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)
#261#261	Laguna S 2.1low	5.0	Poolside	$0.082 ↓	85.34s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 22.7% Нестабильные тесты 5 Входные токены 118,752 Выходные токены 67,823 Токены рассуждений 383,885 Время ответа (среднее) 85.34s Время ответа (суммарно) 1877.49s Время ответа (макс.) 814.73s Неверный ответ: 15 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.4 Программирование : 3.8 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 4.3 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#268#268	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
#283#283	Qwen3 Coder Nextmedium	4.6	Qwen	$0.034 ↑	9.07s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 25.8% Нестабильные тесты 4 Входные токены 148,203 Выходные токены 19,069 Токены рассуждений 0 Время ответа (среднее) 9.07s Время ответа (суммарно) 154.19s Время ответа (макс.) 81.80s Неверный ответ: 14 Не соблюдены инструкции: 3 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 3.5 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 6.3 Следование инструкциям : 6.3 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#291#291	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
#299#299	Nemotron 3.5 Lightningnone	4.0	NVIDIA	$0.007 ↕	1.21s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 16.7% Нестабильные тесты 2 Входные токены 74,074 Выходные токены 2,731 Токены рассуждений 0 Время ответа (среднее) 1.21s Время ответа (суммарно) 26.62s Время ответа (макс.) 6.30s Неверный ответ: 16 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 4.8 Программирование : 3.1 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 2.8 Эрудиция : 3.0
#304#304	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
#311#311	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
#309#309	Nemotron 3 Nano Omni 30b A3b Reasoningnone	3.2	NVIDIA	$0.000	728ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 15.2% 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 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
#285#285	Laguna S 2.1none	4.5	Poolside	$0.022 ↓	11.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 20 Надежность 10.0 Доля успешных попыток 15.2% Нестабильные тесты 3 Входные токены 125,604 Выходные токены 57,634 Токены рассуждений 0 Время ответа (среднее) 11.67s Время ответа (суммарно) 256.71s Время ответа (макс.) 200.52s Неверный ответ: 18 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 3.1 Программирование : 3.4 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 4.3 Решение головоломок : 3.1 Вызов инструментов : 4.7 Эрудиция : 3.0
#297#297	Ling 3.0 Tinynone	4.0	Inclusionai	$0.000	14.02s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 20 Надежность 9.8 Доля успешных попыток 9.1% Нестабильные тесты 0 Входные токены 184,579 Выходные токены 110,071 Токены рассуждений 0 Время ответа (среднее) 14.02s Время ответа (суммарно) 294.46s Время ответа (макс.) 240.61s Неверный ответ: 13 Не соблюдены инструкции: 4 Ошибка API: 1 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 4.2 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 3.4 Следование инструкциям : 3.1 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#298#298	Granite 4.1 8Bnone	4.0	IBM Granite	$0.007	1.44s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 20 Надежность 10.0 Доля успешных попыток 9.1% Нестабильные тесты 0 Входные токены 113,836 Выходные токены 5,996 Токены рассуждений 0 Время ответа (среднее) 1.44s Время ответа (суммарно) 31.75s Время ответа (макс.) 16.67s Неверный ответ: 13 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Лишнее форматирование: 1 Анти-ИИ уловки : 4.9 Программирование : 4.5 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 3.6 Решение головоломок : 3.2 Вызов инструментов : 10.0 Эрудиция : 3.0

←

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 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