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: 2026-10-17 Оценено моделей: 442

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

442/442

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#73#73	Claude Sonnet 5.5high	8.6	Anthropic	$1.175	10.79s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 81.2% Нестабильные тесты 5 Входные токены 345,687 Выходные токены 13,550 Токены рассуждений 34,743 Время ответа (среднее) 10.79s Время ответа (суммарно) 248.22s Время ответа (макс.) 51.53s Неверный ответ: 5 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 8.2 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.5 Общий интеллект : 6.5 Следование инструкциям : 9.9 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#175#175	Claude Opus 5none	7.1	Anthropic	$2.766	10.78s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 55.1% Нестабильные тесты 1 Входные токены 396,120 Выходные токены 31,386 Токены рассуждений 0 Время ответа (среднее) 10.78s Время ответа (суммарно) 247.96s Время ответа (макс.) 79.61s Неверный ответ: 7 Лишнее форматирование: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.4 Анти-ИИ уловки : 5.5 Программирование : 5.9 Комбинированный : 8.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#311#311	Gemma 4 26B A4Bnone	5.5	Google	$0.031	10.55s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 42.0% Нестабильные тесты 1 Входные токены 280,126 Выходные токены 17,306 Токены рассуждений 0 Время ответа (среднее) 10.55s Время ответа (суммарно) 242.57s Время ответа (макс.) 75.76s Неверный ответ: 10 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 8.3 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 6.3 Решение головоломок : 6.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#91#91	Claude Haiku 5.5high	8.3	Anthropic	$0.088	10.41s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 76.8% Нестабильные тесты 4 Входные токены 346,451 Выходные токены 10,136 Токены рассуждений 95,504 Время ответа (среднее) 10.41s Время ответа (суммарно) 239.38s Время ответа (макс.) 52.61s Неверный ответ: 4 Лишнее форматирование: 2 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 6.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 5.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#392#392	Hunter Alphamedium	3.9	OpenRouter	$0.000	10.33s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 50.7% 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 Агентные задачи : 0.0 Анти-ИИ уловки : 7.3 Программирование : 1.0 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
#345#345	KAT Coder AIR V2.5low	5.0	Kwaipilot	$0.046	10.21s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 9.9 Доля успешных попыток 42.0% Нестабильные тесты 6 Входные токены 61,094 Выходные токены 6,532 Токены рассуждений 53,882 Время ответа (среднее) 10.21s Время ответа (суммарно) 234.86s Время ответа (макс.) 86.23s Неверный ответ: 7 Лишнее форматирование: 4 Ошибка API: 3 Не соблюдены инструкции: 2 Агентные задачи : 3.0 Анти-ИИ уловки : 7.3 Программирование : 3.5 Комбинированный : 6.4 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#373#373	Ling 2.6 Flashdefault	4.5	Inclusionai	$0.002 ↑	10.21s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 9.6 Доля успешных попыток 29.0% Нестабильные тесты 2 Входные токены 114,384 Выходные токены 14,903 Токены рассуждений 0 Время ответа (среднее) 10.21s Время ответа (суммарно) 214.31s Время ответа (макс.) 36.03s Неверный ответ: 9 Ошибка API: 3 Недопустимый вызов инструмента: 3 Не соблюдены инструкции: 2 Агентные задачи : 3.0 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
#165#165	Qwen3.5-27Bnone	7.2	Qwen	$0.116	9.98s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 47.8% Нестабильные тесты 2 Входные токены 283,977 Выходные токены 36,422 Токены рассуждений 0 Время ответа (среднее) 9.98s Время ответа (суммарно) 229.52s Время ответа (макс.) 124.53s Неверный ответ: 11 Не соблюдены инструкции: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 4.8 Программирование : 5.8 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 6.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#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
#352#352	MiMo-V2.5none	4.9	Xiaomi	$0.049 ↓	9.88s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 26.1% Нестабильные тесты 2 Входные токены 276,608 Выходные токены 17,693 Токены рассуждений 16,267 Время ответа (среднее) 9.88s Время ответа (суммарно) 227.24s Время ответа (макс.) 124.23s Неверный ответ: 14 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 3.9 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
#372#372	Owl Alphadefault	4.6	Openrouter	$0.000	9.88s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 1 Входные токены 42,283 Выходные токены 5,913 Токены рассуждений 0 Время ответа (среднее) 9.88s Время ответа (суммарно) 207.38s Время ответа (макс.) 47.10s Неверный ответ: 10 Не соблюдены инструкции: 3 Лишнее форматирование: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 3.4 Программирование : 5.6 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 6.4 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#50#50	Claude Opus 5low	9.0	Anthropic	$2.350	9.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 84.1% Нестабильные тесты 1 Входные токены 352,845 Выходные токены 16,553 Токены рассуждений 7,007 Время ответа (среднее) 9.87s Время ответа (суммарно) 226.95s Время ответа (макс.) 73.15s Неверный ответ: 4 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#346#346	Grok 4.20 Betamedium	4.9	X AI	$0.750 ↑	9.75s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 4 Надежность Н/Д Доля успешных попыток 63.8% 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 Агентные задачи : 0.0 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
