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)
#236#236	GPT-5.6 Lunanone	5.4	OpenAI	$0.029 ↓	1.50s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 36.4% Нестабильные тесты 3 Входные токены 101,332 Выходные токены 6,709 Токены рассуждений 0 Время ответа (среднее) 1.50s Время ответа (суммарно) 33.05s Время ответа (макс.) 10.57s Неверный ответ: 14 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 3.8 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 7.1 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#243#243	Seed-2.0-Codenone	5.3	Bytedance Seed	$0.151	14.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 8.6 Доля успешных попыток 36.4% Нестабильные тесты 5 Входные токены 159,749 Выходные токены 23,433 Токены рассуждений 0 Время ответа (среднее) 14.67s Время ответа (суммарно) 322.71s Время ответа (макс.) 132.84s Неверный ответ: 11 Лишнее форматирование: 2 Не соблюдены инструкции: 2 Нет ответа: 1 Анти-ИИ уловки : 3.0 Программирование : 3.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 5.0 Следование инструкциям : 6.2 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#248#248	Inklingnone	5.2	Thinkingmachines	$0.147	3.47s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 28.8% Нестабильные тесты 1 Входные токены 104,120 Выходные токены 10,554 Токены рассуждений 0 Время ответа (среднее) 3.47s Время ответа (суммарно) 76.28s Время ответа (макс.) 48.02s Неверный ответ: 13 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 4.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 5.6 Вызов инструментов : 3.0 Эрудиция : 3.0
#260#260	Mercury 2.5 Previewlow	5.0	Inception	$0.011	1.31s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 47.0% Нестабильные тесты 8 Входные токены 133,525 Выходные токены 7,259 Токены рассуждений 24,716 Время ответа (среднее) 1.31s Время ответа (суммарно) 28.77s Время ответа (макс.) 7.29s Неверный ответ: 12 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 Анти-ИИ уловки : 5.6 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 4.1 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 8.2 Вызов инструментов : 2.8 Эрудиция : 3.0
#262#262	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	17.89s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 36.4% Нестабильные тесты 5 Входные токены 135,831 Выходные токены 42,099 Токены рассуждений 0 Время ответа (среднее) 17.89s Время ответа (суммарно) 393.53s Время ответа (макс.) 115.89s Неверный ответ: 8 Ошибка API: 3 Лишнее форматирование: 2 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.2 Программирование : 3.1 Комбинированный : 4.8 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 4.7 Следование инструкциям : 10.0 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#266#266	Ling-2.6-flashnone	4.9	Inclusionai	$0.002 ↑	10.71s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 9.6 Доля успешных попыток 30.3% Нестабильные тесты 2 Входные токены 114,384 Выходные токены 14,903 Токены рассуждений 0 Время ответа (среднее) 10.71s Время ответа (суммарно) 214.28s Время ответа (макс.) 36.03s Неверный ответ: 9 Недопустимый вызов инструмента: 3 Ошибка API: 2 Не соблюдены инструкции: 2 Анти-ИИ уловки : 6.8 Программирование : 5.3 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 9.8 Решение головоломок : 2.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#306#306	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
#288#288	Elephant Alphanone	4.3	Openrouter	$0.000	1.22s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 16 Надежность Н/Д Доля успешных попыток 25.8% Нестабильные тесты 1 Входные токены 33,743 Выходные токены 2,573 Токены рассуждений 0 Время ответа (среднее) 1.22s Время ответа (суммарно) 22.03s Время ответа (макс.) 3.81s Неверный ответ: 9 Ошибка API: 3 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.6 Программирование : 4.2 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 9.8 Решение головоломок : 4.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#227#227	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
