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)
#407#407	Grok 4.20none	3.4	X AI	$0.057 ↓	1.11s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 26.1% Нестабильные тесты 0 Входные токены 41,313 Выходные токены 1,923 Токены рассуждений 0 Время ответа (среднее) 1.11s Время ответа (суммарно) 19.96s Время ответа (макс.) 6.04s Неверный ответ: 10 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 4.8 Программирование : 1.1 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 6.3 Решение головоломок : 5.3 Вызов инструментов : 10.0 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
#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
#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
#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
#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
#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
#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
#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
#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
#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
#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
#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
#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
#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
#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
#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

←

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