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)
#314#314	Nemotron 3 Nano Omni 30b A3b Reasoningnone	3.2	NVIDIA	$0.000	728ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 15.2% Нестабильные тесты 2 Входные токены 11,661 Выходные токены 1,302 Токены рассуждений 0 Время ответа (среднее) 728ms Время ответа (суммарно) 9.47s Время ответа (макс.) 2.21s Неверный ответ: 9 Ошибка API: 6 Не соблюдены инструкции: 2 Анти-ИИ уловки : 4.8 Программирование : 3.3 Комбинированный : 1.5 Парсинг и извлечение данных : 3.8 Предметно-ориентированное : 3.6 Общий интеллект : 3.0 Следование инструкциям : 4.8 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#315#315	Step 3.5 Flashnone	2.3	Stepfun	$0.020	39.03s
Открыть карточку модели Всего тестов 12 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 0 Входные токены 1,971 Выходные токены 64,795 Токены рассуждений 0 Время ответа (среднее) 39.03s Время ответа (суммарно) 312.26s Время ответа (макс.) 114.12s Ошибка API: 4 Не соблюдены инструкции: 1 Неверный ответ: 1 Анти-ИИ уловки : 10.0 Программирование : 9.8 Комбинированный : 1.5 Парсинг и извлечение данных : 1.5 Предметно-ориентированное : 3.3 Общий интеллект : 4.0 Следование инструкциям : 5.0 Решение головоломок : 0.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#4#4	GPT-6 Astrahigh	9.9	OpenAI	$3.474	18.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 1 Надежность 9.9 Доля успешных попыток 97.0% Нестабильные тесты 1 Входные токены 79,290 Выходные токены 4,847 Токены рассуждений 48,775 Время ответа (среднее) 18.65s Время ответа (суммарно) 410.28s Время ответа (макс.) 254.93s Неверный ответ: 1 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
#5#5	GPT-6 Astraxhigh	9.9	OpenAI	$5.156	28.44s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 1 Надежность 9.9 Доля успешных попыток 97.0% Нестабильные тесты 1 Входные токены 79,662 Выходные токены 5,055 Токены рассуждений 82,128 Время ответа (среднее) 28.44s Время ответа (суммарно) 625.68s Время ответа (макс.) 381.11s Неверный ответ: 1 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
#9#9	GPT-6 Astralow	9.5	OpenAI	$1.289	5.09s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 9.9 Доля успешных попыток 90.9% Нестабильные тесты 0 Входные токены 78,100 Выходные токены 4,155 Токены рассуждений 5,989 Время ответа (среднее) 5.09s Время ответа (суммарно) 112.04s Время ответа (макс.) 28.60s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#14#14	GPT-6 Astramedium	9.4	OpenAI	$1.774	8.08s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 3 Надежность 9.9 Доля успешных попыток 90.9% Нестабильные тесты 2 Входные токены 79,264 Выходные токены 4,789 Токены рассуждений 14,838 Время ответа (среднее) 8.08s Время ответа (суммарно) 177.70s Время ответа (макс.) 73.48s Неверный ответ: 3 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 2.8
#41#41	Muse Spark 1.2high	8.7	Meta	$1.771	26.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 9.9 Доля успешных попыток 74.2% Нестабильные тесты 5 Входные токены 117,037 Выходные токены 6,983 Токены рассуждений 375,104 Время ответа (среднее) 26.59s Время ответа (суммарно) 584.89s Время ответа (макс.) 192.00s Неверный ответ: 4 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.1 Программирование : 10.0 Комбинированный : 8.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#63#63	Muse Glimmer 30Bxhigh	8.1	Meta	$0.471 ↓	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
#106#106	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 9.9 Доля успешных попыток 68.2% Нестабильные тесты 0 Входные токены 95,992 Выходные токены 12,446 Токены рассуждений 0 Время ответа (среднее) 4.56s Время ответа (суммарно) 100.30s Время ответа (макс.) 72.30s Неверный ответ: 7 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#149#149	Solar Pro 4medium	6.8	Upstage	$0.047	127.64s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 9.9 Доля успешных попыток 62.1% Нестабильные тесты 4 Входные токены 87,902 Выходные токены 30,743 Токены рассуждений 335,668 Время ответа (среднее) 127.64s Время ответа (суммарно) 2808.09s Время ответа (макс.) 519.91s Неверный ответ: 5 Не соблюдены инструкции: 2 Ошибка API: 1 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 8.2 Программирование : 5.5 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.0 Следование инструкциям : 9.8 Решение головоломок : 9.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#157#157	LongCat 2.0low	6.7	Meituan	$0.412	113.61s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 9.9 Доля успешных попыток 54.6% Нестабильные тесты 4 Входные токены 90,870 Выходные токены 5,676 Токены рассуждений 314,918 Время ответа (среднее) 113.61s Время ответа (суммарно) 2499.46s Время ответа (макс.) 560.39s Неверный ответ: 7 Ошибка API: 2 Не соблюдены инструкции: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 6.6 Комбинированный : 10.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 2.9 Общий интеллект : 3.4 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#174#174	Qwen3.6 Max Previewnone	6.4	Qwen	$0.228 ↓	7.82s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 9.9 Доля успешных попыток 56.1% Нестабильные тесты 2 Входные токены 106,348 Выходные токены 19,257 Токены рассуждений 0 Время ответа (среднее) 7.82s Время ответа (суммарно) 172.04s Время ответа (макс.) 102.62s Неверный ответ: 11 Анти-ИИ уловки : 5.2 Программирование : 3.8 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#232#232	Nemotron 3.5 Lightninghigh	5.6	NVIDIA	$0.134 ↕	58.26s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 9.9 Доля успешных попыток 50.0% Нестабильные тесты 12 Входные токены 118,016 Выходные токены 148,344 Токены рассуждений 506,253 Время ответа (среднее) 58.26s Время ответа (суммарно) 1281.79s Время ответа (макс.) 285.26s Неверный ответ: 11 Не соблюдены инструкции: 4 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 5.5 Программирование : 4.4 Комбинированный : 6.4 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 3.7 Следование инструкциям : 8.5 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#240#240	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
