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: 2026-10-19 Оценено моделей: 451

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

451/451

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#430#430	d1-ultradefault	2.7	Liquid	$0.003	531ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 20.3% Нестабильные тесты 1 Входные токены 55,956 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 531ms Время ответа (суммарно) 6.38s Время ответа (макс.) 697ms Неверный ответ: 7 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 5.3 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#431#431	Nemotron 3 Nano Omni 30b A3b Reasoningdefault	2.6	NVIDIA	$0.000	728ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 14.5% 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 Агентные задачи : 0.0 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
#432#432	Jev 1.13default	2.6	Typesafe	$0.003	698ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 26.1% Нестабильные тесты 0 Входные токены 67,092 Выходные токены 18,927 Токены рассуждений 0 Время ответа (среднее) 698ms Время ответа (суммарно) 8.38s Время ответа (макс.) 1.08s Неверный ответ: 6 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 2.2 Комбинированный : 0.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 3.3 Вызов инструментов : 0.0 Эрудиция : 0.0
#434#434	Decider V1.1 27Bdefault	2.6	Perplexity	$0.002	320ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 17.4% Нестабильные тесты 0 Входные токены 73,557 Выходные токены 69 Токены рассуждений 0 Время ответа (среднее) 320ms Время ответа (суммарно) 3.84s Время ответа (макс.) 491ms Неверный ответ: 8 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 4.9 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#435#435	Drex v1.5default	2.4	Nace AI	$0.002	986ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 17.4% Нестабильные тесты 0 Входные токены 42,804 Выходные токены 27,468 Токены рассуждений 0 Время ответа (среднее) 986ms Время ответа (суммарно) 11.84s Время ответа (макс.) 1.38s Неверный ответ: 8 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 4.5 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#436#436	GPT-6 Luna Decisionsdefault	2.4	OpenAI	$0.005	495ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 13.0% Нестабильные тесты 0 Входные токены 47,583 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 495ms Время ответа (суммарно) 5.94s Время ответа (макс.) 842ms Неверный ответ: 8 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 2.3 Программирование : 2.5 Комбинированный : 0.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#437#437	Kev 4Bdefault	2.4	Jaredpalmer	$0.002	5.63s
Открыть карточку модели Всего тестов 12 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 15.9% Нестабильные тесты 1 Входные токены 42,804 Выходные токены 28,061 Токены рассуждений 0 Время ответа (среднее) 5.63s Время ответа (суммарно) 67.61s Время ответа (макс.) 17.79s Неверный ответ: 9 Агентные задачи : 0.0 Анти-ИИ уловки : 2.3 Программирование : 4.5 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 2.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#438#438	Jev 1.14default	2.3	Typesafe	$0.003	377ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 23.2% Нестабильные тесты 2 Входные токены 67,092 Выходные токены 18,927 Токены рассуждений 0 Время ответа (среднее) 377ms Время ответа (суммарно) 4.52s Время ответа (макс.) 546ms Неверный ответ: 7 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 2.7 Комбинированный : 0.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 7.7 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#440#440	Clef Omnidefault	1.9	Cloudflare	$0.011	880ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 8.7% Нестабильные тесты 0 Входные токены 70,125 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 880ms Время ответа (суммарно) 10.56s Время ответа (макс.) 1.31s Неверный ответ: 9 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 2.5 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#441#441	Decider Flash V1.2default	1.9	Perplexity	$0.001	462ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 13.0% Нестабильные тесты 0 Входные токены 49,176 Выходные токены 69 Токены рассуждений 0 Время ответа (среднее) 462ms Время ответа (суммарно) 5.55s Время ответа (макс.) 661ms Неверный ответ: 9 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 2.2 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#442#442	Step 3.5 Flashnone	1.9	Stepfun	$0.020	39.03s
Открыть карточку модели Всего тестов 12 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 26.1% Нестабильные тесты 0 Входные токены 1,971 Выходные токены 50,509 Токены рассуждений 33,867 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 Агентные задачи : 0.0 Анти-ИИ уловки : 10.0 Программирование : 1.0 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
#443#443	D1default	1.9	Liquid	$0.003	508ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 11.6% Нестабильные тесты 1 Входные токены 55,956 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 508ms Время ответа (суммарно) 6.10s Время ответа (макс.) 820ms Неверный ответ: 10 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 2.2 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#444#444	Gemini 3 Flash Previewhigh	1.8	Google	$0.105	52.45s
Открыть карточку модели Всего тестов 1 Ошибочных тестов 0 Надежность 10.0 Доля успешных попыток 4.4% Нестабильные тесты 0 Входные токены 134,050 Выходные токены 1,029 Токены рассуждений 11,528 Время ответа (среднее) 52.45s Время ответа (суммарно) 52.45s Время ответа (макс.) 52.45s Агентные задачи : 10.0 Анти-ИИ уловки : 0.0 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 0.0 Предметно-ориентированное : 0.0 Общий интеллект : 0.0 Следование инструкциям : 0.0 Решение головоломок : 0.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#446#446	Solar Decide Flashdefault	1.7	Upstage	$0.003	1.33s
