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)
#322#322	GPT-5.6 Lunanone	5.3	OpenAI	$0.042 ↓	3.78s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 34.8% Нестабильные тесты 3 Входные токены 230,744 Выходные токены 8,000 Токены рассуждений 0 Время ответа (среднее) 3.78s Время ответа (суммарно) 86.83s Время ответа (макс.) 53.77s Неверный ответ: 15 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 3.8 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 7.1 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#263#263	Gemini 3.1 Flash Lite Previewnone	6.2	Google	$0.090	3.60s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 55.1% Нестабильные тесты 1 Входные токены 261,962 Выходные токены 12,799 Токены рассуждений 2,961 Время ответа (среднее) 3.60s Время ответа (суммарно) 82.91s Время ответа (макс.) 48.59s Неверный ответ: 8 Не соблюдены инструкции: 2 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 7.5 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#282#282	Gemini 3.1 Flash Litenone	5.9	Google	$0.069	3.58s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 14 Надежность 9.9 Доля успешных попыток 47.8% Нестабильные тесты 4 Входные токены 202,069 Выходные токены 11,961 Токены рассуждений 0 Время ответа (среднее) 3.58s Время ответа (суммарно) 82.24s Время ответа (макс.) 43.82s Неверный ответ: 12 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 7.5 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 : 6.3 Вызов инструментов : 10.0 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
#294#294	GPT-5.4 Mininone	5.7	OpenAI	$0.170	3.34s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 30.4% Нестабильные тесты 2 Входные токены 172,438 Выходные токены 8,828 Токены рассуждений 0 Время ответа (среднее) 3.34s Время ответа (суммарно) 76.84s Время ответа (макс.) 41.98s Неверный ответ: 14 Не соблюдены инструкции: 3 Агентные задачи : 5.0 Анти-ИИ уловки : 3.1 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.8 Следование инструкциям : 6.3 Решение головоломок : 5.4 Вызов инструментов : 3.0 Эрудиция : 3.0
#336#336	Mercury 2.5low	5.1	Inception	$0.020	3.34s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 9.8 Доля успешных попыток 37.7% Нестабильные тесты 5 Входные токены 326,083 Выходные токены 7,224 Токены рассуждений 33,078 Время ответа (среднее) 3.34s Время ответа (суммарно) 76.80s Время ответа (макс.) 47.06s Неверный ответ: 14 Ошибка API: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 6.9 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 4.4 Следование инструкциям : 2.9 Решение головоломок : 5.9 Вызов инструментов : 9.8 Эрудиция : 3.0
#335#335	Mistral Small 4none	5.1	Mistral	$0.047	3.12s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 24.6% Нестабильные тесты 1 Входные токены 265,602 Выходные токены 10,913 Токены рассуждений 0 Время ответа (среднее) 3.12s Время ответа (суммарно) 71.87s Время ответа (макс.) 45.46s Неверный ответ: 17 Не соблюдены инструкции: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 3.4 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#314#314	Claude Opus 4.7none	5.4	Anthropic	$0.505	3.02s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 69.6% Нестабильные тесты 0 Входные токены 69,576 Выходные токены 6,265 Токены рассуждений 0 Время ответа (среднее) 3.02s Время ответа (суммарно) 57.44s Время ответа (макс.) 18.27s Неверный ответ: 3 Агентные задачи : 0.0 Анти-ИИ уловки : 8.3 Программирование : 3.3 Комбинированный : 4.8 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
#367#367	GLM 5V Turbonone	4.6	Z.ai	$0.052	2.99s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 34.8% Нестабильные тесты 0 Входные токены 37,100 Выходные токены 1,766 Токены рассуждений 0 Время ответа (среднее) 2.99s Время ответа (суммарно) 62.74s Время ответа (макс.) 6.51s Неверный ответ: 11 Не соблюдены инструкции: 2 Агентные задачи : 0.0 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.6 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#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
#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
#387#387	GLM 5 Turbonone	4.2	Z.ai	$0.047 ↑	2.82s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 29.0% Нестабильные тесты 2 Входные токены 32,525 Выходные токены 1,815 Токены рассуждений 0 Время ответа (среднее) 2.82s Время ответа (суммарно) 59.29s Время ответа (макс.) 8.21s Неверный ответ: 13 Не соблюдены инструкции: 2 Агентные задачи : 0.0 Анти-ИИ уловки : 3.0 Программирование : 3.9 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.2 Следование инструкциям : 6.5 Решение головоломок : 5.