#255#255	Nemotron 3.5 Lightningmedium	5.1	NVIDIA	$0.156 ↕	70.11s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 9.9 Доля успешных попыток 48.5% Нестабильные тесты 11 Входные токены 126,330 Выходные токены 165,702 Токены рассуждений 594,739 Время ответа (среднее) 70.11s Время ответа (суммарно) 1542.52s Время ответа (макс.) 437.11s Неверный ответ: 13 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.9 Программирование : 4.4 Комбинированный : 6.2 Парсинг и извлечение данных : 3.7 Предметно-ориентированное : 2.9 Общий интеллект : 5.5 Следование инструкциям : 8.5 Решение головоломок : 4.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#93#93	Nemotron 3 Ultramedium	7.6	NVIDIA	$0.701 ↕	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
#179#179	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
#225#225	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
#275#275	Nemotron 3.5 Lightninglow	4.8	NVIDIA	$0.140 ↕	59.81s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 9.8 Доля успешных попыток 42.4% Нестабильные тесты 9 Входные токены 138,792 Выходные токены 142,972 Токены рассуждений 522,202 Время ответа (среднее) 59.81s Время ответа (суммарно) 1315.80s Время ответа (макс.) 312.21s Неверный ответ: 14 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.9 Программирование : 4.0 Комбинированный : 6.3 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 3.6 Общий интеллект : 3.7 Следование инструкциям : 8.4 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#292#292	Laguna M.1none	4.4	Poolside	$0.009 ↕	2.89s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 9.8 Доля успешных попыток 27.3% Нестабильные тесты 3 Входные токены 38,147 Выходные токены 2,054 Токены рассуждений 0 Время ответа (среднее) 2.89s Время ответа (суммарно) 43.28s Время ответа (макс.) 15.42s Неверный ответ: 10 Ошибка API: 4 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.4 Программирование : 2.5 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 3.0 Следование инструкциям : 6.3 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#302#302	Ling 3.0 Tinynone	4.0	Inclusionai	$0.000	14.02s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 20 Надежность 9.8 Доля успешных попыток 9.1% Нестабильные тесты 0 Входные токены 184,579 Выходные токены 110,071 Токены рассуждений 0 Время ответа (среднее) 14.02s Время ответа (суммарно) 294.46s Время ответа (макс.) 240.61s Неверный ответ: 13 Не соблюдены инструкции: 4 Ошибка API: 1 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 4.2 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 3.4 Следование инструкциям : 3.1 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#97#97	MiniMax M3medium	7.5	Minimax	$0.300	75.15s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 9.7 Доля успешных попыток 62.1% Нестабильные тесты 5 Входные токены 121,996 Выходные токены 90,051 Токены рассуждений 185,731 Время ответа (среднее) 75.15s Время ответа (суммарно) 1578.24s Время ответа (макс.) 431.03s Неверный ответ: 4 Тайм-аут: 3 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 5.5 Программирование : 6.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.2 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 7.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#53#53	Qwen3.8 27Bhigh	8.4	Qwen	~$0.287	167.89s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 9.6 Доля успешных попыток 77.3% Нестабильные тесты 2 Входные токены 100,179 Выходные токены 904 Токены рассуждений 655,731 Время ответа (среднее) 167.89s Время ответа (суммарно) 3693.54s Время ответа (макс.) 640.85s Не соблюдены инструкции: 2 Нет ответа: 2 Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 8.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#81#81	Qwen3.8 27Bmedium	7.8	Qwen	~$0.058	33.05s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 9.6 Доля успешных попыток 66.7% Нестабильные тесты 1 Входные токены 98,266 Выходные токены 1,861 Токены рассуждений 134,301 Время ответа (среднее) 33.05s Время ответа (суммарно) 694.04s Время ответа (макс.) 214.63s Неверный ответ: 3 Не соблюдены инструкции: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 8.7 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 8.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#124#124	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 9.6 Доля успешных попыток 63.6% Нестабильные тесты 2 Входные токены 42,106 Выходные токены 2,280 Токены рассуждений 169,843 Время ответа (среднее) 46.97s Время ответа (суммарно) 986.35s Время ответа (макс.) 189.38s Неверный ответ: 8 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 6.2 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.9 Следование инструкциям : 10.0 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 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