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)
#284#284	MiniMax M2.5medium	4.6	Minimax	$0.327 ↑	69.08s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 9 Входные токены 142,621 Выходные токены 20,409 Токены рассуждений 251,820 Время ответа (среднее) 69.08s Время ответа (суммарно) 1036.24s Время ответа (макс.) 251.36s Неверный ответ: 7 Тайм-аут: 4 Не соблюдены инструкции: 3 Нет ответа: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.9 Программирование : 3.4 Комбинированный : 3.7 Парсинг и извлечение данных : 4.6 Предметно-ориентированное : 2.9 Общий интеллект : 3.8 Следование инструкциям : 7.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#287#287	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
#308#308	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.4	NVIDIA	$0.000	17.13s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 5 Входные токены 11,661 Выходные токены 48,491 Токены рассуждений 180,695 Время ответа (среднее) 17.13s Время ответа (суммарно) 222.66s Время ответа (макс.) 147.45s Неверный ответ: 7 Ошибка API: 6 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 6.4 Программирование : 1.1 Комбинированный : 1.5 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 3.0 Следование инструкциям : 7.3 Решение головоломок : 2.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#276#276	Trinity Large Previewnone	4.8	Arcee AI	$0.008 ↑	2.98s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 21.2% Нестабильные тесты 2 Входные токены 29,828 Выходные токены 2,169 Токены рассуждений 0 Время ответа (среднее) 2.98s Время ответа (суммарно) 56.57s Время ответа (макс.) 14.34s Неверный ответ: 12 Не соблюдены инструкции: 3 Ошибка API: 2 Анти-ИИ уловки : 3.1 Программирование : 3.7 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.5 Следование инструкциям : 3.5 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#295#295	Hy3 previewnone	4.0	Tencent	$0.007 ↕	12.92s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 22.7% Нестабильные тесты 2 Входные токены 27,172 Выходные токены 2,661 Токены рассуждений 0 Время ответа (среднее) 12.92s Время ответа (суммарно) 232.64s Время ответа (макс.) 35.84s Неверный ответ: 8 Ошибка API: 4 Не соблюдены инструкции: 4 Лишнее форматирование: 1 Анти-ИИ уловки : 4.8 Программирование : 2.7 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 4.1 Следование инструкциям : 6.3 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#296#296	MiMo-V2-Flashnone	4.0	Xiaomi	$0.025 ↑	2.76s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 17 Надежность 6.7 Доля успешных попыток 24.2% Нестабильные тесты 4 Входные токены 36,851 Выходные токены 68,882 Токены рассуждений 0 Время ответа (среднее) 2.76s Время ответа (суммарно) 46.99s Время ответа (макс.) 19.68s Неверный ответ: 13 Не соблюдены инструкции: 2 Ошибка API: 1 Лишнее форматирование: 1 Анти-ИИ уловки : 3.2 Программирование : 4.3 Комбинированный : 1.5 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 5.3 Общий интеллект : 4.6 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#233#233	DeepSeek V4 Flash 0423none	5.4	DeepSeek	$0.037 ↓	36.17s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 4 Входные токены 240,230 Выходные токены 100,726 Токены рассуждений 0 Время ответа (среднее) 36.17s Время ответа (суммарно) 795.83s Время ответа (макс.) 247.27s Неверный ответ: 13 Лишнее форматирование: 2 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.0 Программирование : 4.2 Комбинированный : 4.6 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.2 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#234#234	Laguna S 2.1medium	5.4	Poolside	$0.053 ↓	58.42s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 24.2% Нестабильные тесты 3 Входные токены 86,647 Выходные токены 97,298 Токены рассуждений 242,297 Время ответа (среднее) 58.42s Время ответа (суммарно) 1285.26s Время ответа (макс.) 560.31s Неверный ответ: 13 Недопустимый вызов инструмента: 2 Нет ответа: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.4 Программирование : 5.3 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.6 Следование инструкциям : 4.2 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#239#239	DeepSeek V4 Flash 0731none	5.4	DeepSeek	$0.011 ↓	20.72s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 4 Входные токены 94,566 Выходные токены 25,426 Токены рассуждений 0 Время ответа (среднее) 20.72s Время ответа (суммарно) 455.81s Время ответа (макс.) 387.15s Неверный ответ: 13 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Лишнее форматирование: 1 Анти-ИИ уловки : 3.4 Программирование : 4.3 Комбинированный : 3.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.4 Следование инструкциям : 5.0 Решение головоломок : 3.2 Вызов инструментов : 9.5 Эрудиция : 3.0
#240#240	Laguna S 2.1high	5.4	Poolside	$0.114 ↓	111.60s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 5 Входные токены 208,937 Выходные токены 175,588 Токены рассуждений 409,276 Время ответа (среднее) 111.60s Время ответа (суммарно) 2455.24s Время ответа (макс.) 1190.11s Неверный ответ: 11 Недопустимый вызов инструмента: 2 Нет ответа: 2 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.4 Программирование : 5.3 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.6 Следование инструкциям : 4.6 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#244#244	Ling-2.6-1Tnone	5.3	Inclusionai	$0.016 ↑	8.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 18.2% Нестабильные тесты 0 Входные токены 106,423 Выходные токены 11,555 Токены рассуждений 0 Время ответа (среднее) 8.59s Время ответа (суммарно) 163.20s Время ответа (макс.) 25.72s Неверный ответ: 12 Ошибка API: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.4 Программирование : 3.8 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 6.4 Решение головоломок : 3.1 Вызов инструментов : 3.0 Эрудиция : 3.0
