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)
#69#69	GPT-6 Sollow	8.7	OpenAI	$0.477	8.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 87.0% Нестабильные тесты 4 Входные токены 172,359 Выходные токены 5,026 Токены рассуждений 8,185 Время ответа (среднее) 8.72s Время ответа (суммарно) 200.61s Время ответа (макс.) 48.43s Неверный ответ: 5 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 6.2 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 : 4.7
#164#164	Gemini 3.5 Flash Litemedium	7.3	Google	$0.440	8.68s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 76.8% Нестабильные тесты 7 Входные токены 388,307 Выходные токены 10,412 Токены рассуждений 118,802 Время ответа (среднее) 8.68s Время ответа (суммарно) 199.65s Время ответа (макс.) 86.92s Неверный ответ: 6 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 10.0 Программирование : 7.9 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 4.7 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 2.8
#284#284	Claude Sonnet 5none	5.9	Anthropic	$1.095	8.60s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 40.6% Нестабильные тесты 5 Входные токены 393,560 Выходные токены 30,466 Токены рассуждений 311 Время ответа (среднее) 8.60s Время ответа (суммарно) 197.73s Время ответа (макс.) 64.73s Неверный ответ: 9 Лишнее форматирование: 4 Нет ответа: 2 Не соблюдены инструкции: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 5.3 Программирование : 4.6 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.7 Следование инструкциям : 6.4 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#188#188	Gemini 3 Flash Previewlow	6.9	Google	$0.254	8.51s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 72.5% Нестабильные тесты 2 Входные токены 251,677 Выходные токены 11,196 Токены рассуждений 31,204 Время ответа (среднее) 8.51s Время ответа (суммарно) 195.76s Время ответа (макс.) 52.64s Неверный ответ: 7 Агентные задачи : 5.0 Анти-ИИ уловки : 10.0 Программирование : 5.8 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#244#244	LongCat 2.0none	6.4	Meituan	$0.104	8.50s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 42.0% Нестабильные тесты 3 Входные токены 276,199 Выходные токены 17,473 Токены рассуждений 0 Время ответа (среднее) 8.50s Время ответа (суммарно) 195.60s Время ответа (макс.) 81.77s Неверный ответ: 13 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.5 Решение головоломок : 4.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#327#327	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.105 ↑	8.43s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 29.0% Нестабильные тесты 6 Входные токены 272,479 Выходные токены 40,677 Токены рассуждений 23,104 Время ответа (среднее) 8.43s Время ответа (суммарно) 176.93s Время ответа (макс.) 65.61s Неверный ответ: 13 Ошибка API: 2 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.2 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
#337#337	KAT Coder AIR V2.5medium	5.1	Kwaipilot	$0.048	8.32s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 9.6 Доля успешных попыток 43.5% Нестабильные тесты 3 Входные токены 51,369 Выходные токены 8,008 Токены рассуждений 58,568 Время ответа (среднее) 8.32s Время ответа (суммарно) 191.40s Время ответа (макс.) 48.19s Неверный ответ: 10 Ошибка API: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Тайм-аут: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 8.7 Программирование : 3.6 Комбинированный : 6.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#351#351	Ling 2.6 1tdefault	4.9	Inclusionai	$0.016 ↑	8.16s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 17.4% Нестабильные тесты 0 Входные токены 106,423 Выходные токены 11,555 Токены рассуждений 0 Время ответа (среднее) 8.16s Время ответа (суммарно) 163.24s Время ответа (макс.) 25.72s Неверный ответ: 12 Ошибка API: 4 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 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
#18#18	Gemini 3.7 Flashmedium	9.5	Google	$0.278	8.16s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 94.2% Нестабильные тесты 1 Входные токены 202,347 Выходные токены 6,660 Токены рассуждений 68,002 Время ответа (среднее) 8.16s Время ответа (суммарно) 187.58s Время ответа (макс.) 58.39s Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.4 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 : 10.0
#301#301	Solar Pro 4none	5.6	Upstage	$0.022	8.14s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 31.9% Нестабильные тесты 1 Входные токены 305,664 Выходные токены 13,249 Токены рассуждений 0 Время ответа (среднее) 8.14s Время ответа (суммарно) 187.23s Время ответа (макс.) 69.17s Неверный ответ: 14 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.0 Следование инструкциям : 6.4 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#222#222	Claude Sonnet 5.5medium	6.5	Anthropic	$1.100	8.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 40.6% Нестабильные тесты 1 Входные токены 361,183 Выходные токены 26,609 Токены рассуждений 11,139 Время ответа (среднее) 8.03s Время ответа (суммарно) 184.80s Время ответа (макс.) 51.18s Лишнее форматирование: 8 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Нет ответа: 1 Неверный ответ: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 6.5 Программирование : 3.4 Комбинированный : 8.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 5.1 Следование инструкциям : 6.3 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#118#118	Qwen3.7 Maxnone	7.9	Qwen	$0.451 ↓	7.85s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 9.9 Доля успешных попыток 69.6% Нестабильные тесты 0 Входные токены 243,553 Выходные токены 20,670 Токены рассуждений 0 Время ответа (среднее) 7.85s Время ответа (суммарно) 180.65s Время ответа (макс.) 80.34s Неверный ответ: 7 Агентные задачи : 10.0 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 6.5 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
#45#45	Gemini 3.5 Flashlow	9.0	Google	$0.752	7.85s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 85.5% Нестабильные тесты 2 Входные токены 244,533 Выходные токены 3,450 Токены рассуждений 39,280 Время ответа (среднее) 7.85s Время ответа (суммарно) 180.45s Время ответа (макс.) 53.74s Неверный ответ: 3 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#325#325	Qwen3.6 Max Previewnone	5.3	Qwen	$0.228 ↓	7.82s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 9.9 Доля успешных попыток 53.6% Нестабильные тесты 2 Входные токены 106,348 Выходные токены 19,257 Токены рассуждений 0 Время ответа (среднее) 7.82s Время ответа (суммарно) 172.04s Время ответа (макс.) 102.62s Неверный ответ: 11 Агентные задачи : 0.0 Анти-ИИ уловки : 5.2 Программирование : 3.8 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#339#339	Apodex 1.1 Minidefault	5.1	Apodex	$0.000	7.79s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 20 Надежность 10.0 Доля успешных попыток 29.0% Нестабильные тесты 8 Входные токены 465,127 Выходные токены 72,309 Токены рассуждений 0 Время ответа (среднее) 7.79s Время ответа (суммарно) 179.09s Время ответа (макс.) 121.52s Неверный ответ: 16 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Агентные задачи : 5.2 Анти-ИИ уловки : 3.4 Программирование : 3.8 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.4 Следование инструкциям : 4.9 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#239#239	Mercury 2.5medium	6.4	Inception	$0.034	7.74s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 9.7 Доля успешных попыток 63.8% Нестабильные тесты 5 Входные токены 317,982 Выходные токены 3,918 Токены рассуждений 135,028 Время ответа (среднее) 7.74s Время ответа (суммарно) 178.07s Время ответа (макс.) 107.89s Неверный ответ: 9 Ошибка API: 1 Тайм-аут: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 10.0 Программирование : 5.0 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.4 Следование инструкциям : 6.4 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#43#43	Muse Wonderminimal	9.1	Meta	$1.639	7.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 9.7 Доля успешных попыток 76.8% Нестабильные тесты 2 Входные токены 238,532 Выходные токены 9,812 Токены рассуждений 24,412 Время ответа (среднее) 7.72s Время ответа (суммарно) 177.57s Время ответа (макс.) 42.89s Ошибка API: 3 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 : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#135#135	Claude Haiku 5.5medium	7.7	Anthropic	$0.063	7.71s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 71.0% Нестабильные тесты 7 Входные токены 298,334 Выходные токены 10,328 Токены рассуждений 55,846 Время ответа (среднее) 7.71s Время ответа (суммарно) 177.29s Время ответа (макс.) 47.70s Неверный ответ: 5 Лишнее форматирование: 2 Не соблюдены инструкции: 2 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 6.3 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 3.8 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#275#275	Claude Sonnet 4.6none	6.0	Anthropic	$0.661	7.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 55.1% Нестабильные тесты 1 Входные токены 123,273 Выходные токены 19,362 Токены рассуждений 0 Время ответа (среднее) 7.67s Время ответа (суммарно) 122.78s Время ответа (макс.) 51.18s Неверный ответ: 5 Лишнее форматирование: 4 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 6.1 Следование инструкциям : 6.5 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#283#283	Qwen3.6 Flashnone	5.9	Qwen	$0.139 ↓	7.63s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 1 Входные токены 388,929 Выходные токены 57,714 Токены рассуждений 0 Время ответа (среднее) 7.63s Время ответа (суммарно) 175.42s Время ответа (макс.) 93.47s Неверный ответ: 13 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 3.1 Программирование : 5.4 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.3 Решение головоломок : 3.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#225#225	Mercury 2.5high	6.5	Inception	$0.044	7.62s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 9.8 Доля успешных попыток 59.4% Нестабильные тесты 4 Входные токены 358,562 Выходные токены 4,266 Токены рассуждений 189,410 Время ответа (среднее) 7.62s Время ответа (суммарно) 175.36s Время ответа (макс.) 80.30s Неверный ответ: 9 Ошибка API: 1 Нет ответа: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 10.0 Программирование : 6.4 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.0 Следование инструкциям : 6.5 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#224#224	Mercury 2.5 Previewhigh	6.5	Inception	$0.040 ↑	7.61s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 9.9 Доля успешных попыток 65.2% Нестабильные тесты 6 Входные токены 298,512 Выходные токены 3,178 Токены рассуждений 177,419 Время ответа (среднее) 7.61s Время ответа (суммарно) 175.08s Время ответа (макс.) 86.84s Неверный ответ: 6 Не соблюдены инструкции: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 6.7 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#113#113	GPT-5.6 Terralow	7.9	OpenAI	$0.435 ↓	7.58s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 75.4% Нестабильные тесты 6 Входные токены 176,890 Выходные токены 5,688 Токены рассуждений 18,525 Время ответа (среднее) 7.58s Время ответа (суммарно) 174.39s Время ответа (макс.) 54.57s Неверный ответ: 8 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 6.6 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 4.7 Эрудиция : 3.0
#168#168	Gemini 3.8 Flashlow	7.2	Google	$0.323	7.54s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 9.9 Доля успешных попыток 81.2% Нестабильные тесты 5 Входные токены 215,836 Выходные токены 9,452 Токены рассуждений 33,289 Время ответа (среднее) 7.54s Время ответа (суммарно) 173.36s Время ответа (макс.) 67.18s Неверный ответ: 6 Нет ответа: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 5.4 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.8 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#195#195	Claude Opus 4.8none	6.9	Anthropic	$2.334	7.54s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 2 Входные токены 345,059 Выходные токены 24,343 Токены рассуждений 0 Время ответа (среднее) 7.54s Время ответа (суммарно) 173.31s Время ответа (макс.) 65.07s Неверный ответ: 5 Лишнее форматирование: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 9.8 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 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