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)
#361#361	Laguna S 2.1none	4.7	Poolside	$0.044 ↓	17.65s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 21 Надежность 10.0 Доля успешных попыток 14.5% Нестабильные тесты 3 Входные токены 287,445 Выходные токены 99,097 Токены рассуждений 0 Время ответа (среднее) 17.65s Время ответа (суммарно) 406.05s Время ответа (макс.) 200.52s Неверный ответ: 18 Не соблюдены инструкции: 2 Нет ответа: 1 Агентные задачи : 5.4 Анти-ИИ уловки : 3.1 Программирование : 3.4 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 4.3 Решение головоломок : 3.1 Вызов инструментов : 4.7 Эрудиция : 3.0
#77#77	Muse Spark 1.3low	8.5	Meta	$0.911	17.73s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 82.6% Нестабильные тесты 5 Входные токены 270,231 Выходные токены 13,363 Токены рассуждений 121,332 Время ответа (среднее) 17.73s Время ответа (суммарно) 407.75s Время ответа (макс.) 78.72s Неверный ответ: 4 Ошибка API: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#128#128	Qwen3.7 Plusnone	7.8	Qwen	$0.178 ↓	17.80s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 56.5% Нестабильные тесты 0 Входные токены 250,495 Выходные токены 76,261 Токены рассуждений 0 Время ответа (среднее) 17.80s Время ответа (суммарно) 409.51s Время ответа (макс.) 206.03s Неверный ответ: 9 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.3 Следование инструкциям : 6.3 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#94#94	GPT-6 Lunamedium	8.3	OpenAI	$0.047	18.07s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 73.9% Нестабильные тесты 3 Входные токены 203,193 Выходные токены 5,751 Токены рассуждений 47,410 Время ответа (среднее) 18.07s Время ответа (суммарно) 415.53s Время ответа (макс.) 66.44s Неверный ответ: 7 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 6.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.4 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#129#129	Grok 4.5low	7.8	X AI	$1.345	18.14s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 73.9% Нестабильные тесты 2 Входные токены 308,068 Выходные токены 9,218 Токены рассуждений 112,197 Время ответа (среднее) 18.14s Время ответа (суммарно) 417.21s Время ответа (макс.) 205.28s Неверный ответ: 7 Агентные задачи : 5.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#304#304	Qwen3.5-35B-A3Bnone	5.6	Qwen	$0.120 ↓	18.31s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 37.7% Нестабильные тесты 4 Входные токены 218,886 Выходные токены 135,768 Токены рассуждений 0 Время ответа (среднее) 18.31s Время ответа (суммарно) 421.19s Время ответа (макс.) 209.15s Неверный ответ: 14 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 3.4 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.5 Следование инструкциям : 6.3 Решение головоломок : 3.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#108#108	GPT-5.6 Lunahigh	8.0	OpenAI	$0.118 ↓	18.39s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 71.0% Нестабильные тесты 4 Входные токены 197,896 Выходные токены 6,211 Токены рассуждений 133,184 Время ответа (среднее) 18.39s Время ответа (суммарно) 422.93s Время ответа (макс.) 111.09s Неверный ответ: 8 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.9 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#270#270	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.216 ↓	18.49s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 9.8 Доля успешных попыток 44.9% Нестабильные тесты 5 Входные токены 299,984 Выходные токены 69,664 Токены рассуждений 0 Время ответа (среднее) 18.49s Время ответа (суммарно) 425.33s Время ответа (макс.) 206.05s Неверный ответ: 12 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 4.8 Программирование : 3.9 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 6.2 Решение головоломок : 6.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#92#92	Gemini 3.5 Flashhigh	8.3	Google	$2.737	18.59s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 85.5% Нестабильные тесты 2 Входные токены 348,103 Выходные токены 11,045 Токены рассуждений 234,967 Время ответа (среднее) 18.59s Время ответа (суммарно) 427.52s Время ответа (макс.) 145.92s Недопустимый вызов инструмента: 2 Неверный ответ: 2 Агентные задачи : 3.4 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 9.8 Эрудиция : 10.0
#37#37	GPT-5.3-Codexmedium	9.1	OpenAI	$1.318	18.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 84.1% Нестабильные тесты 4 Входные токены 222,794 Выходные токены 7,357 Токены рассуждений 58,930 Время ответа (среднее) 18.87s Время ответа (суммарно) 433.94s Время ответа (макс.) 100.93s Неверный ответ: 4 Не соблюдены инструкции: 2 Агентные задачи : 10.0 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
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.900 ↓	18.93s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 1 Надежность 10.0 Доля успешных попыток 98.6% Нестабильные тесты 1 Входные токены 238,080 Выходные токены 4,211 Токены рассуждений 188,109 Время ответа (среднее) 18.93s Время ответа (суммарно) 435.48s Время ответа (макс.) 104.15s Неверный ответ: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 8.2 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#249#249	Gemini 3.1 Flash Litelow	6.3	Google	$0.717	19.02s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 2 Входные токены 312,368 Выходные токены 9,429 Токены рассуждений 416,147 Время ответа (среднее) 19.02s Время ответа (суммарно) 437.38s Время ответа (макс.) 318.02s Неверный ответ: 9 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 7.3 Программирование : 5.5 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#17#17	Gemini 4 Argonhigh	9.5	Google	$1.802	19.