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)
#181#181	Gemini 3.5 Flash Litelow	6.6	Google	$0.138	2.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 6 Входные токены 139,165 Выходные токены 12,899 Токены рассуждений 25,511 Время ответа (среднее) 2.56s Время ответа (суммарно) 56.32s Время ответа (макс.) 15.14s Неверный ответ: 8 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 9.0 Программирование : 4.3 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 4.7
#186#186	Qwen3.6 35B A3Bmedium	6.6	Qwen	$0.750 ↑	58.49s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 57.6% Нестабильные тесты 2 Входные токены 85,148 Выходные токены 61,736 Токены рассуждений 681,556 Время ответа (среднее) 58.49s Время ответа (суммарно) 1169.83s Время ответа (макс.) 817.57s Неверный ответ: 5 Ошибка API: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 7.7 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.4 Следование инструкциям : 10.0 Решение головоломок : 8.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#187#187	Mercury 2.5 Previewhigh	6.6	Inception	$0.030	4.01s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 5 Входные токены 115,759 Выходные токены 2,562 Токены рассуждений 160,943 Время ответа (среднее) 4.01s Время ответа (суммарно) 88.25s Время ответа (макс.) 17.71s Неверный ответ: 6 Не соблюдены инструкции: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 6.7 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#192#192	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.052	1.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 57.6% Нестабильные тесты 1 Входные токены 120,955 Выходные токены 14,161 Токены рассуждений 0 Время ответа (среднее) 1.56s Время ответа (суммарно) 34.32s Время ответа (макс.) 9.27s Неверный ответ: 7 Не соблюдены инструкции: 2 Нет ответа: 1 Анти-ИИ уловки : 7.5 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#199#199	Ling-3.0-flashhigh	6.4	Inclusionai	$0.021 ↕	13.70s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 9.8 Доля успешных попыток 63.6% Нестабильные тесты 4 Входные токены 132,044 Выходные токены 92,135 Токены рассуждений 207,321 Время ответа (среднее) 13.70s Время ответа (суммарно) 287.75s Время ответа (макс.) 75.27s Неверный ответ: 7 Недопустимый вызов инструмента: 2 Ошибка API: 1 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
#246#246	Gemini 3.1 Flash Litehigh	5.6	Google	$2.044	61.96s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 56.1% Нестабильные тесты 4 Входные токены 29,134 Выходные токены 1,984 Токены рассуждений 1,355,583 Время ответа (среднее) 61.96s Время ответа (суммарно) 1115.31s Время ответа (макс.) 149.23s Неверный ответ: 4 Не соблюдены инструкции: 3 Нет ответа: 1 Анти-ИИ уловки : 8.7 Программирование : 3.3 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 7.3 Решение головоломок : 5.7 Вызов инструментов : 10.0 Эрудиция : 0.0
#201#201	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
#202#202	MiMo-V2-Flashmedium	6.3	Xiaomi	$0.043 ↑	20.11s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 62.1% 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 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
#61#61	MiMo-V2.6-Promedium	8.4	Xiaomi	$0.477	147.50s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 9.4 Доля успешных попыток 77.3% Нестабильные тесты 7 Входные токены 90,486 Выходные токены 6,569 Токены рассуждений 495,874 Время ответа (среднее) 147.50s Время ответа (суммарно) 3245.08s Время ответа (макс.) 904.91s Лишнее форматирование: 3 Неверный ответ: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 7.3 Программирование : 8.2 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 8.4 Решение головоломок : 8.4 Вызов инструментов : 10.0 Эрудиция : 2.8
#66#66	Muse Spark 1.1low	8.3	Meta	$0.673	11.89s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 4 Входные токены 141,878 Выходные токены 11,033 Токены рассуждений 105,456 Время ответа (среднее) 11.89s Время ответа (суммарно) 261.69s Время ответа (макс.) 54.15s Неверный ответ: 5 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 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
#73#73	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
#77#77	DeepSeek V4 Flash 0731low	8.0	DeepSeek	$0.138 ↑	77.55s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 5 Входные токены 93,345 Выходные токены 35,723 Токены рассуждений 350,266 Время ответа (среднее) 77.55s Время ответа (суммарно) 1706.18s Время ответа (макс.) 438.65s Неверный ответ: 7 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.2 Программирование : 7.3 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 6.5 Следование инструкциям : 9.9 Решение головоломок : 8.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#84#84	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
#85#85	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
#94#94	Seed-2.0-Litemedium	7.8	Bytedance Seed	$0.236	47.94s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 4 Входные токены 129,906 Выходные токены 12,530 Токены рассуждений 88,766 Время ответа (среднее) 47.94s Время ответа (суммарно) 1054.57s Время ответа (макс.) 254.92s Неверный ответ: 6 Не соблюдены инструкции: 2 Нет ответа: 1 Анти-ИИ уловки : 8.3 Программирование : 8.0 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 6.7 Следование инструкциям : 10.0 Решение головоломок : 9.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#96#96	Qwen3.7 Flashhigh	7.8	Qwen	$0.052	41.37s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 6 Входные токены 116,331 Выходные токены 12,330 Токены рассуждений 357,920 Время ответа (среднее) 41.37s Время ответа (суммарно) 910.11s Время ответа (макс.) 431.47s Неверный ответ: 7 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 7.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#98#98	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 8.5 Доля успешных попыток 77.3% Нестабильные тесты 6 Входные токены 85,657 Выходные токены 8,142 Токены рассуждений 233,167 Время ответа (среднее) 72.24s Время ответа (суммарно) 1589.31s Время ответа (макс.) 485.92s Неверный ответ: 6 Ошибка API: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.7 Программирование : 7.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 6.5 Следование инструкциям : 9.8 Решение головоломок : 9.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#99#99	Claude Opus 4.6medium	7.7	Anthropic	$2.961	32.23s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 3 Входные токены 108,573 Выходные токены 69,994 Токены рассуждений 26,728 Время ответа (среднее) 32.23s Время ответа (суммарно) 515.65s Время ответа (макс.) 151.51s Лишнее форматирование: 4 Неверный ответ: 4 Не соблюдены инструкции: 1 Анти-ИИ уловки : 6.4 Программирование : 5.7 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#101#101	DeepSeek V4 Flash 0423high	7.6	DeepSeek	$0.026 ↓	51.81s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 4 Входные токены 108,480 Выходные токены 37,229 Токены рассуждений 174,081 Время ответа (среднее) 51.81s Время ответа (суммарно) 1139.75s Время ответа (макс.) 218.13s Неверный ответ: 6 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.3 Программирование : 7.8 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#106#106	Nemotron 3 Ultramedium	7.6	NVIDIA	$0.567 ↕	33.62s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 9.8 Доля успешных попыток 66.7% Нестабильные тесты 3 Входные токены 233,415 Выходные токены 54,384 Токены рассуждений 130,021 Время ответа (среднее) 33.62s Время ответа (суммарно) 739.59s Время ответа (макс.) 392.56s Неверный ответ: 7 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 6.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 3.7 Следование инструкциям : 9.8 Решение головоломок : 5.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#110#110	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
#111#111	Grok 4.7high	7.5	X AI	$2.180	113.10s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 9.5 Доля успешных попыток 75.8% Нестабильные тесты 7 Входные токены 113,892 Выходные токены 6,907 Токены рассуждений 409,179 Время ответа (среднее) 113.10s Время ответа (суммарно) 2488.20s Время ответа (макс.) 573.57s Нет ответа: 3 Не соблюдены инструкции: 2 Неверный ответ: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.7 Программирование : 6.0 Комбинированный : 8.6 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 8.4 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#113#113	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
#115#115	Qwen3.5-27Bmedium	7.5	Qwen	$0.982 ↓	113.28s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 75.8% Нестабильные тесты 6 Входные токены 111,644 Выходные токены 16,113 Токены рассуждений 598,796 Время ответа (среднее) 113.28s Время ответа (суммарно) 2492.26s Время ответа (макс.) 1026.43s Неверный ответ: 4 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.7 Программирование : 6.2 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#118#118	Grok Build 0.1medium	7.5	X AI	$1.130	54.50s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 60.6% Нестабильные тесты 1 Входные токены 106,946 Выходные токены 7,993 Токены рассуждений 503,413 Время ответа (среднее) 54.50s Время ответа (суммарно) 1199.07s Время ответа (макс.) 252.69s Неверный ответ: 6 Лишнее форматирование: 3 Анти-ИИ уловки : 8.3 Программирование : 5.7 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 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 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