Открыть карточку модели Всего тестов 7 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 13.0% Нестабильные тесты 0 Входные токены 47,586 Выходные токены 51 Токены рассуждений 0 Время ответа (среднее) 1.33s Время ответа (суммарно) 9.32s Время ответа (макс.) 1.66s Неверный ответ: 4 Агентные задачи : 0.0 Анти-ИИ уловки : 0.8 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.4 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#447#447	Microsoft-Decision-1default	1.4	Microsoft	$0.002	982ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 7.3% Нестабильные тесты 1 Входные токены 41,466 Выходные токены 69 Токены рассуждений 0 Время ответа (среднее) 982ms Время ответа (суммарно) 11.78s Время ответа (макс.) 1.41s Неверный ответ: 11 Агентные задачи : 0.0 Анти-ИИ уловки : 4.4 Программирование : 2.2 Комбинированный : 0.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 3.0 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#448#448	Solar Decidedefault	1.0	Upstage	$0.009 ↑	6.01s
Открыть карточку модели Всего тестов 7 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 14.5% Нестабильные тесты 3 Входные токены 47,586 Выходные токены 51 Токены рассуждений 0 Время ответа (среднее) 6.01s Время ответа (суммарно) 42.05s Время ответа (макс.) 13.10s Неверный ответ: 5 Агентные задачи : 0.0 Анти-ИИ уловки : 0.8 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 3.7 Предметно-ориентированное : 4.3 Общий интеллект : 0.0 Следование инструкциям : 5.0 Решение головоломок : 1.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#449#449	Tev1 4B Experimentaldefault	1.0	Togethercomputer	$0.002	498ms
Открыть карточку модели Всего тестов 7 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 13.0% Нестабильные тесты 0 Входные токены 33,864 Выходные токены 96 Токены рассуждений 0 Время ответа (среднее) 498ms Время ответа (суммарно) 3.49s Время ответа (макс.) 602ms Неверный ответ: 4 Агентные задачи : 0.0 Анти-ИИ уловки : 2.5 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 6.7 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#450#450	Nimble v3 9Bdefault	0.8	Bespoke Labs	~$0.001	363ms
Открыть карточку модели Всего тестов 7 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 4.4% Нестабильные тесты 0 Входные токены 103,770 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 363ms Время ответа (суммарно) 2.54s Время ответа (макс.) 1.24s Неверный ответ: 5 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 2.5 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 2.0 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#451#451	Claude Opus 5.5none	0.2	Anthropic	$0.015	13.58s
Открыть карточку модели Всего тестов 1 Ошибочных тестов 0 Надежность 10.0 Доля успешных попыток 4.4% Нестабильные тесты 0 Входные токены 73 Выходные токены 6 Токены рассуждений 729 Время ответа (среднее) 13.58s Время ответа (суммарно) 13.58s Время ответа (макс.) 13.58s Агентные задачи : 0.0 Анти-ИИ уловки : 0.0 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 0.0 Предметно-ориентированное : 3.3 Общий интеллект : 0.0 Следование инструкциям : 0.0 Решение головоломок : 0.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#7#7	GPT-6 Astrahigh	9.9	OpenAI	$4.458	20.16s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 1 Надежность 9.9 Доля успешных попыток 97.1% Нестабильные тесты 1 Входные токены 167,805 Выходные токены 5,651 Токены рассуждений 49,944 Время ответа (среднее) 20.16s Время ответа (суммарно) 463.68s Время ответа (макс.) 254.93s Неверный ответ: 1 Агентные задачи : 10.0 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
#8#8	GPT-6 Astraxhigh	9.9	OpenAI	$6.213	29.67s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 1 Надежность 9.9 Доля успешных попыток 97.1% Нестабильные тесты 1 Входные токены 170,731 Выходные токены 5,865 Токены рассуждений 84,230 Время ответа (среднее) 29.67s Время ответа (суммарно) 682.42s Время ответа (макс.) 381.11s Неверный ответ: 1 Агентные задачи : 10.0 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
#14#14	GPT-6 Astralow	9.6	OpenAI	$2.160	7.01s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 9.9 Доля успешных попыток 91.3% Нестабильные тесты 0 Входные токены 159,023 Выходные токены 4,935 Токены рассуждений 6,454 Время ответа (среднее) 7.01s Время ответа (суммарно) 161.20s Время ответа (макс.) 49.16s 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 : 3.0
#17#17	Gemini 4 Argonhigh	9.5	Google	$1.802	19.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 9.9 Доля успешных попыток 97.1% Нестабильные тесты 2 Входные токены 240,264 Выходные токены 5,707 Токены рассуждений 126,366 Время ответа (среднее) 19.03s Время ответа (суммарно) 437.77s Время ответа (макс.) 82.53s Ошибка API: 1 Неверный ответ: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 8.2 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#21#21	GPT-6 Astramedium	9.5	OpenAI	$2.707	9.90s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 3 Надежность 9.9 Доля успешных попыток 91.3% Нестабильные тесты 2 Входные токены 165,464 Выходные токены 5,591 Токены рассуждений 15,454 Время ответа (среднее) 9.90s Время ответа (суммарно) 227.67s Время ответа (макс.) 73.48s Неверный ответ: 3 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 : 10.0 Вызов инструментов : 10.0 Эрудиция : 2.8
#54#54	Muse Spark Openlow	8.9	Meta	$0.600	21.62s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 9.9 Доля успешных попыток 76.8% Нестабильные тесты 3 Входные токены 278,684 Выходные токены 10,151 Токены рассуждений 48,907 Время ответа (среднее) 21.62s Время ответа (суммарно) 497.25s Время ответа (макс.) 119.16s Неверный ответ: 4 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 9.2 Программирование : 10.0 Комбинированный : 8.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 8.0 Решение головоломок : 10.0 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