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: 2026-09-04 Оценено моделей: 316

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

316/316

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#268#268	GPT-4o-mininone	5.0	OpenAI	$0.010	1.92s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 22.7% Нестабильные тесты 0 Входные токены 53,145 Выходные токены 2,913 Токены рассуждений 0 Время ответа (среднее) 1.92s Время ответа (суммарно) 30.71s Время ответа (макс.) 7.58s Неверный ответ: 15 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 4.8 Программирование : 3.2 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 6.3 Решение головоломок : 3.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#270#270	Mercury 2.5 Previewnone	4.9	Inception	$0.018	3.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 5 Входные токены 130,296 Выходные токены 82,585 Токены рассуждений 0 Время ответа (среднее) 3.51s Время ответа (суммарно) 77.28s Время ответа (макс.) 60.70s Неверный ответ: 16 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.8 Программирование : 4.7 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 5.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#274#274	Ring-2.6-1Tnone	4.8	Inclusionai	$0.026 ↑	51.99s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 2 Входные токены 7,608 Выходные токены 40,277 Токены рассуждений 0 Время ответа (среднее) 51.99s Время ответа (суммарно) 831.90s Время ответа (макс.) 143.82s Ошибка API: 6 Неверный ответ: 5 Не соблюдены инструкции: 2 Анти-ИИ уловки : 9.2 Программирование : 5.3 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 3.0 Эрудиция : 3.0
#276#276	GPT-5.4 Nanonone	4.8	OpenAI	$0.041	2.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 4 Входные токены 115,933 Выходные токены 13,794 Токены рассуждений 0 Время ответа (среднее) 2.56s Время ответа (суммарно) 56.37s Время ответа (макс.) 25.50s Неверный ответ: 15 Не соблюдены инструкции: 2 Нет ответа: 1 Анти-ИИ уловки : 3.5 Программирование : 4.6 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 2.9 Общий интеллект : 3.8 Следование инструкциям : 6.3 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#277#277	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
#279#279	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.070	12.46s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 36.4% Нестабильные тесты 7 Входные токены 69,376 Выходные токены 97,752 Токены рассуждений 0 Время ответа (среднее) 12.46s Время ответа (суммарно) 274.11s Время ответа (макс.) 121.05s Неверный ответ: 13 Лишнее форматирование: 3 Ошибка API: 1 Анти-ИИ уловки : 5.3 Программирование : 3.3 Комбинированный : 3.8 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 9.9 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#280#280	GLM 4.7 Flashnone	4.8	Z.ai	$0.016	8.81s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 3 Входные токены 101,513 Выходные токены 22,992 Токены рассуждений 0 Время ответа (среднее) 8.81s Время ответа (суммарно) 140.88s Время ответа (макс.) 97.15s Неверный ответ: 14 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 5.2 Программирование : 4.3 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 6.5 Решение головоломок : 6.4 Вызов инструментов : 2.8 Эрудиция : 3.0
#281#281	Trinity Large Previewnone	4.8	Arcee AI	$0.008 ↑	2.98s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 21.2% Нестабильные тесты 2 Входные токены 29,828 Выходные токены 2,169 Токены рассуждений 0 Время ответа (среднее) 2.98s Время ответа (суммарно) 56.57s Время ответа (макс.) 14.34s Неверный ответ: 12 Не соблюдены инструкции: 3 Ошибка API: 2 Анти-ИИ уловки : 3.1 Программирование : 3.7 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.5 Следование инструкциям : 3.5 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#283#283	Grok 4.1 Fastmedium	4.7	X AI	$0.069 ↑	23.85s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 53.0% Нестабильные тесты 6 Входные токены 42,845 Выходные токены 2,006 Токены рассуждений 96,334 Время ответа (среднее) 23.85s Время ответа (суммарно) 286.16s Время ответа (макс.) 121.79s Не соблюдены инструкции: 4 Неверный ответ: 4 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.7 Программирование : 7.8 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.8 Общий интеллект : 4.2 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 2.8 Эрудиция : 3.0
#284#284	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 2 Входные токены 44,969 Выходные токены 58,087 Токены рассуждений 0 Время ответа (среднее) 14.73s Время ответа (суммарно) 220.93s Время ответа (макс.) 53.14s Ошибка API: 4 Неверный ответ: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 6.5 Программирование : 1.5 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 3.0 Следование инструкциям : 10.0 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#285#285	Cobuddymedium	4.7	Baidu	$0.000	39.90s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 6 Входные токены 37,449 Выходные токены 1,677 Токены рассуждений 116,703 Время ответа (среднее) 39.90s Время ответа (суммарно) 797.98s Время ответа (макс.) 309.02s Неверный ответ: 9 Не соблюдены инструкции: 3 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.7 Программирование : 3.7 Комбинированный : 1.5 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 2.9 Общий интеллект : 4.2 Следование инструкциям : 9.8 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#286#286	Mercury 2none	4.7	Inception	$0.030	825ms
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 24.2% Нестабильные тесты 2 Входные токены 89,637 Выходные токены 9,584 Токены рассуждений 0 Время ответа (среднее) 825ms Время ответа (суммарно) 18.14s Время ответа (макс.) 4.52s Неверный ответ: 17 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.0 Программирование : 3.4 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.9 Общий интеллект : 4.8 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#288#288	Qwen3 Coder Nextmedium	4.6	Qwen	$0.034 ↑	9.07s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 25.8% Нестабильные тесты 4 Входные токены 148,203 Выходные токены 19,069 Токены рассуждений 0 Время ответа (среднее) 9.07s Время ответа (суммарно) 154.19s Время ответа (макс.) 81.80s Неверный ответ: 14 Не соблюдены инструкции: 3 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 3.5 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 6.3 Следование инструкциям : 6.3 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#289#289	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
