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)
#181#181	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 9 Надежность 9.6 Доля успешных попыток 69.7% Нестабильные тесты 5 Входные токены 40,961 Выходные токены 2,518 Токены рассуждений 81,801 Время ответа (среднее) 22.16s Время ответа (суммарно) 443.22s Время ответа (макс.) 136.29s Неверный ответ: 5 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 6.0 Комбинированный : 2.3 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 6.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#231#231	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 9.6 Доля успешных попыток 45.5% Нестабильные тесты 3 Входные токены 51,369 Выходные токены 8,008 Токены рассуждений 58,568 Время ответа (среднее) 8.65s Время ответа (суммарно) 190.35s Время ответа (макс.) 48.19s Неверный ответ: 10 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.7 Программирование : 3.6 Комбинированный : 6.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#271#271	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
#307#307	Ling 3.0 Tinylow	3.8	Inclusionai	$0.000	66.16s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 9.6 Доля успешных попыток 19.7% Нестабильные тесты 1 Входные токены 99,662 Выходные токены 146,555 Токены рассуждений 732,977 Время ответа (среднее) 66.16s Время ответа (суммарно) 1389.33s Время ответа (макс.) 252.08s Нет ответа: 7 Неверный ответ: 5 Не соблюдены инструкции: 4 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.5 Программирование : 2.9 Комбинированный : 3.0 Парсинг и извлечение данных : 2.8 Предметно-ориентированное : 3.0 Общий интеллект : 5.1 Следование инструкциям : 6.6 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#310#310	Ling 3.0 Tinymedium	3.8	Inclusionai	$0.000	68.08s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 9.6 Доля успешных попыток 24.2% Нестабильные тесты 3 Входные токены 103,898 Выходные токены 148,304 Токены рассуждений 774,972 Время ответа (среднее) 68.08s Время ответа (суммарно) 1429.66s Время ответа (макс.) 262.20s Нет ответа: 7 Неверный ответ: 5 Не соблюдены инструкции: 4 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.5 Программирование : 2.9 Комбинированный : 3.0 Парсинг и извлечение данных : 2.7 Предметно-ориентированное : 3.0 Общий интеллект : 3.8 Следование инструкциям : 6.8 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#3🥉 #3	GPT-6 Astramax	9.9	OpenAI	$3.803	61.27s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 1 Надежность 9.5 Доля успешных попыток 95.5% Нестабильные тесты 0 Входные токены 79,058 Выходные токены 4,853 Токены рассуждений 55,377 Время ответа (среднее) 61.27s Время ответа (суммарно) 1347.96s Время ответа (макс.) 960.01s Тайм-аут: 1 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 : 10.0
#78#78	GLM 5.2medium	7.8	Z.ai	$0.224 ↓	23.28s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 6 Надежность 9.5 Доля успешных попыток 80.3% Нестабильные тесты 4 Входные токены 37,199 Выходные токены 12,261 Токены рассуждений 49,500 Время ответа (среднее) 23.28s Время ответа (суммарно) 488.94s Время ответа (макс.) 101.36s Неверный ответ: 3 Нет ответа: 2 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#61#61	Qwen3.8 2.4T A95Blow	8.1	Qwen	$2.672	118.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 9.4 Доля успешных попыток 72.7% Нестабильные тесты 2 Входные токены 113,279 Выходные токены 121,045 Токены рассуждений 374,496 Время ответа (среднее) 118.97s Время ответа (суммарно) 2617.41s Время ответа (макс.) 534.21s Неверный ответ: 4 Нет ответа: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.2 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#110#110	Qwen3.8 2.4T A95Bhigh	7.4	Qwen	$2.357	120.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 9.4 Доля успешных попыток 74.2% Нестабильные тесты 4 Входные токены 108,931 Выходные токены 112,801 Токены рассуждений 343,227 Время ответа (среднее) 120.59s Время ответа (суммарно) 2653.05s Время ответа (макс.) 532.28s Неверный ответ: 3 Не соблюдены инструкции: 2 Нет ответа: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 5.9 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#272#272	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
#217#217	Nemotron 3 Supermedium	5.7	NVIDIA	$0.050 ↑	52.31s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 9.1 Доля успешных попыток 40.9% Нестабильные тесты 3 Входные токены 81,438 Выходные токены 17,674 Токены рассуждений 97,900 Время ответа (среднее) 52.31s Время ответа (суммарно) 1046.21s Время ответа (макс.) 431.98s Неверный ответ: 5 Ошибка API: 4 Не соблюдены инструкции: 3 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.3 Программирование : 3.1 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.1 Следование инструкциям : 7.3 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#71#71	Kimi K3max	7.9	Moonshot AI	$3.467	142.84s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 9.0 Доля успешных попыток 77.3% Нестабильные тесты 2 Входные токены 34,960 Выходные токены 2,887 Токены рассуждений 221,241 Время ответа (среднее) 142.84s Время ответа (суммарно) 2714.02s Время ответа (макс.) 766.58s Ошибка API: 2 Нет ответа: 2 Лишнее форматирование: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.5 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#258#258	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
