AI BENCHY

Таблица лидеров ИИ-бенчмарка

Отслеживайте лучшие SOTA AI-модели в лидерборде AI BENCHY — это простой способ узнать, какие модели сейчас лидируют по оценке, качеству рассуждений, надежности и ценности. Сортировать по: Общая стоимость ↑.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-03-06 Оценено моделей: 55

Поиск 0/0

Ранг	Модель	Компания	Оценка	Стоимость за результат	Общая стоимость	Время ответа (среднее)
🥇 #1	Step 3.5 Flashmedium	Stepfun	7.4	0.000	$0.000	29.10s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 6 Доля успешных попыток: 68.8% Нестабильные тесты: 2 Выходные токены: 71,452 Токены рассуждений: 155,147 Время ответа: среднее 29.10s · суммарно 290.96s · макс. 170.45s Не соблюдены инструкции: 3 Неверный ответ: 3 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 10.0 Domain specific: 4.0 General Intelligence: 6.0 Instructions following: 9.0 Puzzle Solving: 4.0 Tool Calling: 10.0
🥈 #2	Trinity Large Previewnone	Arcee AI	4.2	0.000	$0.000	3.15s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 11 Доля успешных попыток: 33.3% Нестабильные тесты: 1 Выходные токены: 1,837 Токены рассуждений: 0 Время ответа: среднее 3.15s · суммарно 50.46s · макс. 8.91s Неверный ответ: 9 Не соблюдены инструкции: 2 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 3.5 Puzzle Solving: 4.0 Tool Calling: 10.0
🥉 #3	LFM2-24B-A2Bnone	Liquid	2.6	0.047	$0.001	811ms
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 15 Доля успешных попыток: 14.6% Нестабильные тесты: 2 Выходные токены: 1,185 Токены рассуждений: 0 Время ответа: среднее 811ms · суммарно 11.35s · макс. 2.88s Неверный ответ: 9 Ошибка API: 4 Не соблюдены инструкции: 2 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 10.0 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 4.5 Puzzle Solving: 3.3 Tool Calling: 10.0
#4	GLM 4.7 Flashnone	Z.ai	3.9	0.066	$0.003	2.99s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 12 Доля успешных попыток: 35.4% Нестабильные тесты: 3 Выходные токены: 1,855 Токены рассуждений: 0 Время ответа: среднее 2.99s · суммарно 26.90s · макс. 7.05s Неверный ответ: 9 Не соблюдены инструкции: 2 common.failureReasons.invalid_tool_call: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 5.4 Domain specific: 7.0 General Intelligence: 3.0 Instructions following: 5.5 Puzzle Solving: 3.7 Tool Calling: 10.0
#5	GPT-4o-mininone	OpenAI	4.0	0.114	$0.005	2.07s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 12 Доля успешных попыток: 25.0% Нестабильные тесты: 0 Выходные токены: 1,594 Токены рассуждений: 0 Время ответа: среднее 2.07s · суммарно 18.60s · макс. 7.58s Неверный ответ: 11 Не соблюдены инструкции: 1 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 3.0 Instructions following: 4.5 Puzzle Solving: 2.3 Tool Calling: 10.0
#6	Qwen3.5-Flashnone	Qwen	5.2	0.077	$0.006	3.54s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 9 Доля успешных попыток: 45.8% Нестабильные тесты: 1 Выходные токены: 3,774 Токены рассуждений: 0 Время ответа: среднее 3.54s · суммарно 56.70s · макс. 13.73s Неверный ответ: 8 Не соблюдены инструкции: 1 Anti-AI Tricks: 2.3 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 7.0 General Intelligence: 10.0 Instructions following: 5.0 Puzzle Solving: 1.3 Tool Calling: 10.0
#7	Mercury 2none	Inception	3.4	0.153	$0.007	596ms
