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)
#370#370	Owl Alphamedium	4.6	Openrouter	$0.000	11.95s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 36.2% Нестабильные тесты 1 Входные токены 43,478 Выходные токены 2,974 Токены рассуждений 0 Время ответа (среднее) 11.95s Время ответа (суммарно) 250.88s Время ответа (макс.) 58.63s Неверный ответ: 10 Не соблюдены инструкции: 2 Ошибка API: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 4.8 Программирование : 5.4 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#372#372	Owl Alphadefault	4.6	Openrouter	$0.000	9.88s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 1 Входные токены 42,283 Выходные токены 5,913 Токены рассуждений 0 Время ответа (среднее) 9.88s Время ответа (суммарно) 207.38s Время ответа (макс.) 47.10s Неверный ответ: 10 Не соблюдены инструкции: 3 Лишнее форматирование: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 3.4 Программирование : 5.6 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 6.4 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#381#381	Cobuddymedium	4.4	Baidu	$0.000	38.01s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 43.5% Нестабильные тесты 6 Входные токены 37,449 Выходные токены 1,677 Токены рассуждений 116,703 Время ответа (среднее) 38.01s Время ответа (суммарно) 798.15s Время ответа (макс.) 309.02s Неверный ответ: 9 Не соблюдены инструкции: 3 Ошибка API: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 8.7 Программирование : 3.7 Комбинированный : 1.5 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 2.9 Общий интеллект : 4.2 Следование инструкциям : 9.8 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#389#389	Qwen3.6 Plus Previewmedium	4.0	Qwen	$0.000	15.25s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 39.1% Нестабильные тесты 0 Входные токены 32,639 Выходные токены 1,153 Токены рассуждений 62,197 Время ответа (среднее) 15.25s Время ответа (суммарно) 182.96s Время ответа (макс.) 43.55s Ошибка API: 8 Неверный ответ: 2 Агентные задачи : 0.0 Анти-ИИ уловки : 8.3 Программирование : 1.0 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.0 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#392#392	Hunter Alphamedium	3.9	OpenRouter	$0.000	10.33s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 50.7% Нестабильные тесты 6 Входные токены 28,927 Выходные токены 4,682 Токены рассуждений 17,969 Время ответа (среднее) 10.33s Время ответа (суммарно) 175.58s Время ответа (макс.) 30.53s Неверный ответ: 4 Не соблюдены инструкции: 2 Тайм-аут: 2 Ошибка API: 1 Лишнее форматирование: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 7.3 Программирование : 1.0 Комбинированный : 2.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 7.0 Следование инструкциям : 9.9 Решение головоломок : 6.1 Вызов инструментов : 10.0 Эрудиция : 0.0
#395#395	Ling 3.0 Tinydefault	3.8	Inclusionai	$0.000	13.39s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 21 Надежность 9.8 Доля успешных попыток 8.7% Нестабильные тесты 0 Входные токены 184,579 Выходные токены 110,071 Токены рассуждений 0 Время ответа (среднее) 13.39s Время ответа (суммарно) 294.48s Время ответа (макс.) 240.61s Неверный ответ: 13 Не соблюдены инструкции: 4 Ошибка API: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 4.8 Программирование : 4.2 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 3.4 Следование инструкциям : 3.1 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#398#398	Xing4.0 29b A4bmedium	3.7	Xingchen AGI	$0.000	371.69s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 22 Надежность 7.3 Доля успешных попыток 26.1% Нестабильные тесты 11 Входные токены 98,467 Выходные токены 3,385 Токены рассуждений 104,595 Время ответа (среднее) 371.69s Время ответа (суммарно) 8548.88s Время ответа (макс.) 971.85s Неверный ответ: 9 Тайм-аут: 6 Ошибка API: 4 Не соблюдены инструкции: 3 Агентные задачи : 3.0 Анти-ИИ уловки : 3.8 Программирование : 4.2 Комбинированный : 3.0 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 3.6 Общий интеллект : 3.2 Следование инструкциям : 4.3 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#399#399	Ling 3.0 Tinyhigh	3.7	Inclusionai	$0.000	72.24s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 23.2% Нестабильные тесты 3 Входные токены 115,314 Выходные токены 133,965 Токены рассуждений 816,718 Время ответа (среднее) 72.24s Время ответа (суммарно) 