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)
#440#440	Tev1 4B Experimentaldefault	1.0	Togethercomputer	$0.002	498ms
Открыть карточку модели Всего тестов 7 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 13.0% Нестабильные тесты 0 Входные токены 33,864 Выходные токены 96 Токены рассуждений 0 Время ответа (среднее) 498ms Время ответа (суммарно) 3.49s Время ответа (макс.) 602ms Неверный ответ: 4 Агентные задачи : 0.0 Анти-ИИ уловки : 2.5 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 6.7 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#424#424	Decider V1.2default	2.6	Perplexity	$0.001	517ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 7 Надежность 9.4 Доля успешных попыток 24.6% Нестабильные тесты 1 Входные токены 48,363 Выходные токены 67 Токены рассуждений 0 Время ответа (среднее) 517ms Время ответа (суммарно) 6.20s Время ответа (макс.) 776ms Неверный ответ: 5 Ошибка API: 1 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 5.8 Программирование : 4.5 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.9 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#419#419	Span-02default	2.8	Respan	$0.001	1.36s
Открыть карточку модели Всего тестов 12 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 26.1% Нестабильные тесты 0 Входные токены 70,626 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 1.36s Время ответа (суммарно) 16.37s Время ответа (макс.) 5.71s Неверный ответ: 6 Агентные задачи : 0.0 Анти-ИИ уловки : 5.8 Программирование : 4.9 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 5.0 Решение головоломок : 1.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#432#432	Decider Flash V1.2default	1.9	Perplexity	$0.001	462ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 13.0% Нестабильные тесты 0 Входные токены 49,176 Выходные токены 69 Токены рассуждений 0 Время ответа (среднее) 462ms Время ответа (суммарно) 5.55s Время ответа (макс.) 661ms Неверный ответ: 9 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 2.2 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
#436#436	LFM2-24B-A2Bdefault	1.8	Liquid	$0.001	782ms
Открыть карточку модели Всего тестов 16 Ошибочных тестов 14 Надежность Н/Д Доля успешных попыток 11.6% 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 Агентные задачи : 0.0 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
#441#441	Nimble v3 9Bdefault	0.8	Bespoke Labs	~$0.001	363ms
Открыть карточку модели Всего тестов 7 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 4.4% Нестабильные тесты 0 Входные токены 103,770 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 363ms Время ответа (суммарно) 2.54s Время ответа (макс.) 1.24s Неверный ответ: 5 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 2.5 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 2.0 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#96#96	Ling 3.1 Flashmedium	8.3	Inclusionai	$0.000	88.74s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 9.6 Доля успешных попыток 71.0% Нестабильные тесты 3 Входные токены 369,495 Выходные токены 172,852 Токены рассуждений 476,002 Время ответа (среднее) 88.74s Время ответа (суммарно) 2041.10s Время ответа (макс.) 567.88s Нет ответа: 4 Неверный ответ: 3 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.6 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.3 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 2.8 Эрудиция : 3.0
#123#123	Ling 3.1 Flashhigh	7.9	Inclusionai	$0.000	87.39s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 9.8 Доля успешных попыток 69.6% Нестабильные тесты 2 Входные токены 324,691 Выходные токены 181,251 Токены рассуждений 506,441 Время ответа (среднее) 87.39s Время ответа (суммарно) 2010.08s Время ответа (макс.) 665.85s Нет ответа: 4 Неверный ответ: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 6.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.9 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 2.8 Эрудиция : 3.0
#143#143	Space Bunny Alphahigh	7.5	Stealth	$0.000	29.38s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 63.8% Нестабильные тесты 4 Входные токены 302,228 Выходные токены 181,271 Токены рассуждений 0 Время ответа (среднее) 29.38s Время ответа (суммарно) 675.79s Время ответа (макс.) 234.56s Неверный ответ: 10 Агентные задачи : 10.0 Анти-ИИ уловки : 6.4 Программирование : 6.2 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 4.2 Следование инструкциям : 6.2 Решение головоломок : 8.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#201#201	Space Bunny Alphamax	6.7	Stealth	$0.000	36.24s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 59.4% Нестабильные тесты 5 Входные токены 315,136 Выходные токены 219,014 Токены рассуждений 0 Время ответа (среднее) 36.24s Время ответа (суммарно) 833.43s Время ответа (макс.) 320.00s Неверный ответ: 10 Не соблюдены инструкции: 2 Агентные задачи : 6.1 Анти-ИИ уловки : 6.4 Программирование : 5.7 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 5.3 Следование инструкциям : 5.9 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#212#212	Apodex 1.1 Minihigh	6.7	Apodex	$0.000	31.25s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 9 Входные токены 365,069 Выходные токены 133,336 Токены рассуждений 344,133 Время ответа (среднее) 31.25s Время ответа (суммарно) 718.67s Время ответа (макс.) 114.61s Неверный ответ: 9 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 5.5 Комбинированный : 4.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 8.0 Решение головоломок : 8.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#242#242	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	70.48s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 59.4% Нестабильные тесты 7 Входные токены 255,887 Выходные токены 154,879 Токены рассуждений 603,518 Время ответа (среднее) 70.48s Время ответа (суммарно) 1620.93s Время ответа (макс.) 480.52s Неверный ответ: 9 Нет ответа: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 8.7 Программирование : 5.8 Комбинированный : 6.9 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 3.4 Следование инструкциям : 8.3 Решение головоломок : 5.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#243#243	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	66.13s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 58.0% Нестабильные тесты 6 Входные токены 260,850 Выходные токены 125,908 Токены рассуждений 516,424 Время ответа (среднее) 66.13s Время ответа (суммарно) 1520.96s Время ответа (макс.) 417.36s Неверный ответ: 8 Не соблюдены инструкции: 2 Нет ответа: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 5.9 Комбинированный : 6.9 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.6 Общий интеллект : 4.0 Следование инструкциям : 7.9 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#252#252	Ling 3.1 Flashlow	6.3	Inclusionai	$0.000	85.22s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 9.7 Доля успешных попыток 66.7% Нестабильные тесты 6 Входные токены 271,890 Выходные токены 190,841 Токены рассуждений 513,329 Время ответа (среднее) 85.22s Время ответа (суммарно) 1960.12s Время ответа (макс.) 432.81s Нет ответа: 4 Не соблюдены инструкции: 3 Неверный ответ: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 10.0 Программирование : 5.6 Комбинированный : 6.6 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 3.0 Следование инструкциям : 9.8 Решение головоломок : 8.9 Вызов инструментов : 4.7 Эрудиция : 3.0
#254#254	Space Bunny Alphamedium	6.3	Stealth	$0.000	32.88s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 55.1% Нестабильные тесты 5 Входные токены 267,840 Выходные токены 192,115 Токены рассуждений 0 Время ответа (среднее) 32.88s Время ответа (суммарно) 756.28s Время ответа (макс.) 197.32s Неверный ответ: 11 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 5.2 Программирование : 5.4 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.4 Следование инструкциям : 9.8 Решение головоломок : 7.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#259#259	Space Bunny Alphaxhigh	6.2	Stealth	$0.000	60.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 55.1% Нестабильные тесты 8 Входные токены 363,310 Выходные токены 381,919 Токены рассуждений 0 Время ответа (среднее) 60.03s Время ответа (суммарно) 1380.67s Время ответа (макс.) 459.99s Неверный ответ: 9 Не соблюдены инструкции: 2 Нет ответа: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 5.2 Анти-ИИ уловки : 6.4 Программирование : 6.6 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 5.0 Следование инструкциям : 5.6 Решение головоломок : 7.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#268#268	Apodex 1.1 Minilow	6.1	Apodex	$0.000	33.68s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 63.8% Нестабильные тесты 6 Входные токены 321,894 Выходные токены 139,334 Токены рассуждений 369,481 Время ответа (среднее) 33.68s Время ответа (суммарно) 774.73s Время ответа (макс.) 163.05s Неверный ответ: 9 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 8.7 Программирование : 5.1 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.7 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#274#274	Apodex 1.1 Minimedium	6.0	Apodex	$0.000	32.68s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 9.9 Доля успешных попыток 68.1% Нестабильные тесты 9 Входные токены 293,112 Выходные токены 152,376 Токены рассуждений 357,890 Время ответа (среднее) 32.68s Время ответа (суммарно) 751.72s Время ответа (макс.) 115.57s Неверный ответ: 9 Не соблюдены инструкции: 2 Нет ответа: 1 Агентные задачи : 3.4 Анти-ИИ уловки : 10.0 Программирование : 4.3 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 5.1 Следование инструкциям : 8.5 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#297#297	Dots 3 Note Previewmedium	5.7	Dots Studio	$0.000	70.32s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 58.0% Нестабильные тесты 9 Входные токены 208,598 Выходные токены 120,583 Токены рассуждений 590,044 Время ответа (среднее) 70.32s Время ответа (суммарно) 1617.43s Время ответа (макс.) 459.19s Неверный ответ: 10 Не соблюдены инструкции: 2 Нет ответа: 2 Лишнее форматирование: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 8.7 Программирование : 4.2 Комбинированный : 9.9 Парсинг и извлечение данных : 4.5 Предметно-ориентированное : 3.6 Общий интеллект : 3.8 Следование инструкциям : 8.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#299#299	Space Bunny Alphalow	5.7	Stealth	$0.000	30.63s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 53.6% Нестабильные тесты 10 Входные токены 289,086 Выходные токены 194,450 Токены рассуждений 0 Время ответа (среднее) 30.63s Время ответа (суммарно) 704.47s Время ответа (макс.) 340.88s Неверный ответ: 13 Не соблюдены инструкции: 2 Агентные задачи : 4.7 Анти-ИИ уловки : 6.9 Программирование : 5.6 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.4 Следование инструкциям : 4.4 Решение головоломок : 7.9 Вызов инструментов : 4.7 Эрудиция : 3.0
#308#308	Ling 3.1 Flashnone	5.5	Inclusionai	$0.000	15.75s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 9.8 Доля успешных попыток 33.3% Нестабильные тесты 5 Входные токены 286,758 Выходные токены 85,777 Токены рассуждений 0 Время ответа (среднее) 15.75s Время ответа (суммарно) 362.23s Время ответа (макс.) 90.95s Неверный ответ: 9 Не соблюдены инструкции: 5 Нет ответа: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 3.6 Программирование : 4.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 8.0 Решение головоломок : 7.7 Вызов инструментов : 4.7 Эрудиция : 3.0
#316#316	North Mini Codemedium	5.4	Cohere	$0.000	140.39s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 8.9 Доля успешных попыток 42.0% Нестабильные тесты 4 Входные токены 166,347 Выходные токены 423,884 Токены рассуждений 1,394,387 Время ответа (среднее) 140.39s Время ответа (суммарно) 3229.07s Время ответа (макс.) 786.72s Неверный ответ: 10 Лишнее форматирование: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 8.4 Программирование : 4.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 3.3 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
#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
#360#360	North Mini Codedefault	4.7	Cohere	$0.000	29.47s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 8.9 Доля успешных попыток 17.4% Нестабильные тесты 0 Входные токены 177,989 Выходные токены 26,954 Токены рассуждений 0 Время ответа (среднее) 29.47s Время ответа (суммарно) 677.70s Время ответа (макс.) 159.85s Неверный ответ: 13 Лишнее форматирование: 2 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Агентные задачи : 3.0 Анти-ИИ уловки : 3.0 Программирование : 3.9 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.9 Следование инструкциям : 6.5 Решение головоломок : 3.5 Вызов инструментов : 9.5 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