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)
#301#301	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
#309#309	Qwen3.5-9Bmedium	3.8	Qwen	$0.062 ↑	107.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 6.0 Доля успешных попыток 25.8% Нестабильные тесты 5 Входные токены 17,195 Выходные токены 46,735 Токены рассуждений 366,707 Время ответа (среднее) 107.51s Время ответа (суммарно) 1720.15s Время ответа (макс.) 569.97s Тайм-аут: 11 Нет ответа: 3 Неверный ответ: 2 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 5.1 Программирование : 2.9 Комбинированный : 3.0 Парсинг и извлечение данных : 3.6 Предметно-ориентированное : 3.6 Общий интеллект : 2.8 Следование инструкциям : 6.5 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#233#233	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
#273#273	Hy4 previewnone	4.8	Tencent	$0.041	39.24s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 4.3 Доля успешных попыток 16.7% Нестабильные тесты 1 Входные токены 26,376 Выходные токены 7,306 Токены рассуждений 0 Время ответа (среднее) 39.24s Время ответа (суммарно) 863.30s Время ответа (макс.) 95.32s Неверный ответ: 9 Ошибка API: 7 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Анти-ИИ уловки : 3.3 Программирование : 3.8 Комбинированный : 3.0 Парсинг и извлечение данных : 8.7 Предметно-ориентированное : 6.8 Общий интеллект : 5.1 Следование инструкциям : 7.0 Решение головоломок : 4.6 Вызов инструментов : 3.0 Эрудиция : 3.0
#201#201	Grok 4.20 Betamedium	6.0	X AI	$0.750 ↑	9.75s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 4 Надежность Н/Д Доля успешных попыток 66.7% Нестабильные тесты 1 Входные токены 35,955 Выходные токены 1,647 Токены рассуждений 91,565 Время ответа (среднее) 9.75s Время ответа (суммарно) 175.48s Время ответа (макс.) 31.36s Неверный ответ: 3 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.7 Программирование : 3.3 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 0.0
#203#203	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность Н/Д Доля успешных попыток 63.6% Нестабильные тесты 0 Входные токены 28,848 Выходные токены 1,490 Токены рассуждений 10,102 Время ответа (среднее) 9.05s Время ответа (суммарно) 90.53s Время ответа (макс.) 26.24s Ошибка API: 4 Неверный ответ: 3 Анти-ИИ уловки : 10.0 Программирование : 3.0 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#250#250	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Открыть карточку модели Всего тестов 16 Ошибочных тестов 3 Надежность Н/Д Доля успешных попыток 59.1% Нестабильные тесты 0 Входные токены 28,980 Выходные токены 1,283 Токены рассуждений 1,533,310 Время ответа (среднее) 68.14s Время ответа (суммарно) 1090.28s Время ответа (макс.) 280.52s Неверный ответ: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 7.5 Программирование : 0.0 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 0.0
#269#269	Qwen3.6 Plus Previewmedium	4.9	Qwen	$0.000	15.25s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 40.9% 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 Анти-ИИ уловки : 8.3 Программирование : 9.8 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
#278#278	Grok 4.20 Multi Agent Betamedium	4.8	X AI	$5.599 ↑	9.69s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 48.5% Нестабильные тесты 5 Входные токены 721,952 Выходные токены 294,668 Токены рассуждений 305,374 Время ответа (среднее) 9.69s Время ответа (суммарно) 155.07s Время ответа (макс.) 35.28s Неверный ответ: 4 Ошибка API: 2 Лишнее форматирование: 2 Не соблюдены инструкции: 2 Анти-ИИ уловки : 6.9 Программирование : 3.3 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.8 Следование инструкциям : 9.8 Решение головоломок : 6.7 Вызов инструментов : 3.0 Эрудиция : 0.0
#282#282	Hunter Alphamedium	4.7	OpenRouter	$0.000	10.33s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 53.0% Нестабильные тесты 6 Входные токены 28,927 Выходные токены 4,682 Токены рассуждений 17,969 Время ответа (среднее) 10.33s Время ответа (суммарно) 175.58s Время ответа (макс.) 30.53s Неверный ответ: 4 Не соблюдены инструкции: 2 Тайм-аут: 2 Ошибка API: 1 Лишнее форматирование: 1 Анти-ИИ уловки : 7.3 Программирование : 9.8 Комбинированный : 2.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 7.0 Следование инструкциям : 9.9 Решение головоломок : 6.1 Вызов инструментов : 10.0 Эрудиция : 0.0
#291#291	Grok 4.20 Betanone	4.4	X AI	$0.087 ↓	1.19s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 30.3% Нестабильные тесты 1 Входные токены 40,597 Выходные токены 1,657 Токены рассуждений 0 Время ответа (среднее) 1.19s Время ответа (суммарно) 21.43s Время ответа (макс.) 6.48s Неверный ответ: 10 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.0 Программирование : 1.8 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 0.0
#293#293	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
#295#295	Elephant Alphamedium	4.3	Openrouter	$0.000	1.27s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 15 Надежность Н/Д Доля успешных попыток 28.8% Нестабильные тесты 1 Входные токены 33,744 Выходные токены 2,596 Токены рассуждений 0 Время ответа (среднее) 1.27s Время ответа (суммарно) 22.82s Время ответа (макс.) 3.70s Неверный ответ: 9 Ошибка API: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.6 Программирование : 3.7 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.3 Следование инструкциям : 9.8 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#297#297	Hunter Alphanone	4.2	OpenRouter	$0.000	4.70s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 37.9% Нестабильные тесты 4 Входные токены 34,329 Выходные токены 2,264 Токены рассуждений 0 Время ответа (среднее) 4.70s Время ответа (суммарно) 79.86s Время ответа (макс.) 15.17s Неверный ответ: 9 Не соблюдены инструкции: 2 Ошибка API: 1 Анти-ИИ уловки : 3.5 Программирование : 9.8 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 6.4 Решение головоломок : 5.8 Вызов инструментов : 10.0 Эрудиция : 0.0
#298#298	Grok 4.20none	4.1	X AI	$0.057 ↓	1.11s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 27.3% Нестабильные тесты 0 Входные токены 41,313 Выходные токены 1,923 Токены рассуждений 0 Время ответа (среднее) 1.11s Время ответа (суммарно) 19.96s Время ответа (макс.) 6.04s Неверный ответ: 10 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 1.1 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 6.3 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 0.0
#316#316	LFM2-24B-A2Bnone	2.2	Liquid	$0.001	782ms
Открыть карточку модели Всего тестов 16 Ошибочных тестов 14 Надежность Н/Д Доля успешных попыток 12.1% Нестабильные тесты 1 Входные токены 10,771 Выходные токены 1,173 Токены рассуждений 0 Время ответа (среднее) 782ms Время ответа (суммарно) 10.94s Время ответа (макс.) 3.15s Неверный ответ: 9 Ошибка API: 4 Не соблюдены инструкции: 1 Анти-ИИ уловки : 2.5 Программирование : 0.0 Комбинированный : 1.5 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.0 Следование инструкциям : 6.3 Решение головоломок : 3.8 Вызов инструментов : 3.0 Эрудиция : 0.0

←

1 12 13

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