#290#290	Laguna S 2.1none	4.5	Poolside	$0.022 ↓	11.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 20 Надежность 10.0 Доля успешных попыток 15.2% Нестабильные тесты 3 Входные токены 125,604 Выходные токены 57,634 Токены рассуждений 0 Время ответа (среднее) 11.67s Время ответа (суммарно) 256.71s Время ответа (макс.) 200.52s Неверный ответ: 18 Не соблюдены инструкции: 1 Нет ответа: 1 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
#299#299	Laguna Xs.2medium	4.1	Poolside	$0.015 ↕	6.73s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 6 Входные токены 39,481 Выходные токены 54,218 Токены рассуждений 0 Время ответа (среднее) 6.73s Время ответа (суммарно) 100.98s Время ответа (макс.) 29.11s Неверный ответ: 6 Ошибка API: 4 Нет ответа: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.9 Программирование : 2.1 Комбинированный : 1.5 Парсинг и извлечение данных : 7.1 Предметно-ориентированное : 4.1 Общий интеллект : 3.0 Следование инструкциям : 10.0 Решение головоломок : 5.3 Вызов инструментов : 4.7 Эрудиция : 3.0
#300#300	Hy3 previewnone	4.0	Tencent	$0.007 ↕	12.92s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 22.7% Нестабильные тесты 2 Входные токены 27,172 Выходные токены 2,661 Токены рассуждений 0 Время ответа (среднее) 12.92s Время ответа (суммарно) 232.64s Время ответа (макс.) 35.84s Неверный ответ: 8 Ошибка API: 4 Не соблюдены инструкции: 4 Лишнее форматирование: 1 Анти-ИИ уловки : 4.8 Программирование : 2.7 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 4.1 Следование инструкциям : 6.3 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#303#303	Granite 4.1 8Bnone	4.0	IBM Granite	$0.007	1.44s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 20 Надежность 10.0 Доля успешных попыток 9.1% Нестабильные тесты 0 Входные токены 113,836 Выходные токены 5,996 Токены рассуждений 0 Время ответа (среднее) 1.44s Время ответа (суммарно) 31.75s Время ответа (макс.) 16.67s Неверный ответ: 13 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Лишнее форматирование: 1 Анти-ИИ уловки : 4.9 Программирование : 4.5 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 3.6 Решение головоломок : 3.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#304#304	Nemotron 3.5 Lightningnone	4.0	NVIDIA	$0.007 ↕	1.21s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 16.7% Нестабильные тесты 2 Входные токены 74,074 Выходные токены 2,731 Токены рассуждений 0 Время ответа (среднее) 1.21s Время ответа (суммарно) 26.62s Время ответа (макс.) 6.30s Неверный ответ: 16 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 4.8 Программирование : 3.1 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 2.8 Эрудиция : 3.0
#305#305	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
#306#306	Ling 3.0 Tinyhigh	3.8	Inclusionai	$0.000	75.68s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 24.2% Нестабильные тесты 3 Входные токены 115,314 Выходные токены 133,965 Токены рассуждений 816,718 Время ответа (среднее) 75.68s Время ответа (суммарно) 1589.20s Время ответа (макс.) 345.15s Нет ответа: 7 Неверный ответ: 6 Не соблюдены инструкции: 3 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.4 Программирование : 2.9 Комбинированный : 3.0 Парсинг и извлечение данных : 2.8 Предметно-ориентированное : 2.9 Общий интеллект : 5.4 Следование инструкциям : 6.8 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#308#308	Grok 4.1 Fastnone	3.8	X AI	$0.008 ↓	1.62s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 19.7% Нестабильные тесты 3 Входные токены 36,608 Выходные токены 1,723 Токены рассуждений 0 Время ответа (среднее) 1.62s Время ответа (суммарно) 19.48s Время ответа (макс.) 5.51s Неверный ответ: 13 Не соблюдены инструкции: 3 Анти-ИИ уловки : 3.2 Программирование : 1.8 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.4 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 2.8 Эрудиция : 3.0
#311#311	Laguna Xs.2none	3.8	Poolside	$0.004 ↕	806ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 22.7% Нестабильные тесты 0 Входные токены 33,675 Выходные токены 2,826 Токены рассуждений 0 Время ответа (среднее) 806ms Время ответа (суммарно) 12.09s Время ответа (макс.) 2.01s Неверный ответ: 8 Ошибка API: 4 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.0 Программирование : 8.3 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 3.0 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#312#312	gpt-oss-120bnone	3.7	OpenAI	$0.010 ↓	21.61s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 2 Входные токены 9,081 Выходные токены 51,664 Токены рассуждений 0 Время ответа (среднее) 21.61s Время ответа (суммарно) 345.79s Время ответа (макс.) 113.71s Неверный ответ: 8 Ошибка API: 3 Не соблюдены инструкции: 2 Анти-ИИ уловки : 6.5 Программирование : 1.5 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 9.8 Решение головоломок : 6.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#313#313	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.4	NVIDIA	$0.000	17.13s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 5 Входные токены 11,661 Выходные токены 48,491 Токены рассуждений 180,695 Время ответа (среднее) 17.13s Время ответа (суммарно) 222.66s Время ответа (макс.) 147.45s Неверный ответ: 7 Ошибка API: 6 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 6.4 Программирование : 1.1 Комбинированный : 1.5 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 3.0 Следование инструкциям : 7.3 Решение головоломок : 2.9 Вызов инструментов : 3.0 Эрудиция : 3.0

←

1 9 10 11 13

→

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