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: 2026-10-17 Оценено моделей: 442

Рекомендуемые модели

GPT-6.1 Sol xhigh Интеллектуальная Доля успешных попыток 97.1% Тестов верно 22 / 23 Оценка 9.9/10 Gemini 3.7 Flash low Быстрая Время ответа (среднее) 6.24s Общее число выходных токенов 38,453 Оценка 9.4/10 GPT-6 Luna high Доступная Цена входа $0.100 / 1M Цена выхода $0.500 / 1M Цена чтения из кэша $0.010 / 1M Цена записи в кэш $0.125 / 1M Оценка 7.7/10

442/442

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#289#289	DeepSeek V4.1 Flashnone	5.8	DeepSeek	$0.391 ↑	16.63s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 9.7 Доля успешных попыток 36.2% Нестабильные тесты 3 Входные токены 337,756 Выходные токены 292,779 Токены рассуждений 0 Время ответа (среднее) 16.63s Время ответа (суммарно) 382.53s Время ответа (макс.) 247.66s Неверный ответ: 11 Не соблюдены инструкции: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 7.4 Анти-ИИ уловки : 3.7 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 7.7 Общий интеллект : 5.5 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#38#38	Claude Haiku 5.5xhigh	9.1	Anthropic	$0.140	16.58s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 81.2% Нестабильные тесты 2 Входные токены 394,509 Выходные токены 10,349 Токены рассуждений 188,919 Время ответа (среднее) 16.58s Время ответа (суммарно) 381.40s Время ответа (макс.) 92.74s Неверный ответ: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#187#187	Grok 4.6low	6.9	X AI	$0.781	16.44s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 1 Входные токены 263,427 Выходные токены 6,006 Токены рассуждений 36,309 Время ответа (среднее) 16.44s Время ответа (суммарно) 378.14s Время ответа (макс.) 57.97s Неверный ответ: 8 Агентные задачи : 5.0 Анти-ИИ уловки : 10.0 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#321#321	Hy3 previewmedium	5.3	Tencent	$0.049 ↕	16.28s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 0 Входные токены 27,030 Выходные токены 73,544 Токены рассуждений 0 Время ответа (среднее) 16.28s Время ответа (суммарно) 293.12s Время ответа (макс.) 46.04s Ошибка API: 3 Неверный ответ: 3 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 10.0 Программирование : 5.3 Комбинированный : 5.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#40#40	Muse Wonderlow	9.1	Meta	$2.637	16.00s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 9.7 Доля успешных попыток 76.8% Нестабильные тесты 1 Входные токены 244,997 Выходные токены 11,148 Токены рассуждений 71,699 Время ответа (среднее) 16.00s Время ответа (суммарно) 367.91s Время ответа (макс.) 83.98s Неверный ответ: 4 Ошибка API: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 5.9 Вызов инструментов : 9.8 Эрудиция : 3.0
#110#110	GPT-5.4 Nanomedium	8.0	OpenAI	$0.235 ↑	15.95s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 4 Входные токены 237,088 Выходные токены 8,235 Токены рассуждений 102,675 Время ответа (среднее) 15.95s Время ответа (суммарно) 366.93s Время ответа (макс.) 94.06s Неверный ответ: 8 Не соблюдены инструкции: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 6.1 Комбинированный : 9.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.5 Следование инструкциям : 9.8 Решение головоломок : 4.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#397#397	Nemotron 3.5 Lightningnone	3.8	NVIDIA	$0.009 ↕	15.92s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 20 Надежность 9.8 Доля успешных попыток 15.9% Нестабильные тесты 2 Входные токены 97,418 Выходные токены 4,779 Токены рассуждений 0 Время ответа (среднее) 15.92s Время ответа (суммарно) 366.20s Время ответа (макс.) 339.57s Неверный ответ: 16 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Тайм-аут: 1 Агентные задачи : 3.0 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
#308#308	Ling 3.1 Flashnone	5.5	Inclusionai	$0.000	15.75s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 9.8 Доля успешных попыток 33.3% Нестабильные тесты 5 Входные токены 286,758 Выходные токены 85,777 Токены рассуждений 0 Время ответа (среднее) 15.75s Время ответа (суммарно) 362.23s Время ответа (макс.) 90.95s Неверный ответ: 9 Не соблюдены инструкции: 5 Нет ответа: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 3.6 Программирование : 4.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 8.0 Решение головоломок : 7.7 Вызов инструментов : 4.7 Эрудиция : 3.0
#12#12	GPT-6.1 Solhigh	9.6	OpenAI	$0.755	15.46s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 94.2% Нестабильные тесты 1 Входные токены 174,960 Выходные токены 5,780 Токены рассуждений 34,728 Время ответа (среднее) 15.46s Время ответа (суммарно) 355.66s Время ответа (макс.) 139.76s Неверный ответ: 2 Агентные задачи : 10.0 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 : 4.7
#389#389	Qwen3.6 Plus Previewmedium	4.0	Qwen	$0.000	15.25s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 39.1% Нестабильные тесты 0 Входные токены 32,639 Выходные токены 1,153 Токены рассуждений 62,197 Время ответа (среднее) 15.25s Время ответа (суммарно) 182.96s Время ответа (макс.) 43.55s Ошибка API: 8 Неверный ответ: 2 Агентные задачи : 0.0 Анти-ИИ уловки : 8.3 Программирование : 1.0 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.0 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#331#331	KAT Coder AIR V2.5high	5.2	Kwaipilot	$0.077	15.23s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 9.8 Доля успешных попыток 40.6% Нестабильные тесты 5 Входные токены 50,423 Выходные токены 4,144 Токены рассуждений 110,510 Время ответа (среднее) 15.23s Время ответа (суммарно) 350.26s Время ответа (макс.) 118.35s Неверный ответ: 9 Ошибка API: 4 Лишнее форматирование: 3 Агентные задачи : 3.0 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