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#411#411	MiMo-V2-Flashdefault	3.3	Xiaomi	$0.025 ↑	2.76s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 17 Надежность 6.7 Доля успешных попыток 23.2% Нестабильные тесты 4 Входные токены 36,851 Выходные токены 68,882 Токены рассуждений 0 Время ответа (среднее) 2.76s Время ответа (суммарно) 46.99s Время ответа (макс.) 19.68s Неверный ответ: 13 Не соблюдены инструкции: 2 Ошибка API: 1 Лишнее форматирование: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 3.2 Программирование : 4.3 Комбинированный : 1.5 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 5.3 Общий интеллект : 4.6 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#376#376	Mimo V2 Omnidefault	4.5	Xiaomi	$0.021 ↓	2.44s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 36.2% Нестабильные тесты 1 Входные токены 40,852 Выходные токены 3,314 Токены рассуждений 0 Время ответа (среднее) 2.44s Время ответа (суммарно) 48.81s Время ответа (макс.) 6.81s Неверный ответ: 10 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 3.6 Программирование : 4.4 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 6.5 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#371#371	Mimo V2 PROdefault	4.6	Xiaomi	$0.045 ↓	2.27s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 37.7% Нестабильные тесты 3 Входные токены 39,344 Выходные токены 2,352 Токены рассуждений 0 Время ответа (среднее) 2.27s Время ответа (суммарно) 45.50s Время ответа (макс.) 6.58s Неверный ответ: 11 Не соблюдены инструкции: 2 Ошибка API: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 3.5 Программирование : 5.5 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 6.5 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#328#328	Inkling Smalllow	5.2	Thinkingmachines	$0.055 ↓	1.99s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 47.8% Нестабильные тесты 4 Входные токены 81,447 Выходные токены 2,715 Токены рассуждений 11,971 Время ответа (среднее) 1.99s Время ответа (суммарно) 45.67s Время ответа (макс.) 5.82s Неверный ответ: 9 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Ошибка API: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 9.2 Программирование : 4.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.3 Следование инструкциям : 9.9 Решение головоломок : 5.3 Вызов инструментов : 3.0 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
#347#347	Inkling Smallnone	4.9	Thinkingmachines	$0.054 ↓	1.45s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 23.2% Нестабильные тесты 1 Входные токены 94,733 Выходные токены 7,087 Токены рассуждений 1,683 Время ответа (среднее) 1.45s Время ответа (суммарно) 33.24s Время ответа (макс.) 12.35s Неверный ответ: 15 Ошибка API: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 3.1 Программирование : 3.6 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 3.2 Вызов инструментов : 3.0 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
#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
#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
#405#405	Elephant Alphamedium	3.5	Openrouter	$0.000	1.27s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 15 Надежность Н/Д Доля успешных попыток 27.5% Нестабильные тесты 1 Входные токены 33,744 Выходные токены 2,596 Токены рассуждений 0 Время ответа (среднее) 1.27s Время ответа (суммарно) 22.82s Время ответа (макс.) 3.70s Неверный ответ: 9 Ошибка API: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 6.6 Программирование : 3.7 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.3 Следование инструкциям : 9.8 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#404#404	Elephant Alphadefault	3.6	Openrouter	$0.000	1.22s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 16 Надежность Н/Д Доля успешных попыток 24.6% Нестабильные тесты 1 Входные токены 33,743 Выходные токены 2,573 Токены рассуждений 0 Время ответа (среднее) 1.22s Время ответа (суммарно) 22.03s Время ответа (макс.) 3.81s Неверный ответ: 9 Ошибка API: 3 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 6.6 Программирование : 4.2 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 9.8 Решение головоломок : 4.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#402#402	Grok 4.20 Betadefault	3.6	X AI	$0.087 ↓	1.19s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 29.0% Нестабильные тесты 1 Входные токены 40,597 Выходные токены 1,657 Токены рассуждений 0 Время ответа (среднее) 1.19s Время ответа (суммарно) 21.43s Время ответа (макс.) 6.48s Неверный ответ: 10 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 1.8 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 0.0
#382#382	Mercury 2none	4.4	Inception	$0.033	1.18s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 23.2% Нестабильные тесты 2 Входные токены 100,634 Выходные токены 9,609 Токены рассуждений 100 Время ответа (среднее) 1.18s Время ответа (суммарно) 27.14s Время ответа (макс.) 9.00s Неверный ответ: 17 Не соблюдены инструкции: 2 Агентные задачи : 3.0 Анти-ИИ уловки : 3.0 Программирование : 3.4 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.9 Общий интеллект : 4.8 Следование инструкциям : 6.5 Решение головоломок : 3.1 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