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 12 Доля успешных попыток: 31.3% Нестабильные тесты: 2 Выходные токены: 1,303 Токены рассуждений: 0 Время ответа: среднее 596ms · суммарно 9.54s · макс. 1.27s Неверный ответ: 11 Не соблюдены инструкции: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 5.5 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 5.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#8	Qwen3 Coder Nextmedium	Qwen	3.5	0.230	$0.007	12.53s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 13 Доля успешных попыток: 27.1% Нестабильные тесты: 2 Выходные токены: 2,935 Токены рассуждений: 0 Время ответа: среднее 12.53s · суммарно 125.32s · макс. 81.80s Неверный ответ: 8 Не соблюдены инструкции: 5 Anti-AI Tricks: 1.3 Combined: 10.0 Data parsing and extraction: 5.4 Domain specific: 4.0 General Intelligence: 6.0 Instructions following: 4.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#9	Qwen3 Coder Nextnone	Qwen	4.0	0.174	$0.007	11.68s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 12 Доля успешных попыток: 25.0% Нестабильные тесты: 0 Выходные токены: 3,026 Токены рассуждений: 0 Время ответа: среднее 11.68s · суммарно 116.76s · макс. 45.14s Неверный ответ: 10 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Anti-AI Tricks: 2.3 Combined: 10.0 Data parsing and extraction: 5.4 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 4.5 Puzzle Solving: 1.3 Tool Calling: 10.0
#10	Grok 4.1 Fastnone	X AI	2.9	0.247	$0.008	1.90s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 13 Доля успешных попыток: 25.0% Нестабильные тесты: 2 Выходные токены: 1,148 Токены рассуждений: 0 Время ответа: среднее 1.90s · суммарно 17.14s · макс. 5.51s Неверный ответ: 11 Не соблюдены инструкции: 2 Anti-AI Tricks: 1.3 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 10.0 Puzzle Solving: 1.3 Tool Calling: 10.0
#11	gpt-oss-120bmedium	OpenAI	5.1	0.135	$0.010	16.65s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 9 Доля успешных попыток: 54.2% Нестабильные тесты: 5 Выходные токены: 13,210 Токены рассуждений: 34,230 Время ответа: среднее 16.65s · суммарно 149.88s · макс. 50.92s Неверный ответ: 5 Не соблюдены инструкции: 4 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 5.5 Domain specific: 10.0 General Intelligence: 3.0 Instructions following: 9.5 Puzzle Solving: 1.7 Tool Calling: 9.0
#12	Gemini 2.5 Flashnone	Google	5.2	0.191	$0.012	923ms
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 10 Доля успешных попыток: 43.8% Нестабильные тесты: 2 Выходные токены: 1,270 Токены рассуждений: 0 Время ответа: среднее 923ms · суммарно 14.78s · макс. 4.39s Неверный ответ: 9 Не соблюдены инструкции: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 5.0 Instructions following: 9.0 Puzzle Solving: 4.7 Tool Calling: 10.0
#13	Qwen3.5-35B-A3Bnone	Qwen	4.7	0.237	$0.015	4.10s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 10 Доля успешных попыток: 50.0% Нестабильные тесты: 3 Выходные токены: 3,756 Токены рассуждений: 0 Время ответа: среднее 4.10s · суммарно 65.62s · макс. 47.43s Неверный ответ: 8 Не соблюдены инструкции: 2 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 7.0 General Intelligence: 6.0 Instructions following: 5.0 Puzzle Solving: 1.7 Tool Calling: 10.0
#14	Gemini 3.1 Flash Lite Previewnone	Google	7.1	0.144	$0.015	1.33s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 6 Доля успешных попыток: 66.7% Нестабильные тесты: 1 Выходные токены: 4,715 Токены рассуждений: 0 Время ответа: среднее 1.33s · суммарно 21.27s · макс. 3.39s Неверный ответ: 4 Не соблюдены инструкции: 2 Anti-AI Tricks: 6.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#15	Kimi K2.5none	Moonshot AI	4.1	0.295	$0.015	11.91s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 11 Доля успешных попыток: 39.6% Нестабильные тесты: 3 Выходные токены: 2,000 Токены рассуждений: 0 Время ответа: среднее 11.91s · суммарно 107.16s · макс. 42.13s Неверный ответ: 11 Anti-AI Tricks: 2.7 Combined: 10.0 Data parsing and extraction: 5.4 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 5.