1589.23s Время ответа (макс.) 345.15s Нет ответа: 7 Неверный ответ: 6 Не соблюдены инструкции: 3 Ошибка API: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 6.4 Программирование : 2.9 Комбинированный : 3.0 Парсинг и извлечение данных : 2.8 Предметно-ориентированное : 2.9 Общий интеллект : 5.4 Следование инструкциям : 6.8 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#400#400	Ling 3.0 Tinylow	3.7	Inclusionai	$0.000	63.15s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 9.6 Доля успешных попыток 18.8% Нестабильные тесты 1 Входные токены 99,662 Выходные токены 146,555 Токены рассуждений 732,977 Время ответа (среднее) 63.15s Время ответа (суммарно) 1389.35s Время ответа (макс.) 252.08s Нет ответа: 7 Неверный ответ: 5 Не соблюдены инструкции: 4 Ошибка API: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 6.5 Программирование : 2.9 Комбинированный : 3.0 Парсинг и извлечение данных : 2.8 Предметно-ориентированное : 3.0 Общий интеллект : 5.1 Следование инструкциям : 6.6 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#401#401	Ling 3.0 Tinymedium	3.6	Inclusionai	$0.000	64.99s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 9.6 Доля успешных попыток 23.2% Нестабильные тесты 3 Входные токены 103,898 Выходные токены 148,304 Токены рассуждений 774,972 Время ответа (среднее) 64.99s Время ответа (суммарно) 1429.68s Время ответа (макс.) 262.20s Нет ответа: 7 Неверный ответ: 5 Не соблюдены инструкции: 4 Ошибка API: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 6.5 Программирование : 2.9 Комбинированный : 3.0 Парсинг и извлечение данных : 2.7 Предметно-ориентированное : 3.0 Общий интеллект : 3.8 Следование инструкциям : 6.8 Решение головоломок : 3.6 Вызов инструментов : 10.0 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
#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
#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
#412#412	Xing4.0 29b A4bnone	3.3	Xingchen AGI	$0.000	42.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 23 Надежность 8.8 Доля успешных попыток 7.3% Нестабильные тесты 4 Входные токены 153,665 Выходные токены 26,540 Токены рассуждений 0 Время ответа (среднее) 42.72s Время ответа (суммарно) 982.66s Время ответа (макс.) 634.11s Неверный ответ: 13 Не соблюдены инструкции: 5 Ошибка API: 3 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 3.3 Программирование : 3.6 Комбинированный : 3.0 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 3.0 Общий интеллект : 3.4 Следование инструкциям : 4.0 Решение головоломок : 3.1 Вызов инструментов : 4.7 Эрудиция : 3.0
#417#417	Command A+none	3.0	Cohere	$0.000	77.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 23 Надежность 0.0 Доля успешных попыток 0.0% Нестабильные тесты 0 Входные токены 0 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 77.87s Время ответа (суммарно) 1791.03s Время ответа (макс.) 106.37s Ошибка API: 23 Агентные задачи : 3.0 Анти-ИИ уловки : 3.0 Программирование : 3.0 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.0 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#420#420	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	2.7	NVIDIA	$0.000	17.13s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 26.1% Нестабильные тесты 5 Входные токены 11,661 Выходные токены 48,491 Токены рассуждений 180,695 Время ответа (среднее) 17.13s Время ответа (суммарно) 222.66s Время ответа (макс.) 147.45s Неверный ответ: 7 Ошибка API: 6 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 6.4 Программирование : 1.1 Комбинированный : 1.5 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 3.0 Следование инструкциям : 7.3 Решение головоломок : 2.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#422#422	Nemotron 3 Nano Omni 30b A3b Reasoningdefault	2.6	NVIDIA	$0.000	728ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 14.5% Нестабильные тесты 2 Входные токены 11,661 Выходные токены 1,302 Токены рассуждений 0 Время ответа (среднее) 728ms Время ответа (суммарно) 9.47s Время ответа (макс.) 2.21s Неверный ответ: 9 Ошибка API: 6 Не соблюдены инструкции: 2 Агентные задачи : 0.0 Анти-ИИ уловки : 4.8 Программирование : 3.3 Комбинированный : 1.5 Парсинг и извлечение данных : 3.8 Предметно-ориентированное : 3.6 Общий интеллект : 3.0 Следование инструкциям : 4.8 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0

←

1 17 18

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