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)
#115#115	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
#10#10	GPT-5.6 Solhigh	9.4	OpenAI	$0.446 ↓	11.48s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 89.4% Нестабильные тесты 3 Входные токены 79,258 Выходные токены 4,855 Токены рассуждений 23,853 Время ответа (среднее) 11.48s Время ответа (суммарно) 252.62s Время ответа (макс.) 54.79s Неверный ответ: 4 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
#103#103	Grok 4.6low	7.4	X AI	$0.449	14.55s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 1 Входные токены 109,960 Выходные токены 5,124 Токены рассуждений 32,924 Время ответа (среднее) 14.55s Время ответа (суммарно) 320.17s Время ответа (макс.) 26.46s Неверный ответ: 7 Анти-ИИ уловки : 10.0 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#27#27	Gemini 3.5 Flashlow	8.8	Google	$0.449	5.76s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 84.9% Нестабильные тесты 2 Входные токены 87,826 Выходные токены 2,239 Токены рассуждений 32,956 Время ответа (среднее) 5.76s Время ответа (суммарно) 126.71s Время ответа (макс.) 53.55s Неверный ответ: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 8.2 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 : 10.0
#151#151	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 6 Входные токены 44,615 Выходные токены 2,347 Токены рассуждений 98,415 Время ответа (среднее) 23.08s Время ответа (суммарно) 484.63s Время ответа (макс.) 95.88s Неверный ответ: 7 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 7.2 Программирование : 6.0 Комбинированный : 3.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.7 Вызов инструментов : 7.0 Эрудиция : 3.0
#91#91	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.459 ↓	91.76s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 72.7% Нестабильные тесты 5 Входные токены 113,569 Выходные токены 9,823 Токены рассуждений 264,886 Время ответа (среднее) 91.76s Время ответа (суммарно) 1376.42s Время ответа (макс.) 304.85s Неверный ответ: 4 Тайм-аут: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.2 Программирование : 6.6 Комбинированный : 6.9 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
#132#132	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.478	24.87s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 8 Входные токены 87,916 Выходные токены 7,213 Токены рассуждений 132,162 Время ответа (среднее) 24.87s Время ответа (суммарно) 547.14s Время ответа (макс.) 257.00s Неверный ответ: 9 Ошибка API: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.2 Программирование : 7.8 Комбинированный : 6.4 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 4.7 Следование инструкциям : 9.9 Решение головоломок : 5.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#131#131	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
#148#148	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.487	26.01s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 8 Входные токены 98,508 Выходные токены 139,572 Токены рассуждений 0 Время ответа (среднее) 26.01s Время ответа (суммарно) 572.22s Время ответа (макс.) 335.41s Неверный ответ: 10 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.7 Программирование : 6.1 Комбинированный : 4.1 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 4.8 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#80#80	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.490 ↑	92.50s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 6 Входные токены 90,757 Выходные токены 22,928 Токены рассуждений 186,516 Время ответа (среднее) 92.50s Время ответа (суммарно) 2035.01s Время ответа (макс.) 416.76s Неверный ответ: 7 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 5.7 Программирование : 6.3 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 7.8 Решение головоломок : 6.9 Вызов инструментов : 9.8 Эрудиция : 3.0
#152#152	LongCat 2.0high	6.7	Meituan	$0.492	153.29s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 51.5% Нестабильные тесты 4 Входные токены 93,411 Выходные токены 30,470 Токены рассуждений 356,172 Время ответа (среднее) 153.29s Время ответа (суммарно) 3372.36s Время ответа (макс.) 941.66s Неверный ответ: 7 Не соблюдены инструкции: 2 Нет ответа: 2 Тайм-аут: 2 Анти-ИИ уловки : 8.9 Программирование : 7.8 Комбинированный : 10.0 Парсинг и извлечение данных : 3.6 Предметно-ориентированное : 3.6 Общий интеллект : 5.1 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#65#65	Step 3.7 Flashmedium	7.9	Stepfun	$0.495	23.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 68.2% Нестабильные тесты 3 Входные токены 114,191 Выходные токены 409,709 Токены рассуждений 0 Время ответа (среднее) 23.51s Время ответа (суммарно) 517.21s Время ответа (макс.) 152.83s Неверный ответ: 6 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 8.7 Программирование : 8.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 9.8 Решение головоломок : 5.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#101#101	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 59.1% Нестабильные тесты 2 Входные токены 97,324 Выходные токены 44,383 Токены рассуждений 346,490 Время ответа (среднее) 143.55s Время ответа (суммарно) 3158.11s Время ответа (макс.) 939.52s Неверный ответ: 7 Ошибка API: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 7.3 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 6.5 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#153#153	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 72.7% Нестабильные тесты 0 Входные токены 69,576 Выходные токены 6,265 Токены рассуждений 0 Время ответа (среднее) 3.02s Время ответа (суммарно) 57.44s Время ответа (макс.) 18.27s Неверный ответ: 3 Анти-ИИ уловки : 8.3 Программирование : 3.3 Комбинированный : 4.8 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