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#16	Qwen3.5-27Bnone	Qwen	4.9	0.302	$0.016	1.75s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 11 Доля успешных попыток: 37.5% Нестабильные тесты: 2 Выходные токены: 3,161 Токены рассуждений: 0 Время ответа: среднее 1.75s · суммарно 28.05s · макс. 9.39s Неверный ответ: 9 Не соблюдены инструкции: 2 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 5.0 Instructions following: 4.5 Puzzle Solving: 6.3 Tool Calling: 10.0
#17	DeepSeek V3.2none	DeepSeek	5.5	0.220	$0.016	12.86s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 9 Доля успешных попыток: 54.2% Нестабильные тесты: 3 Выходные токены: 7,823 Токены рассуждений: 0 Время ответа: среднее 12.86s · суммарно 205.78s · макс. 115.89s Неверный ответ: 6 Лишнее форматирование: 2 common.failureReasons.invalid_tool_call: 1 Anti-AI Tricks: 10.0 Combined: 8.0 Data parsing and extraction: 5.4 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 7.7 Tool Calling: 10.0
#18	Qwen3.5 Plus 2026-02-15none	Qwen	6.2	0.172	$0.016	2.65s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 7 Доля успешных попыток: 58.3% Нестабильные тесты: 1 Выходные токены: 2,015 Токены рассуждений: 0 Время ответа: среднее 2.65s · суммарно 26.52s · макс. 6.65s Неверный ответ: 7 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#19	GLM 5none	Z.ai	6.0	0.200	$0.018	4.03s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 7 Доля успешных попыток: 56.3% Нестабильные тесты: 0 Выходные токены: 1,548 Токены рассуждений: 0 Время ответа: среднее 4.03s · суммарно 36.30s · макс. 11.07s Неверный ответ: 7 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#20	Gemini 3 Flash Previewnone	Google	7.2	0.169	$0.019	1.75s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 5 Доля успешных попыток: 75.0% Нестабильные тесты: 2 Выходные токены: 1,411 Токены рассуждений: 0 Время ответа: среднее 1.75s · суммарно 15.71s · макс. 3.56s Неверный ответ: 5 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 7.0 General Intelligence: 10.0 Instructions following: 5.5 Puzzle Solving: 7.0 Tool Calling: 10.0
#21	Gemini 3.1 Flash Lite Previewlow	Google	7.3	0.177	$0.020	3.36s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 5 Доля успешных попыток: 68.8% Нестабильные тесты: 0 Выходные токены: 1,611 Токены рассуждений: 7,272 Время ответа: среднее 3.36s · суммарно 53.84s · макс. 11.91s Неверный ответ: 4 Не соблюдены инструкции: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#22	Qwen3.5-122B-A10Bnone	Qwen	5.0	0.333	$0.020	3.72s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 10 Доля успешных попыток: 39.6% Нестабильные тесты: 1 Выходные токены: 2,679 Токены рассуждений: 0 Время ответа: среднее 3.72s · суммарно 59.46s · макс. 46.00s Неверный ответ: 9 Не соблюдены инструкции: 1 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 5.0 Instructions following: 4.5 Puzzle Solving: 4.0 Tool Calling: 10.0
