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)
#368#368	Laguna S 2.1low	4.6	Poolside	$0.108 ↓	88.24s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 20 Надежность 10.0 Доля успешных попыток 23.2% Нестабильные тесты 6 Входные токены 232,641 Выходные токены 69,335 Токены рассуждений 426,182 Время ответа (среднее) 88.24s Время ответа (суммарно) 2029.57s Время ответа (макс.) 814.73s Неверный ответ: 16 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 2.8 Анти-ИИ уловки : 3.4 Программирование : 3.8 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 4.3 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#380#380	Granite 4.2 8Bnone	4.4	IBM Granite	$0.037	84.66s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 20 Надежность 9.1 Доля успешных попыток 15.9% Нестабильные тесты 2 Входные токены 226,872 Выходные токены 133,268 Токены рассуждений 0 Время ответа (среднее) 84.66s Время ответа (суммарно) 1947.17s Время ответа (макс.) 747.17s Неверный ответ: 11 Лишнее форматирование: 4 Тайм-аут: 3 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 4.9 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#390#390	Qwen3.5-9Bmedium	4.0	Qwen	$0.106	110.18s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 20 Надежность 8.7 Доля успешных попыток 26.1% Нестабильные тесты 6 Входные токены 387,323 Выходные токены 48,562 Токены рассуждений 410,431 Время ответа (среднее) 110.18s Время ответа (суммарно) 1873.00s Время ответа (макс.) 569.97s Тайм-аут: 11 Нет ответа: 3 Неверный ответ: 2 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.2 Анти-ИИ уловки : 5.1 Программирование : 2.9 Комбинированный : 3.0 Парсинг и извлечение данных : 3.6 Предметно-ориентированное : 3.6 Общий интеллект : 2.8 Следование инструкциям : 6.5 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#397#397	Nemotron 3.5 Lightningnone	3.8	NVIDIA	$0.009 ↕	15.92s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 20 Надежность 9.8 Доля успешных попыток 15.9% Нестабильные тесты 2 Входные токены 97,418 Выходные токены 4,779 Токены рассуждений 0 Время ответа (среднее) 15.92s Время ответа (суммарно) 366.20s Время ответа (макс.) 339.57s Неверный ответ: 16 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Тайм-аут: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 4.8 Программирование : 3.1 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 2.8 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
#361#361	Laguna S 2.1none	4.7	Poolside	$0.044 ↓	17.65s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 21 Надежность 10.0 Доля успешных попыток 14.5% Нестабильные тесты 3 Входные токены 287,445 Выходные токены 99,097 Токены рассуждений 0 Время ответа (среднее) 17.65s Время ответа (суммарно) 406.05s Время ответа (макс.) 200.52s Неверный ответ: 18 Не соблюдены инструкции: 2 Нет ответа: 1 Агентные задачи : 5.4 Анти-ИИ уловки : 3.1 Программирование : 3.4 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 4.3 Решение головоломок : 3.1 Вызов инструментов : 4.7 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
#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
#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
#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
#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
#408#408	Command A+medium	3.4	Cohere	$0.064	91.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 23 Надежность 3.5 Доля успешных попыток 0.0% Нестабильные тесты 0 Входные токены 118,771 Выходные токены 4,127 Токены рассуждений 14,668 Время ответа (среднее) 91.72s Время ответа (суммарно) 2109.54s Время ответа (макс.) 112.76s Ошибка API: 22 Неверный ответ: 1 Агентные задачи : 5.0 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
#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
#414#414	Command A+high	3.2	Cohere	$0.079	89.96s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 23 Надежность 3.5 Доля успешных попыток 0.0% Нестабильные тесты 0 Входные токены 117,966 Выходные токены 5,149 Токены рассуждений 23,514 Время ответа (среднее) 89.96s Время ответа (суммарно) 2069.01s Время ответа (макс.) 156.00s Ошибка API: 22 Неверный ответ: 1 Агентные задачи : 3.9 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
#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
#418#418	Command A+low	3.0	Cohere	$0.073	92.50s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 23 Надежность 3.5 Доля успешных попыток 1.5% Нестабильные тесты 1 Входные токены 114,874 Выходные токены 1,992 Токены рассуждений 23,529 Время ответа (среднее) 92.50s Время ответа (суммарно) 2127.40s Время ответа (макс.) 128.54s Ошибка API: 22 Неверный ответ: 1 Агентные задачи : 2.8 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

←

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