#237#237	MiMo-V2.5-Pronone	5.4	Xiaomi	$0.068 ↓	4.24s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 4 Входные токены 124,808 Выходные токены 15,362 Токены рассуждений 0 Время ответа (среднее) 4.24s Время ответа (суммарно) 93.28s Время ответа (макс.) 53.13s Неверный ответ: 12 Не соблюдены инструкции: 4 Нет ответа: 1 Анти-ИИ уловки : 3.3 Программирование : 4.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 6.4 Решение головоломок : 6.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#238#238	Kimi K2.5none	5.4	Moonshot AI	$0.101 ↓	18.03s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 4 Входные токены 89,320 Выходные токены 26,643 Токены рассуждений 0 Время ответа (среднее) 18.03s Время ответа (суммарно) 288.42s Время ответа (макс.) 102.83s Неверный ответ: 16 Нет ответа: 1 Анти-ИИ уловки : 3.6 Программирование : 5.5 Комбинированный : 2.8 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#241#241	Inkling Smallnone	5.3	Thinkingmachines	$0.054 ↓	1.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 24.2% Нестабильные тесты 1 Входные токены 94,733 Выходные токены 8,770 Токены рассуждений 0 Время ответа (среднее) 1.51s Время ответа (суммарно) 33.21s Время ответа (макс.) 12.35s Неверный ответ: 15 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.1 Программирование : 3.6 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 3.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#242#242	Laguna XS 2.1none	5.3	Poolside	$0.008	1.55s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 3 Входные токены 91,607 Выходные токены 13,377 Токены рассуждений 0 Время ответа (среднее) 1.55s Время ответа (суммарно) 34.01s Время ответа (макс.) 19.02s Неверный ответ: 14 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 5.3 Программирование : 4.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 3.8 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#250#250	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
#251#251	Mistral Small 4none	5.1	Mistral	$0.022	1.20s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 25.8% Нестабильные тесты 1 Входные токены 104,717 Выходные токены 9,812 Токены рассуждений 0 Время ответа (среднее) 1.20s Время ответа (суммарно) 26.41s Время ответа (макс.) 13.16s Неверный ответ: 16 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.4 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#252#252	Mistral Small 4medium	5.1	Mistral	$0.097	10.80s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 8 Входные токены 140,559 Выходные токены 40,268 Токены рассуждений 93,329 Время ответа (среднее) 10.80s Время ответа (суммарно) 237.60s Время ответа (макс.) 59.15s Неверный ответ: 13 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 Анти-ИИ уловки : 5.6 Программирование : 4.4 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.9 Общий интеллект : 4.8 Следование инструкциям : 7.3 Решение головоломок : 3.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#254#254	Qwen3 Coder Nextnone	5.1	Qwen	$0.026 ↑	8.63s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 25.8% Нестабильные тесты 1 Входные токены 134,227 Выходные токены 11,808 Токены рассуждений 0 Время ответа (среднее) 8.63s Время ответа (суммарно) 146.72s Время ответа (макс.) 45.14s Неверный ответ: 14 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 3.6 Программирование : 4.6 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.3 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#255#255	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.68s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 2 Входные токены 141,052 Выходные токены 16,464 Токены рассуждений 0 Время ответа (среднее) 4.68s Время ответа (суммарно) 103.02s Время ответа (макс.) 55.36s Неверный ответ: 14 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 3.5 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 2.9 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#259#259	MiniMax M2.7medium	5.0	Minimax	$0.208	43.25s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 9 Входные токены 114,527 Выходные токены 18,558 Токены рассуждений 129,146 Время ответа (среднее) 43.25s Время ответа (суммарно) 908.21s Время ответа (макс.) 196.21s Неверный ответ: 6 Не соблюдены инструкции: 5 Нет ответа: 2 Тайм-аут: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.9 Программирование : 5.7 Комбинированный : 3.8 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 3.9 Следование инструкциям : 3.8 Решение головоломок : 5.9 Вызов инструментов : 4.7 Эрудиция : 3.0
#263#263	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
#267#267	Nemotron 3 Supernone	4.8	NVIDIA	$0.008 ↑	6.04s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 9.2 Доля успешных попыток 27.3% Нестабильные тесты 2 Входные токены 63,528 Выходные токены 6,432 Токены рассуждений 0 Время ответа (среднее) 6.04s Время ответа (суммарно) 132.96s Время ответа (макс.) 20.00s Неверный ответ: 15 Не соблюдены инструкции: 2 Анти-ИИ уловки : 4.8 Программирование : 3.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.6 Следование инструкциям : 6.3 Решение головоломок : 5.5 Вызов инструментов : 4.7 Эрудиция : 3.0
#270#270	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
#272#272	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
#274#274	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
#275#275	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

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