#23	MiMo-V2-Flashnone	Xiaomi	2.9	0.743	$0.023	2.97s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 13 Доля успешных попыток: 29.2% Нестабильные тесты: 4 Выходные токены: 67,790 Токены рассуждений: 0 Время ответа: среднее 2.97s · суммарно 35.60s · макс. 19.68s Неверный ответ: 10 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 10.0 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 5.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#24	DeepSeek V3.2medium	DeepSeek	7.3	0.225	$0.025	39.48s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 5 Доля успешных попыток: 79.2% Нестабильные тесты: 3 Выходные токены: 7,392 Токены рассуждений: 39,089 Время ответа: среднее 39.48s · суммарно 631.71s · макс. 93.11s Неверный ответ: 3 Не соблюдены инструкции: 1 Тайм-аут: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#25	Seed-2.0-Minimedium	Bytedance Seed	6.9	0.280	$0.028	65.09s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 6 Доля успешных попыток: 68.8% Нестабильные тесты: 2 Выходные токены: 1,965 Токены рассуждений: 58,456 Время ответа: среднее 65.09s · суммарно 846.14s · макс. 262.83s Тайм-аут: 4 Не соблюдены инструкции: 1 Неверный ответ: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 6.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#26	MiMo-V2-Flashmedium	Xiaomi	7.2	0.316	$0.035	25.33s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 5 Доля успешных попыток: 72.9% Нестабильные тесты: 1 Выходные токены: 11,613 Токены рассуждений: 106,714 Время ответа: среднее 25.33s · суммарно 253.33s · макс. 96.01s Неверный ответ: 3 Ошибка API: 1 Не соблюдены инструкции: 1 Anti-AI Tricks: 9.7 Combined: 9.0 Data parsing and extraction: 5.5 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#27	GLM 4.7 Flashmedium	Z.ai	3.1	1.040	$0.042	36.84s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 12 Доля успешных попыток: 41.7% Нестабильные тесты: 7 Выходные токены: 38,682 Токены рассуждений: 64,952 Время ответа: среднее 36.84s · суммарно 331.58s · макс. 174.55s Неверный ответ: 7 Не соблюдены инструкции: 2 Нет ответа: 2 common.failureReasons.invalid_tool_call: 1 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 5.0 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 5.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#28	Mercury 2medium	Inception	5.3	0.631	$0.045	2.36s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 9 Доля успешных попыток: 54.2% Нестабильные тесты: 3 Выходные токены: 3,708 Токены рассуждений: 45,921 Время ответа: среднее 2.36s · суммарно 35.39s · макс. 14.63s Неверный ответ: 5 Не соблюдены инструкции: 4 Anti-AI Tricks: 7.3 Combined: 10.0 Data parsing and extraction: 5.5 Domain specific: 10.0 General Intelligence: 4.0 Instructions following: 10.0 Puzzle Solving: 1.7 Tool Calling: 10.0
#29	Gemini 3.1 Flash Lite Previewmedium	Google	7.5	0.443	$0.049	3.83s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 5 Доля успешных попыток: 68.8% Нестабильные тесты: 0 Выходные токены: 1,731 Токены рассуждений: 25,821 Время ответа: среднее 3.83s · суммарно 61.25s · макс. 14.93s Неверный ответ: 4 Не соблюдены инструкции: 1 Anti-AI Tricks: 9.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#30	Grok 4.1 Fastmedium	X AI	6.2	0.563	$0.051	26.35s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 7 Доля успешных попыток: 66.7% Нестабильные тесты: 4 Выходные токены: 1,183 Токены рассуждений: 83,875 Время ответа: среднее 26.35s · суммарно 237.11s · макс. 121.79s Не соблюдены инструкции: 3 Неверный ответ: 2 Нет ответа: 1 Тайм-аут: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 5.5 Puzzle Solving: 4.0 Tool Calling: 10.0