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 9.9 Доля успешных попыток 97.1% Нестабильные тесты 2 Входные токены 240,264 Выходные токены 5,707 Токены рассуждений 126,366 Время ответа (среднее) 19.03s Время ответа (суммарно) 437.77s Время ответа (макс.) 82.53s Ошибка API: 1 Неверный ответ: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 8.2 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#248#248	Gemini 3.1 Flash Lite Previewlow	6.3	Google	$0.736	19.04s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 0 Входные токены 309,715 Выходные токены 16,170 Токены рассуждений 422,721 Время ответа (среднее) 19.04s Время ответа (суммарно) 437.98s Время ответа (макс.) 309.35s Неверный ответ: 7 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#221#221	KAT-Coder-Pro V2.5low	6.5	Kwaipilot	$0.568 ↑	19.40s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 8 Входные токены 87,682 Выходные токены 7,166 Токены рассуждений 106,027 Время ответа (среднее) 19.40s Время ответа (суммарно) 446.11s Время ответа (макс.) 209.15s Неверный ответ: 10 Ошибка API: 2 Агентные задачи : 3.0 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
#348#348	Qwen3 Coder Nextdefault	4.9	Qwen	$0.067 ↑	19.73s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 24.6% Нестабильные тесты 1 Входные токены 250,329 Выходные токены 45,168 Токены рассуждений 0 Время ответа (среднее) 19.73s Время ответа (суммарно) 355.09s Время ответа (макс.) 208.38s Неверный ответ: 15 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 3.6 Программирование : 4.6 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.3 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#251#251	Qwen3.5 Plus 2026-02-15none	6.3	Qwen	$0.176	20.07s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 52.2% Нестабильные тесты 3 Входные токены 346,064 Выходные токены 53,060 Токены рассуждений 0 Время ответа (среднее) 20.07s Время ответа (суммарно) 341.27s Время ответа (макс.) 183.50s Неверный ответ: 11 Недопустимый вызов инструмента: 1 Агентные задачи : 5.2 Анти-ИИ уловки : 4.8 Программирование : 4.3 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 4.4 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#333#333	MiMo-V2-Flashmedium	5.1	Xiaomi	$0.043 ↑	20.11s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 59.4% Нестабильные тесты 3 Входные токены 40,111 Выходные токены 12,476 Токены рассуждений 125,039 Время ответа (среднее) 20.11s Время ответа (суммарно) 301.59s Время ответа (макс.) 96.01s Неверный ответ: 5 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Тайм-аут: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 8.1 Программирование : 6.0 Комбинированный : 4.9 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.9 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#7#7	GPT-6 Astrahigh	9.9	OpenAI	$4.458	20.16s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 1 Надежность 9.9 Доля успешных попыток 97.1% Нестабильные тесты 1 Входные токены 167,805 Выходные токены 5,651 Токены рассуждений 49,944 Время ответа (среднее) 20.16s Время ответа (суммарно) 463.68s Время ответа (макс.) 254.93s Неверный ответ: 1 Агентные задачи : 10.0 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 : 10.0 Эрудиция : 10.0
#132#132	GPT-6 Lunahigh	7.7	OpenAI	$0.074	20.37s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 73.9% Нестабильные тесты 4 Входные токены 229,986 Выходные токены 6,037 Токены рассуждений 95,550 Время ответа (среднее) 20.37s Время ответа (суммарно) 468.52s Время ответа (макс.) 106.93s Неверный ответ: 6 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.2 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 5.1 Следование инструкциям : 8.4 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#295#295	Mistral Large 4none	5.7	Mistral	$0.290	20.43s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 9.7 Доля успешных попыток 31.9% Нестабильные тесты 2 Входные токены 257,872 Выходные токены 54,388 Токены рассуждений 0 Время ответа (среднее) 20.43s Время ответа (суммарно) 469.88s Время ответа (макс.) 192.80s Неверный ответ: 15 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 3.6 Программирование : 4.7 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.3 Следование инструкциям : 6.5 Решение головоломок : 7.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#310#310	GPT-6 Lunanone	5.5	OpenAI	$0.026	20.48s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 9.9 Доля успешных попыток 40.6% Нестабильные тесты 5 Входные токены 222,357 Выходные токены 6,855 Токены рассуждений 0 Время ответа (среднее) 20.48s Время ответа (суммарно) 470.96s Время ответа (макс.) 98.62s Неверный ответ: 13 Ошибка API: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 5.1 Следование инструкциям : 6.2 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#161#161	Gemini 2.5 Flashmedium	7.3	Google	$0.680 ↑	20.51s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 1 Входные токены 132,507 Выходные токены 12,739 Токены рассуждений 228,626 Время ответа (среднее) 20.51s Время ответа (суммарно) 471.64s Время ответа (макс.) 140.50s Неверный ответ: 6 Не соблюдены инструкции: 2 Агентные задачи : 3.0 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
#173#173	Step 3.7 Flashlow	7.2	Stepfun	$0.449	20.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 63.8% Нестабильные тесты 6 Входные токены 292,685 Выходные токены 339,108 Токены рассуждений 0 Время ответа (среднее) 20.72s Время ответа (суммарно) 476.67s Время ответа (макс.) 124.75s Неверный ответ: 9 Недопустимый вызов инструмента: 2 Нет ответа: 1 Агентные задачи : 7.4 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
#229#229	KAT-Coder-Pro V2.5high	6.5	Kwaipilot	$0.506	21.21s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 6 Входные токены 106,085 Выходные токены 9,071 Токены рассуждений 135,288 Время ответа (среднее) 21.21s Время ответа (суммарно) 487.83s Время ответа (макс.) 199.97s Неверный ответ: 10 Ошибка API: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 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

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