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)
#278#278	Inkling Smallmedium	6.0	Thinkingmachines	$0.113 ↓	6.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 50.7% Нестабильные тесты 3 Входные токены 100,255 Выходные токены 6,422 Токены рассуждений 49,847 Время ответа (среднее) 6.03s Время ответа (суммарно) 138.65s Время ответа (макс.) 17.26s Неверный ответ: 6 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Ошибка API: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.3 Следование инструкциям : 8.5 Решение головоломок : 5.8 Вызов инструментов : 3.0 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
#309#309	Gemini 2.5 Flashnone	5.5	Google	$0.017	6.00s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 37.7% Нестабильные тесты 1 Входные токены 39,886 Выходные токены 1,890 Токены рассуждений 0 Время ответа (среднее) 6.00s Время ответа (суммарно) 138.04s Время ответа (макс.) 118.00s Неверный ответ: 13 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 3.0 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#98#98	Gemini 4 Argonlow	8.2	Google	$0.438	5.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 9.8 Доля успешных попыток 79.7% Нестабильные тесты 6 Входные токены 188,162 Выходные токены 6,097 Токены рассуждений 0 Время ответа (среднее) 5.72s Время ответа (суммарно) 131.67s Время ответа (макс.) 60.87s Неверный ответ: 5 Ошибка API: 2 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 10.0 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 8.7 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
#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
#343#343	Dots 3 Note Previewdefault	5.0	Dots Studio	$0.000	5.36s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 20 Надежность 10.0 Доля успешных попыток 15.9% Нестабильные тесты 1 Входные токены 225,907 Выходные токены 22,507 Токены рассуждений 0 Время ответа (среднее) 5.36s Время ответа (суммарно) 123.38s Время ответа (макс.) 45.71s Неверный ответ: 16 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 3.1 Программирование : 4.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 4.8 Решение головоломок : 3.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#269#269	Inklingnone	6.1	Thinkingmachines	$0.292 ↓	5.30s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 31.9% Нестабильные тесты 1 Входные токены 236,599 Выходные токены 11,561 Токены рассуждений 4,975 Время ответа (среднее) 5.30s Время ответа (суммарно) 121.91s Время ответа (макс.) 48.02s Неверный ответ: 13 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 4.8 Программирование : 4.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 5.6 Вызов инструментов : 3.0 Эрудиция : 3.0
#388#388	Mercury 2.5none	4.1	Inception	$0.026	5.10s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 21 Надежность 10.0 Доля успешных попыток 24.6% Нестабильные тесты 7 Входные токены 311,488 Выходные токены 89,958 Токены рассуждений 0 Время ответа (среднее) 5.10s Время ответа (суммарно) 117.24s Время ответа (макс.) 63.41s Неверный ответ: 15 Не соблюдены инструкции: 4 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 3.8 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 2.8 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 4.9 Решение головоломок : 3.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#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
#341#341	Mercury 2.5 Previewlow	5.0	Inception	$0.015 ↑	4.92s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 9.9 Доля успешных попыток 44.9% Нестабильные тесты 8 Входные токены 235,438 Выходные токены 8,136 Токены рассуждений 28,734 Время ответа (среднее) 4.92s Время ответа (суммарно) 113.24s Время ответа (макс.) 84.47s Неверный ответ: 13 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 5.6 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 4.1 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 8.2 Вызов инструментов : 2.8 Эрудиция : 3.0
#238#238	Beam 1.0 501B A23Blow	6.4	Reflection	$0.432	4.89s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 6 Входные токены 218,076 Выходные токены 4,863 Токены рассуждений 66,387 Время ответа (среднее) 4.89s Время ответа (суммарно) 112.55s Время ответа (макс.) 29.49s Неверный ответ: 6 Ошибка API: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 8.4 Решение головоломок : 6.1 Вызов инструментов : 3.0 Эрудиция : 3.0
#247#247	Gemini 3.5 Flash Litelow	6.3	Google	$0.183	4.79s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 6 Входные токены 275,779 Выходные токены 14,401 Токены рассуждений 25,511 Время ответа (среднее) 4.79s Время ответа (суммарно) 110.24s Время ответа (макс.) 53.91s Неверный ответ: 9 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 9.0 Программирование : 4.3 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 4.7
#214#214	GPT-5.5none	6.6	OpenAI	$1.212	4.75s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 56.5% Нестабильные тесты 2 Входные токены 205,108 Выходные токены 6,197 Токены рассуждений 0 Время ответа (среднее) 4.75s Время ответа (суммарно) 109.31s Время ответа (макс.) 57.53s Неверный ответ: 11 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 : 6.2 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#406#406	Hunter Alphadefault	3.5	OpenRouter	$0.000	4.70s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 36.2% 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 Агентные задачи : 0.0 Анти-ИИ уловки : 3.5 Программирование : 1.0 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
#240#240	Gemini 3.5 Flashminimal	6.4	Google	$0.508	4.67s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 58.0% Нестабильные тесты 1 Входные токены 230,004 Выходные токены 18,040 Токены рассуждений 0 Время ответа (среднее) 4.67s Время ответа (суммарно) 107.45s Время ответа (макс.) 49.23s Неверный ответ: 7 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 6.5 Программирование : 5.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#211#211	GPT-5.6 Solnone	6.7	OpenAI	$0.795	4.61s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 3 Входные токены 207,852 Выходные токены 5,555 Токены рассуждений 0 Время ответа (среднее) 4.61s Время ответа (суммарно) 105.93s Время ответа (макс.) 58.28s Неверный ответ: 10 Не соблюдены инструкции: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 6.5 Следование инструкциям : 8.5 Решение головоломок : 7.7 Вызов инструментов : 10.0 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
#326#326	Laguna XS 2.1none	5.3	Poolside	$0.020	4.56s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 29.0% Нестабильные тесты 3 Входные токены 270,072 Выходные токены 23,173 Токены рассуждений 0 Время ответа (среднее) 4.56s Время ответа (суммарно) 104.80s Время ответа (макс.) 70.79s Неверный ответ: 14 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Тайм-аут: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 5.3 Программирование : 4.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 3.8 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#365#365	GPT-5.4 Nanonone	4.6	OpenAI	$0.068	4.42s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 26.1% Нестабильные тесты 4 Входные токены 246,687 Выходные токены 14,894 Токены рассуждений 0 Время ответа (среднее) 4.42s Время ответа (суммарно) 101.75s Время ответа (макс.) 45.38s Неверный ответ: 16 Не соблюдены инструкции: 2 Нет ответа: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 3.5 Программирование : 4.6 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 2.9 Общий интеллект : 3.8 Следование инструкциям : 6.3 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#218#218	Mercury 2medium	6.6	Inception	$0.121	4.40s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 53.6% Нестабильные тесты 5 Входные токены 189,300 Выходные токены 10,854 Токены рассуждений 86,089 Время ответа (среднее) 4.40s Время ответа (суммарно) 96.81s Время ответа (макс.) 34.92s Неверный ответ: 9 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 6.9 Программирование : 8.2 Комбинированный : 6.7 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 4.8 Следование инструкциям : 10.0 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#344#344	GPT-4o-minidefault	5.0	OpenAI	$0.024	4.16s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 21.7% Нестабильные тесты 0 Входные токены 145,180 Выходные токены 3,627 Токены рассуждений 0 Время ответа (среднее) 4.16s Время ответа (суммарно) 70.70s Время ответа (макс.) 39.99s Неверный ответ: 16 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 3.2 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 6.3 Решение головоломок : 3.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#288#288	GPT-5.6 Terranone	5.8	OpenAI	$0.377 ↓	4.11s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 40.6% Нестабильные тесты 3 Входные токены 213,564 Выходные токены 7,381 Токены рассуждений 0 Время ответа (среднее) 4.11s Время ответа (суммарно) 94.52s Время ответа (макс.) 57.98s Неверный ответ: 12 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 8.5 Решение головоломок : 5.3 Вызов инструментов : 9.6 Эрудиция : 3.0
#280#280	Gemini 3.1 Flash Liteminimal	5.9	Google	$0.080	3.95s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 49.3% Нестабильные тесты 3 Входные токены 238,785 Выходные токены 12,875 Токены рассуждений 0 Время ответа (среднее) 3.95s Время ответа (суммарно) 90.76s Время ответа (макс.) 50.03s Неверный ответ: 9 Не соблюдены инструкции: 3 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#300#300	GPT-5.4none	5.6	OpenAI	$0.690	3.89s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 2 Входные токены 219,404 Выходные токены 9,372 Токены рассуждений 0 Время ответа (среднее) 3.89s Время ответа (суммарно) 89.48s Время ответа (макс.) 43.73s Неверный ответ: 15 Не соблюдены инструкции: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 3.2 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 5.6 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