#31	GPT-5 Nanomedium	OpenAI	5.5	0.856	$0.060	47.94s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 9 Доля успешных попыток: 60.4% Нестабильные тесты: 6 Выходные токены: 4,386 Токены рассуждений: 142,080 Время ответа: среднее 47.94s · суммарно 431.47s · макс. 204.02s Неверный ответ: 5 Не соблюдены инструкции: 3 Тайм-аут: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 10.0 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 9.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#32	Qwen3.5-Flashmedium	Qwen	6.9	0.720	$0.072	70.81s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 6 Доля успешных попыток: 81.3% Нестабильные тесты: 5 Выходные токены: 1,807 Токены рассуждений: 169,952 Время ответа: среднее 70.81s · суммарно 1132.90s · макс. 234.29s Тайм-аут: 3 Ошибка API: 1 Не соблюдены инструкции: 1 Неверный ответ: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 5.5 Domain specific: 4.0 General Intelligence: 5.0 Instructions following: 10.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#33	Gemini 3 Flash Previewlow	Google	8.2	0.607	$0.079	6.11s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 3 Доля успешных попыток: 83.3% Нестабильные тесты: 1 Выходные токены: 1,586 Токены рассуждений: 19,950 Время ответа: среднее 6.11s · суммарно 97.74s · макс. 14.72s Неверный ответ: 3 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 9.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#34	GPT-5.4none	OpenAI	4.5	1.562	$0.094	1.48s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 10 Доля успешных попыток: 41.7% Нестабильные тесты: 2 Выходные токены: 1,819 Токены рассуждений: 0 Время ответа: среднее 1.48s · суммарно 23.64s · макс. 2.89s Неверный ответ: 9 Не соблюдены инструкции: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 3.0 Instructions following: 5.5 Puzzle Solving: 4.0 Tool Calling: 10.0
#35	GLM 5medium	Z.ai	7.4	0.933	$0.103	16.16s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 5 Доля успешных попыток: 83.3% Нестабильные тесты: 4 Выходные токены: 19,773 Токены рассуждений: 36,459 Время ответа: среднее 16.16s · суммарно 129.26s · макс. 28.96s Неверный ответ: 2 Не соблюдены инструкции: 1 Нет ответа: 1 Тайм-аут: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 5.0 Domain specific: 10.0 General Intelligence: 5.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#36	GPT-5 Minimedium	OpenAI	6.0	1.457	$0.117	25.14s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 8 Доля успешных попыток: 58.3% Нестабильные тесты: 2 Выходные токены: 5,826 Токены рассуждений: 48,768 Время ответа: среднее 25.14s · суммарно 402.29s · макс. 88.15s Не соблюдены инструкции: 4 Неверный ответ: 3 Тайм-аут: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 4.0 Instructions following: 7.5 Puzzle Solving: 4.3 Tool Calling: 10.0
#37	Gemini 3 Flash Previewmedium	Google	10.0	1.025	$0.164	12.36s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 0 Доля успешных попыток: 100.0% Нестабильные тесты: 0 Выходные токены: 1,634 Токены рассуждений: 47,907 Время ответа: среднее 12.36s · суммарно 111.21s · макс. 50.16s Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#38	Qwen3.5 Plus 2026-02-15medium	Qwen	8.3	1.264	$0.165	34.45s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 3 Доля успешных попыток: 85.4% Нестабильные тесты: 1 Выходные токены: 1,735 Токены рассуждений: 77,212 Время ответа: среднее 34.45s · суммарно 310.09s · макс. 79.86s Тайм-аут: 2 Неверный ответ: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#39	Gemini 3 Pro Previewmedium	Google	8.2	1.477	$0.192	7.15s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 3 Доля успешных попыток: 81.3% Нестабильные тесты: 0 Выходные токены: 1,502 Токены рассуждений: 9,706 Время ответа: среднее 7.15s · суммарно 64.34s · макс. 11.96s Неверный ответ: 3 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 9.5 Puzzle Solving: 10.0 Tool Calling: 10.0
