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: 2026-09-02 Оценено моделей: 308

Рекомендуемые модели

GPT-5.6 Sol high Интеллектуальная Доля успешных попыток 89.4% Тестов верно 18 / 22 Оценка 9.4/10 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 $0.065 / 1M Цена выхода $0.180 / 1M Оценка 8.0/10

308/308

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#143#143	GLM 5.3low	6.8	Z.ai	$0.257	13.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 4 Входные токены 104,989 Выходные токены 8,532 Токены рассуждений 16,276 Время ответа (среднее) 13.65s Время ответа (суммарно) 300.22s Время ответа (макс.) 83.60s Неверный ответ: 8 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.9 Программирование : 6.2 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#69#69	Gemini 3.5 Flash Litemedium	7.8	Google	$0.272	5.12s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 78.8% Нестабильные тесты 6 Входные токены 103,916 Выходные токены 8,892 Токены рассуждений 87,343 Время ответа (среднее) 5.12s Время ответа (суммарно) 112.73s Время ответа (макс.) 26.41s Неверный ответ: 6 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 7.9 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 4.7 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 2.8
#67#67	Qwen3.7 Plusmedium	7.9	Qwen	$0.277 ↓	53.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 75.8% Нестабильные тесты 3 Входные токены 115,242 Выходные токены 6,163 Токены рассуждений 181,174 Время ответа (среднее) 53.51s Время ответа (суммарно) 1177.25s Время ответа (макс.) 315.30s Неверный ответ: 5 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 6.1 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#194#194	GPT-5.6 Terranone	6.0	OpenAI	$0.280 ↓	1.66s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 42.4% Нестабильные тесты 3 Входные токены 102,268 Выходные токены 6,221 Токены рассуждений 0 Время ответа (среднее) 1.66s Время ответа (суммарно) 36.54s Время ответа (макс.) 10.07s Неверный ответ: 11 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 8.5 Решение головоломок : 5.3 Вызов инструментов : 9.6 Эрудиция : 3.0
#215#215	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.283 ↑	12.93s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 2 Входные токены 241,575 Выходные токены 88,459 Токены рассуждений 0 Время ответа (среднее) 12.93s Время ответа (суммарно) 284.39s Время ответа (макс.) 212.63s Неверный ответ: 13 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 3.7 Комбинированный : 5.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 3.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#46#46	Qwen3.8 27Bhigh	8.4	Qwen	~$0.287	167.89s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 9.6 Доля успешных попыток 77.3% Нестабильные тесты 2 Входные токены 100,179 Выходные токены 904 Токены рассуждений 655,731 Время ответа (среднее) 167.89s Время ответа (суммарно) 3693.54s Время ответа (макс.) 640.85s Не соблюдены инструкции: 2 Нет ответа: 2 Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 8.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#150#150	Gemini 3.5 Flashminimal	6.7	Google	$0.300	2.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 60.6% Нестабильные тесты 1 Входные токены 100,762 Выходные токены 16,454 Токены рассуждений 0 Время ответа (среднее) 2.65s Время ответа (суммарно) 58.21s Время ответа (макс.) 25.26s Неверный ответ: 6 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 6.5 Программирование : 5.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#89#89	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
#8#8	Gemini 3.7 Flashmedium	9.4	Google	$0.309 ↑	5.87s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 93.9% Нестабильные тесты 1 Входные токены 89,055 Выходные токены 5,697 Токены рассуждений 58,880 Время ответа (среднее) 5.87s Время ответа (суммарно) 129.20s Время ответа (макс.) 30.23s Неверный ответ: 2 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 : 10.0
#116#116	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 9.6 Доля успешных попыток 63.6% Нестабильные тесты 2 Входные токены 42,106 Выходные токены 2,280 Токены рассуждений 169,843 Время ответа (среднее) 46.97s Время ответа (суммарно) 986.35s Время ответа (макс.) 189.38s Неверный ответ: 8 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 6.2 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.9 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#82#82	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 71.2% 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 : 5.0 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
#281#281	MiniMax M2.5medium	4.6	Minimax	$0.327 ↑	69.08s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 9 Входные токены 142,621 Выходные токены 20,409 Токены рассуждений 251,820 Время ответа (среднее) 69.08s Время ответа (суммарно) 1036.24s Время ответа (макс.) 251.36s Неверный ответ: 7 Тайм-аут: 4 Не соблюдены инструкции: 3 Нет ответа: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.9 Программирование : 3.4 Комбинированный : 3.7 Парсинг и извлечение данных : 4.6 Предметно-ориентированное : 2.9 Общий интеллект : 3.8 Следование инструкциям : 7.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#173#173	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 9 Надежность 9.6 Доля успешных попыток 69.7% Нестабильные тесты 5 Входные токены 40,961 Выходные токены 2,518 Токены рассуждений 81,801 Время ответа (среднее) 22.16s Время ответа (суммарно) 443.22s Время ответа (макс.) 136.29s Неверный ответ: 5 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 6.0 Комбинированный : 2.3 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 6.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#5#5	GPT-5.6 Sollow	9.5	OpenAI	$0.357 ↓	9.04s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 86.4% Нестабильные тесты 2 Входные токены 78,580 Выходные токены 4,476 Токены рассуждений 15,470 Время ответа (среднее) 9.04s Время ответа (суммарно) 198.97s Время ответа (макс.) 53.91s Неверный ответ: 4 Анти-ИИ уловки : 8.3 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 : 8.2 Вызов инструментов : 10.0 Эрудиция : 10.0
#61#61	Inklingmedium	8.0	Thinkingmachines	$0.383	15.66s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 75.8% Нестабильные тесты 4 Входные токены 124,062 Выходные токены 12,190 Токены рассуждений 51,652 Время ответа (среднее) 15.66s Время ответа (суммарно) 344.52s Время ответа (макс.) 85.12s Неверный ответ: 4 Ошибка API: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 8.7 Программирование : 8.4 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 2.8
#195#195	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность Н/Д Доля успешных попыток 63.6% Нестабильные тесты 0 Входные токены 28,848 Выходные токены 1,490 Токены рассуждений 10,102 Время ответа (среднее) 9.05s Время ответа (суммарно) 90.53s Время ответа (макс.) 26.24s Ошибка API: 4 Неверный ответ: 3 Анти-ИИ уловки : 10.0 Программирование : 3.0 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#121#121	Step 3.7 Flashlow	7.1	Stepfun	$0.390	17.87s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 5 Входные токены 103,842 Выходные токены 320,393 Токены рассуждений 0 Время ответа (среднее) 17.87s Время ответа (суммарно) 393.04s Время ответа (макс.) 124.75s Неверный ответ: 9 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 8.7 Программирование : 8.2 Комбинированный : 7.3 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 3.4 Следование инструкциям : 9.8 Решение головоломок : 5.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#206#206	GPT-5.4none	5.8	OpenAI	$0.397	2.08s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 34.9% Нестабильные тесты 2 Входные токены 108,641 Выходные токены 8,339 Токены рассуждений 0 Время ответа (среднее) 2.08s Время ответа (суммарно) 45.75s Время ответа (макс.) 15.63s Неверный ответ: 14 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.2 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 5.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#48#48	Inkling Smallhigh	8.4	Thinkingmachines	$0.398 ↓	30.43s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 2 Входные токены 85,669 Выходные токены 6,092 Токены рассуждений 292,801 Время ответа (среднее) 30.43s Время ответа (суммарно) 669.38s Время ответа (макс.) 122.60s Неверный ответ: 6 Не соблюдены инструкции: 2 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 9.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.3 Следование инструкциям : 9.8 Решение головоломок : 4.8 Вызов инструментов : 3.0 Эрудиция : 3.0
#107#107	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
#106#106	GLM 5.3high	7.3	Z.ai	$0.403	27.82s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 74.2% Нестабильные тесты 7 Входные токены 87,601 Выходные токены 6,006 Токены рассуждений 57,661 Время ответа (среднее) 27.82s Время ответа (суммарно) 612.06s Время ответа (макс.) 159.91s Неверный ответ: 6 Лишнее форматирование: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 6.6 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#149#149	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
#68#68	Qwen3.6 Plusmedium	7.8	Qwen	$0.418 ↑	45.52s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 2 Входные токены 97,698 Выходные токены 6,417 Токены рассуждений 191,215 Время ответа (среднее) 45.52s Время ответа (суммарно) 955.94s Время ответа (макс.) 291.55s Неверный ответ: 5 Ошибка API: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 6.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#88#88	GPT-5.6 Terralow	7.5	OpenAI	$0.420 ↓	5.45s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 74.2% Нестабильные тесты 6 Входные токены 80,304 Выходные токены 4,714 Токены рассуждений 16,872 Время ответа (среднее) 5.45s Время ответа (суммарно) 119.83s Время ответа (макс.) 19.85s Неверный ответ: 8 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.3 Программирование : 6.6 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 4.7 Эрудиция : 3.0
#4#4	Gemini 3.6 Flashmedium	9.8	Google	$0.427 ↓	11.86s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 95.5% Нестабильные тесты 2 Входные токены 64,446 Выходные токены 1,974 Токены рассуждений 98,902 Время ответа (среднее) 11.86s Время ответа (суммарно) 260.96s Время ответа (макс.) 77.15s Неверный ответ: 2 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

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 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium