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)
#409#409	Laguna Xs.2medium	3.3	Poolside	$0.015 ↕	6.73s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 42.0% Нестабильные тесты 6 Входные токены 39,481 Выходные токены 54,218 Токены рассуждений 0 Время ответа (среднее) 6.73s Время ответа (суммарно) 100.98s Время ответа (макс.) 29.11s Неверный ответ: 6 Ошибка API: 4 Нет ответа: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 6.9 Программирование : 2.1 Комбинированный : 1.5 Парсинг и извлечение данных : 7.1 Предметно-ориентированное : 4.1 Общий интеллект : 3.0 Следование инструкциям : 10.0 Решение головоломок : 5.3 Вызов инструментов : 4.7 Эрудиция : 3.0
#287#287	Qwen3.8 Flash Nextnone	5.8	Qwen	~$0.011	5.71s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 43.5% Нестабильные тесты 3 Входные токены 266,004 Выходные токены 9,077 Токены рассуждений 0 Время ответа (среднее) 5.71s Время ответа (суммарно) 131.36s Время ответа (макс.) 65.25s Неверный ответ: 14 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 6.1 Следование инструкциям : 7.1 Решение головоломок : 6.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#431#431	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
#315#315	Qwen3.8 27Bnone	5.4	Qwen	~$0.010	5.05s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 39.1% Нестабильные тесты 0 Входные токены 281,460 Выходные токены 13,791 Токены рассуждений 0 Время ответа (среднее) 5.05s Время ответа (суммарно) 116.11s Время ответа (макс.) 47.42s Неверный ответ: 12 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 7.7 Общий интеллект : 4.2 Следование инструкциям : 6.3 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#439#439	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
#403#403	Laguna M.1default	3.6	Poolside	$0.009 ↕	2.89s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 9.8 Доля успешных попыток 26.1% Нестабильные тесты 3 Входные токены 38,147 Выходные токены 2,054 Токены рассуждений 0 Время ответа (среднее) 2.89s Время ответа (суммарно) 43.28s Время ответа (макс.) 15.42s Неверный ответ: 10 Ошибка API: 4 Недопустимый вызов инструмента: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 3.4 Программирование : 2.5 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 3.0 Следование инструкциям : 6.3 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#397#397	Nemotron 3.5 Lightningnone	3.8	NVIDIA	$0.009 ↕	15.92s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 20 Надежность 9.8 Доля успешных попыток 15.9% Нестабильные тесты 2 Входные токены 97,418 Выходные токены 4,779 Токены рассуждений 0 Время ответа (среднее) 15.92s Время ответа (суммарно) 366.20s Время ответа (макс.) 339.57s Неверный ответ: 16 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Тайм-аут: 1 Агентные задачи : 3.0 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
#430#430	Classify-1default	2.2	Scaledown	$0.008	4.58s
Открыть карточку модели Всего тестов 12 Ошибочных тестов 9 Надежность 9.4 Доля успешных попыток 18.8% Нестабильные тесты 2 Входные токены 195,645 Выходные токены 164 Токены рассуждений 0 Время ответа (среднее) 4.58s Время ответа (суммарно) 55.01s Время ответа (макс.) 13.35s Неверный ответ: 8 Ошибка API: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 2.7 Комбинированный : 0.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#379#379	Trinity Large Previewdefault	4.4	Arcee AI	$0.008 ↑	2.83s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 20.3% Нестабильные тесты 2 Входные токены 29,828 Выходные токены 2,169 Токены рассуждений 0 Время ответа (среднее) 2.83s Время ответа (суммарно) 56.65s Время ответа (макс.) 14.34s Неверный ответ: 12 Ошибка API: 3 Не соблюдены инструкции: 3 Агентные задачи : 3.0 Анти-ИИ уловки : 3.1 Программирование : 3.7 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.5 Следование инструкциям : 3.5 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#415#415	Grok 4.1 Fastdefault	3.1	X AI	$0.008 ↓	1.62s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 18.8% Нестабильные тесты 3 Входные токены 36,608 Выходные токены 1,723 Токены рассуждений 0 Время ответа (среднее) 1.62s Время ответа (суммарно) 19.48s Время ответа (макс.) 5.51s Неверный ответ: 13 Не соблюдены инструкции: 3 Агентные задачи : 0.0 Анти-ИИ уловки : 3.2 Программирование : 1.8 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.4 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 2.8 Эрудиция : 3.0
#410#410	Hy3 previewnone	3.3	Tencent	$0.007 ↕	12.92s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 21.7% Нестабильные тесты 2 Входные токены 27,172 Выходные токены 2,661 Токены рассуждений 0 Время ответа (среднее) 12.92s Время ответа (суммарно) 232.64s Время ответа (макс.) 35.84s Неверный ответ: 8 Ошибка API: 4 Не соблюдены инструкции: 4 Лишнее форматирование: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 4.8 Программирование : 2.7 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 4.1 Следование инструкциям : 6.3 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#396#396	Granite 4.1 8bdefault	3.8	IBM Granite	$0.007	1.38s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 21 Надежность 10.0 Доля успешных попыток 8.7% Нестабильные тесты 0 Входные токены 113,836 Выходные токены 5,996 Токены рассуждений 0 Время ответа (среднее) 1.38s Время ответа (суммарно) 31.81s Время ответа (макс.) 16.67s Неверный ответ: 13 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Ошибка API: 1 Лишнее форматирование: 1 Агентные задачи : 3.0 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
#427#427	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
#416#416	Laguna Xs.2default	3.1	Poolside	$0.004 ↕	806ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 21.7% Нестабильные тесты 0 Входные токены 33,675 Выходные токены 2,826 Токены рассуждений 0 Время ответа (среднее) 806ms Время ответа (суммарно) 12.09s Время ответа (макс.) 2.01s Неверный ответ: 8 Ошибка API: 4 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 3.0 Программирование : 0.8 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 3.0 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#329#329	Ling 3.0 Flashnone	5.2	Inclusionai	$0.004 ↕	3.40s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 26.1% Нестабильные тесты 0 Входные токены 123,993 Выходные токены 12,777 Токены рассуждений 0 Время ответа (среднее) 3.40s Время ответа (суммарно) 74.77s Время ответа (макс.) 17.51s Неверный ответ: 13 Ошибка API: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 4.8 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#423#423	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
#429#429	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
#437#437	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
#421#421	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
#434#434	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
#428#428	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	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
#426#426	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
#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
#425#425	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

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