#40	Kimi K2.5medium	Moonshot AI	6.4	2.171	$0.196	69.83s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 7 Доля успешных попыток: 72.9% Нестабильные тесты: 5 Выходные токены: 38,453 Токены рассуждений: 72,496 Время ответа: среднее 69.83s · суммарно 628.45s · макс. 137.29s Неверный ответ: 3 Не соблюдены инструкции: 2 Нет ответа: 1 Тайм-аут: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 6.0 Instructions following: 10.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#41	MiniMax M2.5medium	Minimax	4.7	4.981	$0.250	43.03s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 11 Доля успешных попыток: 60.4% Нестабильные тесты: 9 Выходные токены: 107,044 Токены рассуждений: 206,190 Время ответа: среднее 43.03s · суммарно 387.25s · макс. 237.27s Неверный ответ: 5 Не соблюдены инструкции: 3 Тайм-аут: 2 common.failureReasons.invalid_tool_call: 1 Anti-AI Tricks: 9.3 Combined: 10.0 Data parsing and extraction: 10.0 Domain specific: 10.0 General Intelligence: 3.0 Instructions following: 8.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#42	Claude Sonnet 4.6none	Anthropic	6.8	2.504	$0.251	5.57s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 6 Доля успешных попыток: 66.7% Нестабильные тесты: 1 Выходные токены: 6,895 Токены рассуждений: 0 Время ответа: среднее 5.57s · суммарно 50.12s · макс. 23.84s Лишнее форматирование: 3 Неверный ответ: 2 Не соблюдены инструкции: 1 Anti-AI Tricks: 4.0 Combined: 9.0 Data parsing and extraction: 9.9 Domain specific: 7.0 General Intelligence: 5.0 Instructions following: 5.5 Puzzle Solving: 7.0 Tool Calling: 10.0
#43	GPT-5.2 Chatnone	OpenAI	7.4	2.440	$0.269	7.03s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 5 Доля успешных попыток: 75.0% Нестабильные тесты: 2 Выходные токены: 15,845 Токены рассуждений: 0 Время ответа: среднее 7.03s · суммарно 112.51s · макс. 38.52s Неверный ответ: 4 Не соблюдены инструкции: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 6.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#44	Gemini 2.5 Flashmedium	Google	7.4	2.619	$0.288	12.35s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 5 Доля успешных попыток: 72.9% Нестабильные тесты: 1 Выходные токены: 1,370 Токены рассуждений: 110,522 Время ответа: среднее 12.35s · суммарно 197.62s · макс. 95.48s Неверный ответ: 4 Не соблюдены инструкции: 1 Anti-AI Tricks: 7.3 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 9.5 Puzzle Solving: 7.0 Tool Calling: 10.0
#45	GPT-5.2medium	OpenAI	6.5	3.125	$0.313	15.33s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 6 Доля успешных попыток: 75.0% Нестабильные тесты: 4 Выходные токены: 2,220 Токены рассуждений: 16,811 Время ответа: среднее 15.33s · суммарно 138.01s · макс. 77.80s Не соблюдены инструкции: 3 Нет ответа: 1 Тайм-аут: 1 Неверный ответ: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 9.5 Puzzle Solving: 7.0 Tool Calling: 10.0
#46	GPT-5.3 Chatnone	OpenAI	7.3	3.163	$0.317	5.96s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 6 Доля успешных попыток: 70.8% Нестабильные тесты: 3 Выходные токены: 19,272 Токены рассуждений: 0 Время ответа: среднее 5.96s · суммарно 95.30s · макс. 18.33s Неверный ответ: 4 Не соблюдены инструкции: 2 Anti-AI Tricks: 7.3 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 4.0 Instructions following: 9.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#47	Qwen3.5-35B-A3Bmedium	Qwen	5.5	4.251	$0.341	43.93s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 8 Доля успешных попыток: 77.1% Нестабильные тесты: 7 Выходные токены: 5,495 Токены рассуждений: 169,266 Время ответа: среднее 43.93s · суммарно 702.85s · макс. 106.00s Тайм-аут: 4 Неверный ответ: 2 Ошибка API: 1 Нет ответа: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 5.5 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 4.0 Tool Calling: 10.0
#48	Qwen3.5-27Bmedium	Qwen	8.2	3.585	$0.431	52.13s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 4 Доля успешных попыток: 81.3% Нестабильные тесты: 2 Выходные токены: 1,658 Токены рассуждений: 200,786 Время ответа: среднее 52.13s · суммарно 834.16s · макс. 163.96s Не соблюдены инструкции: 2 Тайм-аут: 1 Неверный ответ: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 5.0 Instructions following: 10.0 Puzzle Solving: 8.3 Tool Calling: 10.0
#49	Qwen3.5-122B-A10Bmedium	Qwen	7.7	4.095	$0.492	29.74s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 4 Доля успешных попыток: 79.2% Нестабильные тесты: 2 Выходные токены: 17,292 Токены рассуждений: 145,625 Время ответа: среднее 29.74s · суммарно 475.83s · макс. 119.29s Неверный ответ: 3 Тайм-аут: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#50	Gemini 3.1 Pro Previewmedium	Google	9.4	3.417	$0.513	16.60s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 1 Доля успешных попыток: 93.8% Нестабильные тесты: 0 Выходные токены: 1,521 Токены рассуждений: 35,656 Время ответа: среднее 16.60s · суммарно 149.36s · макс. 40.61s Неверный ответ: 1 Anti-AI Tricks: 10.0 Combined: 9.0 Data parsing and extraction: 9.9 Domain specific: 7.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#51	GPT-5.3-Codexmedium	OpenAI	8.4	4.485	$0.539	16.59s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 4 Доля успешных попыток: 83.3% Нестабильные тесты: 2 Выходные токены: 1,764 Токены рассуждений: 33,348 Время ответа: среднее 16.59s · суммарно 265.39s · макс. 100.93s Не соблюдены инструкции: 2 Неверный ответ: 2 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 4.0 Instructions following: 10.0 Puzzle Solving: 9.3 Tool Calling: 10.0
#52	GPT-5.4medium	OpenAI	8.0	6.601	$0.793	20.05s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 4 Доля успешных попыток: 83.3% Нестабильные тесты: 3 Выходные токены: 1,756 Токены рассуждений: 46,642 Время ответа: среднее 20.05s · суммарно 320.87s · макс. 100.41s Не соблюдены инструкции: 2 Неверный ответ: 2 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 5.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#53	Claude Sonnet 4.6medium	Anthropic	7.7	8.525	$1.023	11.23s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 4 Доля успешных попыток: 77.1% Нестабильные тесты: 1 Выходные токены: 35,159 Токены рассуждений: 24,687 Время ответа: среднее 11.23s · суммарно 89.84s · макс. 46.35s Лишнее форматирование: 2 Тайм-аут: 1 Неверный ответ: 1 Anti-AI Tricks: 7.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 10.0 Tool Calling: 10.0
#54	Claude Opus 4.6medium	Anthropic	6.6	13.118	$1.312	22.86s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 6 Доля успешных попыток: 66.7% Нестабильные тесты: 2 Выходные токены: 26,254 Токены рассуждений: 17,363 Время ответа: среднее 22.86s · суммарно 205.71s · макс. 83.40s Лишнее форматирование: 4 Неверный ответ: 2 Anti-AI Tricks: 4.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 10.0 General Intelligence: 10.0 Instructions following: 10.0 Puzzle Solving: 7.0 Tool Calling: 10.0
#55	Gemini 3.1 Flash Lite Previewhigh	Google	8.2	19.243	$2.310	68.83s
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 4 Доля успешных попыток: 77.1% Нестабильные тесты: 1 Выходные токены: 1,283 Токены рассуждений: 1,533,310 Время ответа: среднее 68.83s · суммарно 1101.32s · макс. 280.52s Неверный ответ: 3 Не соблюдены инструкции: 1 Anti-AI Tricks: 10.0 Combined: 10.0 Data parsing and extraction: 9.9 Domain specific: 4.0 General Intelligence: 10.0 Instructions following: 9.0 Puzzle Solving: 7.0 Tool Calling: 10.0

Быстрое сравнение