#246#246	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.051 ↓	5.57s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 28.8% Нестабильные тесты 5 Входные токены 93,990 Выходные токены 45,905 Токены рассуждений 0 Время ответа (среднее) 5.57s Время ответа (суммарно) 111.32s Время ответа (макс.) 39.54s Неверный ответ: 13 Ошибка API: 2 Не соблюдены инструкции: 2 Нет ответа: 1 Анти-ИИ уловки : 3.6 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.4 Следование инструкциям : 6.2 Решение головоломок : 3.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#256#256	Qwen3.5-9Bnone	5.1	Qwen	$0.021 ↑	19.19s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 19.7% Нестабильные тесты 1 Входные токены 144,416 Выходные токены 37,484 Токены рассуждений 0 Время ответа (среднее) 19.19s Время ответа (суммарно) 422.25s Время ответа (макс.) 382.06s Неверный ответ: 14 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 3.1 Программирование : 3.9 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 3.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#258#258	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
#265#265	Mercury 2.5 Previewnone	4.9	Inception	$0.018	3.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 5 Входные токены 130,296 Выходные токены 82,585 Токены рассуждений 0 Время ответа (среднее) 3.51s Время ответа (суммарно) 77.28s Время ответа (макс.) 60.70s Неверный ответ: 16 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.8 Программирование : 4.7 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 5.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#271#271	GPT-5.4 Nanonone	4.8	OpenAI	$0.041	2.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 4 Входные токены 115,933 Выходные токены 13,794 Токены рассуждений 0 Время ответа (среднее) 2.56s Время ответа (суммарно) 56.37s Время ответа (макс.) 25.50s Неверный ответ: 15 Не соблюдены инструкции: 2 Нет ответа: 1 Анти-ИИ уловки : 3.5 Программирование : 4.6 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 2.9 Общий интеллект : 3.8 Следование инструкциям : 6.3 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#281#281	Mercury 2none	4.7	Inception	$0.030	825ms
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 24.2% Нестабильные тесты 2 Входные токены 89,637 Выходные токены 9,584 Токены рассуждений 0 Время ответа (среднее) 825ms Время ответа (суммарно) 18.14s Время ответа (макс.) 4.52s Неверный ответ: 17 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.0 Программирование : 3.4 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.9 Общий интеллект : 4.8 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#282#282	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
#289#289	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
#301#301	Ling 3.0 Tinyhigh	3.8	Inclusionai	$0.000	75.68s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 24.2% Нестабильные тесты 3 Входные токены 115,314 Выходные токены 133,965 Токены рассуждений 816,718 Время ответа (среднее) 75.68s Время ответа (суммарно) 1589.20s Время ответа (макс.) 345.15s Нет ответа: 7 Неверный ответ: 6 Не соблюдены инструкции: 3 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.4 Программирование : 2.9 Комбинированный : 3.0 Парсинг и извлечение данных : 2.8 Предметно-ориентированное : 2.9 Общий интеллект : 5.4 Следование инструкциям : 6.8 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#302#302	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
#305#305	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
#303#303	Grok 4.1 Fastnone	3.8	X AI	$0.008 ↓	1.62s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 19.7% Нестабильные тесты 3 Входные токены 36,608 Выходные токены 1,723 Токены рассуждений 0 Время ответа (среднее) 1.62s Время ответа (суммарно) 19.48s Время ответа (макс.) 5.51s Неверный ответ: 13 Не соблюдены инструкции: 3 Анти-ИИ уловки : 3.2 Программирование : 1.8 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.4 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 2.8 Эрудиция : 3.0
#228#228	Hy4 previewlow	5.6	Tencent	$1.745	214.25s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 5.4 Доля успешных попыток 19.7% Нестабильные тесты 3 Входные токены 45,154 Выходные токены 4,022 Токены рассуждений 678,516 Время ответа (среднее) 214.25s Время ответа (суммарно) 4713.56s Время ответа (макс.) 597.45s Ошибка API: 14 Неверный ответ: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 6.0 Программирование : 5.2 Комбинированный : 2.9 Парсинг и извлечение данных : 8.7 Предметно-ориентированное : 4.5 Общий интеллект : 7.5 Следование инструкциям : 9.8 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#247#247	Dots 3 Note Previewnone	5.2	Dots Studio	$0.000	3.53s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 16.7% Нестабильные тесты 1 Входные токены 116,155 Выходные токены 19,679 Токены рассуждений 0 Время ответа (среднее) 3.53s Время ответа (суммарно) 77.68s Время ответа (макс.) 24.48s Неверный ответ: 15 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.1 Программирование : 4.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 4.8 Решение головоломок : 3.3 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 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