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: 2026-10-17 Оценено моделей: 442

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

442/442

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#159#159	Claude Fable 5.1medium	7.3	Anthropic	$3.197	11.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 78.3% Нестабильные тесты 6 Входные токены 157,142 Выходные токены 8,149 Токены рассуждений 24,357 Время ответа (среднее) 11.87s Время ответа (суммарно) 272.91s Время ответа (макс.) 36.59s Неверный ответ: 3 Нет ответа: 2 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 8.2 Программирование : 7.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 7.3 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 2.8
#23#23	GPT-5.5low	9.5	OpenAI	$1.822	11.91s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 87.0% Нестабильные тесты 0 Входные токены 177,939 Выходные токены 6,283 Токены рассуждений 24,782 Время ответа (среднее) 11.91s Время ответа (суммарно) 273.82s Время ответа (макс.) 56.19s Неверный ответ: 3 Агентные задачи : 10.0 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
#48#48	Gemini 3.5 Flash Litehigh	9.0	Google	$0.624	11.92s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 84.1% Нестабильные тесты 2 Входные токены 244,529 Выходные токены 6,784 Токены рассуждений 213,142 Время ответа (среднее) 11.92s Время ответа (суммарно) 274.14s Время ответа (макс.) 53.09s Неверный ответ: 5 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 9.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#370#370	Owl Alphamedium	4.6	Openrouter	$0.000	11.95s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 36.2% 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 Агентные задачи : 0.0 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
#378#378	KAT Coder AIR V2.5default	4.4	Kwaipilot	$0.070	11.96s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 34.8% Нестабильные тесты 7 Входные токены 69,376 Выходные токены 7,792 Токены рассуждений 89,960 Время ответа (среднее) 11.96s Время ответа (суммарно) 275.18s Время ответа (макс.) 121.05s Неверный ответ: 13 Лишнее форматирование: 3 Ошибка API: 2 Агентные задачи : 3.0 Анти-ИИ уловки : 5.3 Программирование : 3.3 Комбинированный : 3.8 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 9.9 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#19#19	GPT-6 Solmedium	9.5	OpenAI	$0.703	12.12s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 94.2% Нестабильные тесты 1 Входные токены 194,520 Выходные токены 5,396 Токены рассуждений 25,991 Время ответа (среднее) 12.12s Время ответа (суммарно) 278.70s Время ответа (макс.) 82.74s Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.2 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 : 10.0
#334#334	Mistral Small 4medium	5.1	Mistral	$0.126 ↑	12.68s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 9.7 Доля успешных попыток 42.0% Нестабильные тесты 8 Входные токены 321,955 Выходные токены 41,555 Токены рассуждений 94,946 Время ответа (среднее) 12.68s Время ответа (суммарно) 291.66s Время ответа (макс.) 59.15s Неверный ответ: 14 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 5.6 Программирование : 4.4 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.9 Общий интеллект : 4.8 Следование инструкциям : 7.3 Решение головоломок : 3.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#246#246	Qwen3.6 27Bnone	6.3	Qwen	$0.148 ↓	12.71s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 47.8% Нестабильные тесты 6 Входные токены 250,919 Выходные токены 20,816 Токены рассуждений 0 Время ответа (среднее) 12.71s Время ответа (суммарно) 292.29s Время ответа (макс.) 156.31s Неверный ответ: 11 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 3.8 Программирование : 5.5 Комбинированный : 3.2 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 7.7 Общий интеллект : 5.2 Следование инструкциям : 6.2 Решение головоломок : 5.3 Вызов инструментов : 9.5 Эрудиция : 3.0
#410#410	Hy3 previewnone	3.3	Tencent	$0.007 ↕	12.92s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 21.7% Нестабильные тесты 2 Входные токены 27,172 Выходные токены 2,661 Токены рассуждений 0 Время ответа (среднее) 12.92s Время ответа (суммарно) 232.64s Время ответа (макс.) 35.84s Неверный ответ: 8 Ошибка API: 4 Не соблюдены инструкции: 4 Лишнее форматирование: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 4.8 Программирование : 2.7 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 4.1 Следование инструкциям : 6.3 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#357#357	GLM 4.7 Flashnone	4.8	Z.ai	$0.027	13.04s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 29.0% Нестабильные тесты 3 Входные токены 255,363 Выходные токены 27,395 Токены рассуждений 0 Время ответа (среднее) 13.04s Время ответа (суммарно) 221.61s Время ответа (макс.) 97.15s Неверный ответ: 15 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 5.2 Программирование : 4.3 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 6.5 Решение головоломок : 6.4 Вызов инструментов : 2.8 Эрудиция : 3.0
#290#290	Ling 3.0 Flashhigh	5.8	Inclusionai	$0.021 ↕	13.08s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 9.8 Доля успешных попыток 60.9% Нестабильные тесты 4 Входные токены 132,044 Выходные токены 92,135 Токены рассуждений 207,321 Время ответа (среднее) 13.08s Время ответа (суммарно) 287.79s Время ответа (макс.) 75.27s Неверный ответ: 7 Ошибка API: 2 Недопустимый вызов инструмента: 2 Агентные задачи : 3.0 Анти-ИИ уловки : 10.0 Программирование : 6.7 Комбинированный : 2.9 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#71#71	Muse Spark 1.1low	8.6	Meta	$0.885	13.21s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 72.5% Нестабильные тесты 4 Входные токены 291,368 Выходные токены 13,469 Токены рассуждений 108,952 Время ответа (среднее) 13.21s Время ответа (суммарно) 303.92s Время ответа (макс.) 54.15s Неверный ответ: 5 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 7.9 Программирование : 10.0 Комбинированный : 6.6 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 7.3 Решение головоломок : 8.3 Вызов инструментов : 9.8 Эрудиция : 3.0
