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: 311

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

311/311

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#225#225	Owl Alphanone	5.6	Openrouter	$0.000	9.88s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 34.9% Нестабильные тесты 1 Входные токены 42,283 Выходные токены 5,913 Токены рассуждений 0 Время ответа (среднее) 9.88s Время ответа (суммарно) 207.38s Время ответа (макс.) 47.10s Неверный ответ: 10 Не соблюдены инструкции: 3 Лишнее форматирование: 1 Анти-ИИ уловки : 3.4 Программирование : 5.6 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 6.4 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#280#280	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	Grok 4.20 Betanone	4.4	X AI	$0.087 ↓	1.19s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 30.3% Нестабильные тесты 1 Входные токены 40,597 Выходные токены 1,657 Токены рассуждений 0 Время ответа (среднее) 1.19s Время ответа (суммарно) 21.43s Время ответа (макс.) 6.48s Неверный ответ: 10 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.0 Программирование : 1.8 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 0.0
#292#292	Hunter Alphanone	4.2	OpenRouter	$0.000	4.70s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 37.9% Нестабильные тесты 4 Входные токены 34,329 Выходные токены 2,264 Токены рассуждений 0 Время ответа (среднее) 4.70s Время ответа (суммарно) 79.86s Время ответа (макс.) 15.17s Неверный ответ: 9 Не соблюдены инструкции: 2 Ошибка API: 1 Анти-ИИ уловки : 3.5 Программирование : 9.8 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 6.4 Решение головоломок : 5.8 Вызов инструментов : 10.0 Эрудиция : 0.0
#293#293	Grok 4.20none	4.1	X AI	$0.057 ↓	1.11s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 27.3% Нестабильные тесты 0 Входные токены 41,313 Выходные токены 1,923 Токены рассуждений 0 Время ответа (среднее) 1.11s Время ответа (суммарно) 19.96s Время ответа (макс.) 6.04s Неверный ответ: 10 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 1.1 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 6.3 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 0.0
#181#181	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
#185#185	Qwen3.7 Flashnone	6.1	Qwen	$0.019	10.05s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 36.4% Нестабильные тесты 2 Входные токены 218,740 Выходные токены 90,507 Токены рассуждений 0 Время ответа (среднее) 10.05s Время ответа (суммарно) 221.13s Время ответа (макс.) 186.24s Неверный ответ: 13 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.0 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.3 Решение головоломок : 3.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#190#190	Qwen3.6 Flashnone	6.1	Qwen	$0.062 ↓	3.73s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 34.9% Нестабильные тесты 1 Входные токены 139,797 Выходные токены 30,947 Токены рассуждений 0 Время ответа (среднее) 3.73s Время ответа (суммарно) 81.95s Время ответа (макс.) 48.79s Неверный ответ: 12 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.1 Программирование : 5.4 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.3 Решение головоломок : 3.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#200#200	Qwen3.5-Flashnone	6.0	Qwen	$0.073 ↓	25.28s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 34.9% Нестабильные тесты 2 Входные токены 282,356 Выходные токены 209,201 Токены рассуждений 0 Время ответа (среднее) 25.28s Время ответа (суммарно) 556.14s Время ответа (макс.) 480.96s Неверный ответ: 14 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.5 Программирование : 5.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.3 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#209#209	GPT-5.4none	5.8	OpenAI	$0.397	2.08s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 34.9% Нестабильные тесты 2 Входные токены 108,641 Выходные токены 8,339 Токены рассуждений 0 Время ответа (среднее) 2.08s Время ответа (суммарно) 45.75s Время ответа (макс.) 15.63s Неверный ответ: 14 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.2 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 5.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#210#210	Solar Pro 4none	5.8	Upstage	$0.006	5.37s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 1 Входные токены 130,863 Выходные токены 11,912 Токены рассуждений 0 Время ответа (среднее) 5.37s Время ответа (суммарно) 118.06s Время ответа (макс.) 64.67s Неверный ответ: 14 Нет ответа: 1 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.0 Следование инструкциям : 6.4 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#220#220	KAT-Coder-Air V2.5high	5.6	Kwaipilot	$0.077	15.87s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 9.8 Доля успешных попыток 42.4% Нестабильные тесты 5 Входные токены 50,423 Выходные токены 4,144 Токены рассуждений 110,510 Время ответа (среднее) 15.87s Время ответа (суммарно) 349.16s Время ответа (макс.) 118.35s Неверный ответ: 9 Ошибка API: 3 Лишнее форматирование: 3 Анти-ИИ уловки : 6.9 Программирование : 4.3 Комбинированный : 6.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 3.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#229#229	Qwen3.6 27Bnone	5.5	Qwen	$0.116 ↑	10.62s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 6 Входные токены 95,805 Выходные токены 16,156 Токены рассуждений 0 Время ответа (среднее) 10.62s Время ответа (суммарно) 233.68s Время ответа (макс.) 156.31s Неверный ответ: 11 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 3.8 Программирование : 5.5 Комбинированный : 3.2 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 7.7 Общий интеллект : 5.2 Следование инструкциям : 6.2 Решение головоломок : 5.3 Вызов инструментов : 9.5 Эрудиция : 3.0
#235#235	KAT-Coder-Air V2.5low	5.4	Kwaipilot	$0.046	10.63s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 9.9 Доля успешных попыток 43.9% Нестабильные тесты 6 Входные токены 61,094 Выходные токены 6,532 Токены рассуждений 53,882 Время ответа (среднее) 10.63s Время ответа (суммарно) 233.77s Время ответа (макс.) 86.23s Неверный ответ: 7 Лишнее форматирование: 4 Ошибка API: 2 Не соблюдены инструкции: 2 Анти-ИИ уловки : 7.3 Программирование : 3.5 Комбинированный : 6.4 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#249#249	Granite 4.2 8Bmedium	5.2	IBM Granite	$0.009	45.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 8.7 Доля успешных попыток 34.9% Нестабильные тесты 1 Входные токены 52,909 Выходные токены 7,058 Токены рассуждений 12,272 Время ответа (среднее) 45.97s Время ответа (суммарно) 1011.42s Время ответа (макс.) 557.96s Неверный ответ: 9 Тайм-аут: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.4 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 3.8 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#253#253	Granite 4.2 8Blow	5.1	IBM Granite	$0.012	54.36s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 9.0 Доля успешных попыток 31.8% Нестабильные тесты 0 Входные токены 74,721 Выходные токены 9,205 Токены рассуждений 18,723 Время ответа (среднее) 54.36s Время ответа (суммарно) 1195.97s Время ответа (макс.) 566.80s Неверный ответ: 10 Тайм-аут: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#294#294	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
#307#307	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
#257#257	GLM 5 Turbonone	5.1	Z.ai	$0.047 ↑	2.82s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 2 Входные токены 32,525 Выходные токены 1,815 Токены рассуждений 0 Время ответа (среднее) 2.82s Время ответа (суммарно) 59.29s Время ответа (макс.) 8.21s Неверный ответ: 13 Не соблюдены инструкции: 2 Анти-ИИ уловки : 3.0 Программирование : 3.9 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.2 Следование инструкциям : 6.5 Решение головоломок : 5.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#290#290	Elephant Alphamedium	4.3	Openrouter	$0.000	1.27s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 15 Надежность Н/Д Доля успешных попыток 28.8% Нестабильные тесты 1 Входные токены 33,744 Выходные токены 2,596 Токены рассуждений 0 Время ответа (среднее) 1.27s Время ответа (суммарно) 22.82s Время ответа (макс.) 3.70s Неверный ответ: 9 Ошибка API: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.6 Программирование : 3.7 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.3 Следование инструкциям : 9.8 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#201#201	Qwen3.5-35B-A3Bnone	5.9	Qwen	$0.142 ↑	12.73s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 39.4% Нестабильные тесты 4 Входные токены 134,530 Выходные токены 86,616 Токены рассуждений 0 Время ответа (среднее) 12.73s Время ответа (суммарно) 279.97s Время ответа (макс.) 209.15s Неверный ответ: 13 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 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
#207#207	GPT-5.4 Mininone	5.9	OpenAI	$0.095	1.58s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 31.8% Нестабильные тесты 2 Входные токены 79,076 Выходные токены 7,898 Токены рассуждений 0 Время ответа (среднее) 1.58s Время ответа (суммарно) 34.86s Время ответа (макс.) 9.92s Неверный ответ: 13 Не соблюдены инструкции: 3 Анти-ИИ уловки : 3.1 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.8 Следование инструкциям : 6.3 Решение головоломок : 5.4 Вызов инструментов : 3.0 Эрудиция : 3.0
#215#215	Ling-3.0-flashnone	5.7	Inclusionai	$0.004 ↕	3.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 0 Входные токены 123,993 Выходные токены 12,777 Токены рассуждений 0 Время ответа (среднее) 3.56s Время ответа (суммарно) 74.74s Время ответа (макс.) 17.51s Неверный ответ: 13 Ошибка API: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 4.8 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#217#217	Kimi K2.6none	5.7	Moonshot AI	$0.233 ↑	19.57s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 2 Входные токены 116,983 Выходные токены 30,249 Токены рассуждений 0 Время ответа (среднее) 19.57s Время ответа (суммарно) 430.58s Время ответа (макс.) 238.89s Неверный ответ: 12 Не соблюдены инструкции: 3 Нет ответа: 1 Анти-ИИ уловки : 4.6 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.4 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#218#218	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.283 ↑	12.93s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 2 Входные токены 241,575 Выходные токены 88,459 Токены рассуждений 0 Время ответа (среднее) 12.93s Время ответа (суммарно) 284.39s Время ответа (макс.) 212.63s Неверный ответ: 13 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 3.7 Комбинированный : 5.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 3.8 Вызов инструментов : 10.0 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 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