#114#114	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.506	22.11s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 6 Входные токены 106,085 Выходные токены 9,071 Токены рассуждений 135,288 Время ответа (среднее) 22.11s Время ответа (суммарно) 486.31s Время ответа (макс.) 199.97s Неверный ответ: 10 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.0 Программирование : 6.4 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.9 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#9#9	GPT-5.6 Solmedium	9.4	OpenAI	$0.508 ↓	12.63s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 90.9% Нестабильные тесты 3 Входные токены 79,006 Выходные токены 4,696 Токены рассуждений 30,281 Время ответа (среднее) 12.63s Время ответа (суммарно) 277.88s Время ответа (макс.) 79.40s Неверный ответ: 4 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
#55#55	Muse Glimmer 30Bxhigh	8.1	Meta	$0.510 ↓	95.55s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 9.9 Доля успешных попыток 69.7% Нестабильные тесты 4 Входные токены 110,930 Выходные токены 116,373 Токены рассуждений 330,471 Время ответа (среднее) 95.55s Время ответа (суммарно) 2102.12s Время ответа (макс.) 576.79s Неверный ответ: 4 Нет ответа: 3 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.5 Следование инструкциям : 8.4 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#71#71	GPT-5.6 Terramedium	7.8	OpenAI	$0.523 ↓	6.85s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 2 Входные токены 79,184 Выходные токены 4,878 Токены рассуждений 25,471 Время ответа (среднее) 6.85s Время ответа (суммарно) 150.65s Время ответа (макс.) 41.68s Неверный ответ: 8 Анти-ИИ уловки : 8.3 Программирование : 6.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.5 Следование инструкциям : 10.0 Решение головоломок : 8.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#90#90	GPT 5.3 Chatnone	7.5	OpenAI	$0.533	6.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 4 Входные токены 78,846 Выходные токены 28,179 Токены рассуждений 0 Время ответа (среднее) 6.56s Время ответа (суммарно) 137.77s Время ответа (макс.) 18.33s Неверный ответ: 6 Не соблюдены инструкции: 2 Ошибка API: 1 Анти-ИИ уловки : 6.7 Программирование : 5.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.6 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#28#28	Gemini 3.5 Flash Litehigh	8.8	Google	$0.540	10.05s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 2 Входные токены 93,046 Выходные токены 5,884 Токены рассуждений 198,741 Время ответа (среднее) 10.05s Время ответа (суммарно) 221.06s Время ответа (макс.) 36.22s Неверный ответ: 5 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
#127#127	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 59.1% Нестабильные тесты 2 Входные токены 79,294 Выходные токены 4,915 Токены рассуждений 0 Время ответа (среднее) 2.35s Время ответа (суммарно) 51.78s Время ответа (макс.) 12.24s Неверный ответ: 10 Анти-ИИ уловки : 6.9 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.2 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#297#297	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 4 Входные токены 11,793 Выходные токены 267,275 Токены рассуждений 0 Время ответа (среднее) 28.69s Время ответа (суммарно) 459.00s Время ответа (макс.) 138.35s Неверный ответ: 7 Ошибка API: 3 Не соблюдены инструкции: 2 Анти-ИИ уловки : 8.7 Программирование : 3.3 Комбинированный : 1.5 Парсинг и извлечение данных : 3.8 Предметно-ориентированное : 3.6 Общий интеллект : 4.3 Следование инструкциям : 9.8 Решение головоломок : 6.4 Вызов инструментов : 3.0 Эрудиция : 3.0
#178#178	Claude Sonnet 5none	6.1	Anthropic	$0.548	6.05s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 40.9% Нестабильные тесты 4 Входные токены 161,032 Выходные токены 22,508 Токены рассуждений 0 Время ответа (среднее) 6.05s Время ответа (суммарно) 132.99s Время ответа (макс.) 33.39s Неверный ответ: 8 Лишнее форматирование: 4 Нет ответа: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 5.3 Программирование : 4.6 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.7 Следование инструкциям : 6.4 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#269#269	Trinity Large Thinkinghigh	4.8	Arcee AI	$0.592 ↓	75.86s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 39.4% Нестабильные тесты 8 Входные токены 101,776 Выходные токены 276,367 Токены рассуждений 656,252 Время ответа (среднее) 75.86s Время ответа (суммарно) 1668.93s Время ответа (макс.) 510.21s Неверный ответ: 10 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Нет ответа: 1 Анти-ИИ уловки : 6.7 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 6.3 Решение головоломок : 4.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#64#64	GPT-5.2 Chatnone	7.9	OpenAI	$0.594	7.73s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 4 Входные токены 101,104 Выходные токены 29,742 Токены рассуждений 0 Время ответа (среднее) 7.73s Время ответа (суммарно) 162.40s Время ответа (макс.) 38.52s Неверный ответ: 6 Ошибка API: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.7 Программирование : 8.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.4 Следование инструкциям : 9.8 Решение головоломок : 7.7 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 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