#28#28	Claude Opus 5medium	9.4	Anthropic	$2.870	13.24s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 84.1% Нестабильные тесты 1 Входные токены 356,605 Выходные токены 26,715 Токены рассуждений 17,041 Время ответа (среднее) 13.24s Время ответа (суммарно) 304.46s Время ответа (макс.) 78.80s Неверный ответ: 3 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 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
#116#116	Claude Fable 5.1high	7.9	Anthropic	$3.471	13.30s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 85.5% Нестабильные тесты 1 Входные токены 144,676 Выходные токены 8,184 Токены рассуждений 32,282 Время ответа (среднее) 13.30s Время ответа (суммарно) 305.83s Время ответа (макс.) 40.17s Неверный ответ: 3 Ошибка API: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 10.0 Программирование : 8.4 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
#395#395	Ling 3.0 Tinydefault	3.8	Inclusionai	$0.000	13.39s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 21 Надежность 9.8 Доля успешных попыток 8.7% Нестабильные тесты 0 Входные токены 184,579 Выходные токены 110,071 Токены рассуждений 0 Время ответа (среднее) 13.39s Время ответа (суммарно) 294.48s Время ответа (макс.) 240.61s Неверный ответ: 13 Не соблюдены инструкции: 4 Ошибка API: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 4.8 Программирование : 4.2 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 3.4 Следование инструкциям : 3.1 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#442#442	Claude Opus 5.5none	0.2	Anthropic	$0.015	13.58s
Открыть карточку модели Всего тестов 1 Ошибочных тестов 0 Надежность 10.0 Доля успешных попыток 4.4% Нестабильные тесты 0 Входные токены 73 Выходные токены 6 Токены рассуждений 729 Время ответа (среднее) 13.58s Время ответа (суммарно) 13.58s Время ответа (макс.) 13.58s Агентные задачи : 0.0 Анти-ИИ уловки : 0.0 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 0.0 Предметно-ориентированное : 3.3 Общий интеллект : 0.0 Следование инструкциям : 0.0 Решение головоломок : 0.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#22#22	GPT-5.6 Solhigh	9.5	OpenAI	$1.595 ↑	13.59s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 89.9% Нестабильные тесты 3 Входные токены 195,567 Выходные токены 5,841 Токены рассуждений 26,230 Время ответа (среднее) 13.59s Время ответа (суммарно) 312.61s Время ответа (макс.) 59.99s Неверный ответ: 4 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 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 : 10.0 Вызов инструментов : 10.0 Эрудиция : 4.7
#90#90	GPT-5.6 Terrahigh	8.3	OpenAI	$0.698 ↓	13.62s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.6% Нестабильные тесты 2 Входные токены 197,239 Выходные токены 6,083 Токены рассуждений 53,982 Время ответа (среднее) 13.62s Время ответа (суммарно) 313.21s Время ответа (макс.) 91.49s Неверный ответ: 7 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 7.6 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.1 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#10#10	Gemini 3.6 Flashmedium	9.8	Google	$0.577 ↓	14.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 95.7% Нестабильные тесты 2 Входные токены 188,003 Выходные токены 2,914 Токены рассуждений 113,210 Время ответа (среднее) 14.03s Время ответа (суммарно) 322.73s Время ответа (макс.) 77.15s Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.8 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#155#155	DeepSeek V4 Pro 0423none	7.4	DeepSeek	$0.083 ↓	14.05s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 49.3% Нестабильные тесты 4 Входные токены 304,186 Выходные токены 40,118 Токены рассуждений 5,886 Время ответа (среднее) 14.05s Время ответа (суммарно) 323.17s Время ответа (макс.) 119.44s Неверный ответ: 9 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 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
#105#105	Claude Opus 4.7medium	8.1	Anthropic	$3.636	14.12s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 81.2% Нестабильные тесты 2 Входные токены 437,293 Выходные токены 29,102 Токены рассуждений 28,876 Время ответа (среднее) 14.12s Время ответа (суммарно) 310.55s Время ответа (макс.) 150.60s Неверный ответ: 3 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 5.2 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
#265#265	Gemini 3.5 Flashnone	6.1	Google	$1.752	14.13s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 4 Входные токены 246,061 Выходные токены 3,828 Токены рассуждений 149,767 Время ответа (среднее) 14.13s Время ответа (суммарно) 268.55s Время ответа (макс.) 85.26s Ошибка API: 4 Неверный ответ: 4 Недопустимый вызов инструмента: 1 Агентные задачи : 2.8 Анти-ИИ уловки : 10.0 Программирование : 8.8 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 2.8
#20#20	GPT-5.6 Solmedium	9.5	OpenAI	$1.700	14.57s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 91.3% Нестабильные тесты 3 Входные токены 191,341 Выходные токены 5,665 Токены рассуждений 32,340 Время ответа (среднее) 14.57s Время ответа (суммарно) 335.16s Время ответа (макс.) 79.40s Неверный ответ: 4 Агентные задачи : 10.0 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 : 8.2 Вызов инструментов : 10.0 Эрудиция : 4.7
#286#286	Qwen3.7 Flashnone	5.9	Qwen	$0.028	14.70s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 36.2% Нестабильные тесты 3 Входные токены 410,787 Выходные токены 117,742 Токены рассуждений 0 Время ответа (среднее) 14.70s Время ответа (суммарно) 338.13s Время ответа (макс.) 186.24s Неверный ответ: 14 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 3.0 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.3 Решение головоломок : 3.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#394#394	Laguna M.1medium	3.9	Poolside	$0.033 ↕	14.73s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 43.5% 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 Агентные задачи : 0.0 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

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