444.35s Время ответа (макс.) 209.15s Неверный ответ: 10 Ошибка API: 1 Анти-ИИ уловки : 6.9 Программирование : 7.8 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.1 Следование инструкциям : 10.0 Решение головоломок : 6.4 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 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