#391#391	Grok 4.20 Multi Agent Betamedium	3.9	X AI	$5.599 ↑	9.69s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 46.4% 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 Агентные задачи : 0.0 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
#276#276	GLM 5.3 FlashXlow	6.0	Z.ai	$0.157	9.69s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 63.8% Нестабильные тесты 9 Входные токены 277,028 Выходные токены 11,965 Токены рассуждений 31,238 Время ответа (среднее) 9.69s Время ответа (суммарно) 222.83s Время ответа (макс.) 77.99s Неверный ответ: 10 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 8.2 Программирование : 5.5 Комбинированный : 2.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.7 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#277#277	MiMo-V2.6-Pronone	6.0	Xiaomi	$0.193	9.66s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 43.5% Нестабильные тесты 2 Входные токены 278,866 Выходные токены 82,069 Токены рассуждений 0 Время ответа (среднее) 9.66s Время ответа (суммарно) 222.07s Время ответа (макс.) 106.86s Неверный ответ: 10 Лишнее форматирование: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 3.5 Программирование : 5.6 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 7.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#296#296	Seed 2.1 Turbonone	5.7	Bytedance Seed	$0.182	9.65s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 52.2% Нестабильные тесты 3 Входные токены 298,242 Выходные токены 13,105 Токены рассуждений 0 Время ответа (среднее) 9.65s Время ответа (суммарно) 221.91s Время ответа (макс.) 71.45s Неверный ответ: 12 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 4.5 Комбинированный : 3.8 Парсинг и извлечение данных : 7.1 Предметно-ориентированное : 7.7 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#148#148	GPT-5.6 Lunamedium	7.4	OpenAI	$0.065 ↓	9.64s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 62.3% Нестабильные тесты 3 Входные токены 212,780 Выходные токены 6,849 Токены рассуждений 41,137 Время ответа (среднее) 9.64s Время ответа (суммарно) 221.62s Время ответа (макс.) 58.09s Неверный ответ: 9 Недопустимый вызов инструмента: 1 Агентные задачи : 7.4 Анти-ИИ уловки : 8.3 Программирование : 5.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.9 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#226#226	Beam 1.0 501B A23Bxhigh	6.5	Reflection	$0.688	9.18s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 63.8% Нестабильные тесты 5 Входные токены 212,065 Выходные токены 4,428 Токены рассуждений 154,069 Время ответа (среднее) 9.18s Время ответа (суммарно) 211.12s Время ответа (макс.) 44.64s Неверный ответ: 8 Ошибка API: 3 Агентные задачи : 3.0 Анти-ИИ уловки : 9.2 Программирование : 10.0 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 5.8 Вызов инструментов : 3.0 Эрудиция : 3.0
#350#350	Gemini 3 PRO Previewmedium	4.9	Google	$0.385 ↑	9.05s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность Н/Д Доля успешных попыток 60.9% 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 Агентные задачи : 0.0 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
#266#266	Beam 1.0 501B A23Bhigh	6.1	Reflection	$0.674	9.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 59.4% Нестабильные тесты 5 Входные токены 232,218 Выходные токены 4,944 Токены рассуждений 142,263 Время ответа (среднее) 9.03s Время ответа (суммарно) 207.67s Время ответа (макс.) 36.04s Неверный ответ: 7 Ошибка API: 3 Не соблюдены инструкции: 2 Агентные задачи : 3.0 Анти-ИИ уловки : 8.8 Программирование : 8.4 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#200#200	GPT-6 Solnone	6.8	OpenAI	$0.551	9.02s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 63.8% Нестабильные тесты 4 Входные токены 235,086 Выходные токены 7,989 Токены рассуждений 0 Время ответа (среднее) 9.02s Время ответа (суммарно) 207.45s Время ответа (макс.) 57.02s Неверный ответ: 10 Агентные задачи : 5.0 Анти-ИИ уловки : 6.9 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#101#101	GPT-5.6 Terramedium	8.2	OpenAI	$0.483 ↓	8.93s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 71.0% Нестабильные тесты 2 Входные токены 172,507 Выходные токены 5,824 Токены рассуждений 27,365 Время ответа (среднее) 8.93s Время ответа (суммарно) 205.39s Время ответа (макс.) 54.74s Неверный ответ: 8 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 6.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.5 Следование инструкциям : 10.0 Решение головоломок : 8.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#11#11	GPT-6.1 Solmedium	9.6	OpenAI	$0.530	8.90s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 94.2% Нестабильные тесты 1 Входные токены 172,860 Выходные токены 5,172 Токены рассуждений 13,179 Время ответа (среднее) 8.90s Время ответа (суммарно) 204.78s Время ответа (макс.) 51.03s 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 : 4.7
#303#303	GLM 5none	5.6	Z.ai	$0.140 ↑	8.74s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 40.6% Нестабильные тесты 1 Входные токены 190,675 Выходные токены 5,577 Токены рассуждений 0 Время ответа (среднее) 8.74s Время ответа (суммарно) 131.17s Время ответа (макс.) 74.80s Неверный ответ: 13 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 4.0 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 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