#138#138	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.116	93.10s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 8.7 Доля успешных попыток 57.6% Нестабильные тесты 3 Входные токены 125,704 Выходные токены 10,781 Токены рассуждений 247,541 Время ответа (среднее) 93.10s Время ответа (суммарно) 1768.91s Время ответа (макс.) 301.78s Неверный ответ: 5 Тайм-аут: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 6.6 Программирование : 5.5 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#254#254	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
#263#263	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 8.7 Доля успешных попыток 18.2% Нестабильные тесты 0 Входные токены 130,501 Выходные токены 26,786 Токены рассуждений 0 Время ответа (среднее) 29.95s Время ответа (суммарно) 658.83s Время ответа (макс.) 159.85s Неверный ответ: 12 Лишнее форматирование: 2 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 3.0 Программирование : 3.9 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.9 Следование инструкциям : 6.5 Решение головоломок : 3.5 Вызов инструментов : 9.5 Эрудиция : 3.0
#143#143	Seed-2.0-Codehigh	6.9	Bytedance Seed	$1.273	124.18s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 8.6 Доля успешных попыток 63.6% Нестабильные тесты 5 Входные токены 81,970 Выходные токены 7,186 Токены рассуждений 403,389 Время ответа (среднее) 124.18s Время ответа (суммарно) 2732.03s Время ответа (макс.) 675.30s Ошибка API: 5 Неверный ответ: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.3 Программирование : 6.2 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.6 Следование инструкциям : 9.8 Решение головоломок : 7.8 Вызов инструментов : 4.7 Эрудиция : 3.0
#248#248	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
#294#294	GLM 4.7 Flashmedium	4.3	Z.ai	$0.168	134.34s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 8.6 Доля успешных попыток 31.8% Нестабильные тесты 8 Входные токены 79,104 Выходные токены 42,254 Токены рассуждений 377,280 Время ответа (среднее) 134.34s Время ответа (суммарно) 2015.13s Время ответа (макс.) 1539.97s Неверный ответ: 9 Нет ответа: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Тайм-аут: 2 Анти-ИИ уловки : 4.7 Программирование : 3.2 Комбинированный : 2.9 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.5 Общий интеллект : 3.6 Следование инструкциям : 6.2 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#296#296	Granite 4.2 8Bnone	4.3	IBM Granite	$0.026	86.27s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 8.6 Доля успешных попыток 16.7% Нестабильные тесты 2 Входные токены 57,786 Выходные токены 130,805 Токены рассуждений 0 Время ответа (среднее) 86.27s Время ответа (суммарно) 1897.96s Время ответа (макс.) 747.17s Неверный ответ: 11 Лишнее форматирование: 4 Тайм-аут: 3 Не соблюдены инструкции: 1 Анти-ИИ уловки : 4.9 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#86#86	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 8.5 Доля успешных попыток 77.3% Нестабильные тесты 6 Входные токены 85,657 Выходные токены 8,142 Токены рассуждений 233,167 Время ответа (среднее) 72.24s Время ответа (суммарно) 1589.31s Время ответа (макс.) 485.92s Неверный ответ: 6 Ошибка API: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.7 Программирование : 7.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 6.5 Следование инструкциям : 9.8 Решение головоломок : 9.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#216#216	North Mini Codemedium	5.7	Cohere	$0.000	141.99s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 8.5 Доля успешных попыток 43.9% Нестабильные тесты 4 Входные токены 81,742 Выходные токены 423,884 Токены рассуждений 1,340,907 Время ответа (среднее) 141.99s Время ответа (суммарно) 3123.87s Время ответа (макс.) 786.72s Неверный ответ: 9 Лишнее форматирование: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.4 Программирование : 4.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 3.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#134#134	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 8.1 Доля успешных попыток 65.2% Нестабильные тесты 4 Входные токены 82,592 Выходные токены 16,089 Токены рассуждений 199,800 Время ответа (среднее) 58.80s Время ответа (суммарно) 1234.72s Время ответа (макс.) 308.75s Неверный ответ: 4 Нет ответа: 2 Тайм-аут: 2 Ошибка API: 1 Лишнее форматирование: 1 Анти-ИИ уловки : 10.0 Программирование : 4.6 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 8.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#287#287	Granite 4.2 8Bhigh	4.6	IBM Granite	$0.084	235.89s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 7.6 Доля успешных попыток 39.4% Нестабильные тесты 10 Входные токены 43,278 Выходные токены 181,083 Токены рассуждений 431,132 Время ответа (среднее) 235.89s Время ответа (суммарно) 5189.64s Время ответа (макс.) 685.87s Тайм-аут: 10 Неверный ответ: 6 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 6.9 Программирование : 3.8 Комбинированный : 5.0 Парсинг и извлечение данных : 3.8 Предметно-ориентированное : 2.9 Общий интеллект : 5.5 Следование инструкциям : 6.4 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#147#147	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 7.3 Доля успешных попыток 63.6% Нестабильные тесты 7 Входные токены 76,036 Выходные токены 7,267 Токены рассуждений 364,176 Время ответа (среднее) 101.05s Время ответа (суммарно) 2223.19s Время ответа (макс.) 626.58s Ошибка API: 6 Неверный ответ: 4 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 6.9 Программирование : 8.9 Комбинированный : 4.7 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 4.7 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