#227#227	GLM 5.3low	6.5	Z.ai	$0.215 ↓	15.18s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 63.8% Нестабильные тесты 5 Входные токены 247,871 Выходные токены 10,791 Токены рассуждений 17,315 Время ответа (среднее) 15.18s Время ответа (суммарно) 349.06s Время ответа (макс.) 83.60s Неверный ответ: 8 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Агентные задачи : 5.2 Анти-ИИ уловки : 6.9 Программирование : 6.2 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#9#9	Gemini 3.7 Flashhigh	9.8	Google	$0.528	15.10s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 95.7% Нестабильные тесты 2 Входные токены 233,400 Выходные токены 6,922 Токены рассуждений 173,178 Время ответа (среднее) 15.10s Время ответа (суммарно) 347.23s Время ответа (макс.) 91.63s Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.8 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#78#78	Claude Sonnet 5medium	8.5	Anthropic	$1.438	15.01s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 76.8% Нестабильные тесты 3 Входные токены 353,658 Выходные токены 54,891 Токены рассуждений 18,370 Время ответа (среднее) 15.01s Время ответа (суммарно) 345.16s Время ответа (макс.) 69.26s Неверный ответ: 5 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 9.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 9.9 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#72#72	Claude Sonnet 5.5xhigh	8.6	Anthropic	$1.516	14.98s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 79.7% Нестабильные тесты 4 Входные токены 342,579 Выходные токены 12,848 Токены рассуждений 70,193 Время ответа (среднее) 14.98s Время ответа (суммарно) 344.60s Время ответа (макс.) 54.92s Неверный ответ: 3 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#152#152	GLM 5.3 FlashXhigh	7.4	Z.ai	$0.210	14.94s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 69.6% Нестабильные тесты 5 Входные токены 235,914 Выходные токены 8,147 Токены рассуждений 89,581 Время ответа (среднее) 14.94s Время ответа (суммарно) 343.65s Время ответа (макс.) 91.16s Неверный ответ: 8 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.2 Программирование : 8.2 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.6 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#232#232	Qwen3.5-122B-A10Bnone	6.4	Qwen	$0.308 ↓	14.79s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 36.2% Нестабильные тесты 2 Входные токены 405,921 Выходные токены 97,112 Токены рассуждений 0 Время ответа (среднее) 14.79s Время ответа (суммарно) 340.25s Время ответа (макс.) 212.63s Неверный ответ: 13 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 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
#394#394	Laguna M.1medium	3.9	Poolside	$0.033 ↕	14.73s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 43.5% 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 Агентные задачи : 0.0 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
#286#286	Qwen3.7 Flashnone	5.9	Qwen	$0.028	14.70s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 36.2% Нестабильные тесты 3 Входные токены 410,787 Выходные токены 117,742 Токены рассуждений 0 Время ответа (среднее) 14.70s Время ответа (суммарно) 338.13s Время ответа (макс.) 186.24s Неверный ответ: 14 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 4.7 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
#20#20	GPT-5.6 Solmedium	9.5	OpenAI	$1.700	14.57s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 91.3% Нестабильные тесты 3 Входные токены 191,341 Выходные токены 5,665 Токены рассуждений 32,340 Время ответа (среднее) 14.57s Время ответа (суммарно) 335.16s Время ответа (макс.) 79.40s Неверный ответ: 4 Агентные задачи : 10.0 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 : 8.2 Вызов инструментов : 10.0 Эрудиция : 4.7
#265#265	Gemini 3.5 Flashnone	6.1	Google	$1.752	14.13s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 4 Входные токены 246,061 Выходные токены 3,828 Токены рассуждений 149,767 Время ответа (среднее) 14.13s Время ответа (суммарно) 268.55s Время ответа (макс.) 85.26s Ошибка API: 4 Неверный ответ: 4 Недопустимый вызов инструмента: 1 Агентные задачи : 2.8 Анти-ИИ уловки : 10.0 Программирование : 8.8 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 2.8
#105#105	Claude Opus 4.7medium	8.1	Anthropic	$3.636	14.12s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 81.2% Нестабильные тесты 2 Входные токены 437,293 Выходные токены 29,102 Токены рассуждений 28,876 Время ответа (среднее) 14.12s Время ответа (суммарно) 310.55s Время ответа (макс.) 150.60s Неверный ответ: 3 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 5.2 Анти-ИИ уловки : 8.3 Программирование : 7.6 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
#155#155	DeepSeek V4 Pro 0423none	7.4	DeepSeek	$0.083 ↓	14.05s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 49.3% Нестабильные тесты 4 Входные токены 304,186 Выходные токены 40,118 Токены рассуждений 5,886 Время ответа (среднее) 14.05s Время ответа (суммарно) 323.17s Время ответа (макс.) 119.44s Неверный ответ: 9 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 3.2 Программирование : 5.6 Комбинированный : 7.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#10#10	Gemini 3.6 Flashmedium	9.8	Google	$0.577 ↓	14.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 95.7% Нестабильные тесты 2 Входные токены 188,003 Выходные токены 2,914 Токены рассуждений 113,210 Время ответа (среднее) 14.03s Время ответа (суммарно) 322.73s Время ответа (макс.) 77.15s Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.8 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#90#90	GPT-5.6 Terrahigh	8.3	OpenAI	$0.698 ↓	13.62s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.6% Нестабильные тесты 2 Входные токены 197,239 Выходные токены 6,083 Токены рассуждений 53,982 Время ответа (среднее) 13.62s Время ответа (суммарно) 313.21s Время ответа (макс.) 91.49s Неверный ответ: 7 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 7.6 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.1 Следование инструкциям : 10.0 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 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow