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)
#147#147	Seed-2.0-Codehigh	7.5	Bytedance Seed	$1.448	124.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 9.0 Доля успешных попыток 65.2% Нестабильные тесты 5 Входные токены 297,321 Выходные токены 8,997 Токены рассуждений 423,853 Время ответа (среднее) 124.87s Время ответа (суммарно) 2871.96s Время ответа (макс.) 675.30s Неверный ответ: 6 Ошибка API: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 6.2 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.6 Следование инструкциям : 9.8 Решение головоломок : 7.8 Вызов инструментов : 4.7 Эрудиция : 3.0
#203#203	Grok 4.7xhigh	6.7	X AI	$3.398	123.96s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 9.7 Доля успешных попыток 73.9% Нестабильные тесты 6 Входные токены 310,049 Выходные токены 6,094 Токены рассуждений 566,221 Время ответа (среднее) 123.96s Время ответа (суммарно) 2851.07s Время ответа (макс.) 775.64s Нет ответа: 4 Неверный ответ: 3 Ошибка API: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 8.7 Программирование : 5.3 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.7 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#207#207	Grok 4.7high	6.7	X AI	$3.037	122.19s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 9.6 Доля успешных попыток 72.5% Нестабильные тесты 7 Входные токены 329,276 Выходные токены 8,172 Токены рассуждений 479,012 Время ответа (среднее) 122.19s Время ответа (суммарно) 2810.40s Время ответа (макс.) 573.57s Нет ответа: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Неверный ответ: 2 Ошибка API: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 8.7 Программирование : 6.0 Комбинированный : 8.6 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 8.4 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#196#196	Kimi K2.6medium	6.8	Moonshot AI	$1.594 ↑	121.25s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 4 Входные токены 226,880 Выходные токены 65,346 Токены рассуждений 331,325 Время ответа (среднее) 121.25s Время ответа (суммарно) 2667.55s Время ответа (макс.) 876.20s Неверный ответ: 4 Тайм-аут: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 7.0 Программирование : 5.7 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#120#120	Qwen3.8 2.4T A95Bhigh	7.9	Qwen	$2.949 ↑	120.88s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 9.6 Доля успешных попыток 75.4% Нестабильные тесты 4 Входные токены 295,642 Выходные токены 115,041 Токены рассуждений 353,398 Время ответа (среднее) 120.88s Время ответа (суммарно) 2780.16s Время ответа (макс.) 532.28s Неверный ответ: 4 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 5.9 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#82#82	Qwen3.8 2.4T A95Blow	8.4	Qwen	$4.016 ↑	120.40s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 9.6 Доля успешных попыток 73.9% Нестабильные тесты 2 Входные токены 313,881 Выходные токены 123,706 Токены рассуждений 388,328 Время ответа (среднее) 120.40s Время ответа (суммарно) 2769.16s Время ответа (макс.) 534.21s Неверный ответ: 5 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.2 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#88#88	DeepSeek V4 Flash 0731high	8.4	DeepSeek	$0.576 ↑	118.83s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 76.8% Нестабильные тесты 5 Входные токены 281,863 Выходные токены 24,535 Токены рассуждений 507,976 Время ответа (среднее) 118.83s Время ответа (суммарно) 2733.01s Время ответа (макс.) 600.61s Неверный ответ: 5 Не соблюдены инструкции: 2 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 6.3 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#160#160	Grok 4.7medium	7.3	X AI	$2.938	117.65s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 9.8 Доля успешных попыток 78.3% Нестабильные тесты 5 Входные токены 326,066 Выходные токены 5,726 Токены рассуждений 469,019 Время ответа (среднее) 117.65s Время ответа (суммарно) 2706.03s Время ответа (макс.) 660.89s Неверный ответ: 5 Нет ответа: 2 Не соблюдены инструкции: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 10.0 Программирование : 6.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.4 Следование инструкциям : 8.4 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#217#217	LongCat 2.0low	6.6	Meituan	$0.630 ↑	115.00s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 9.9 Доля успешных попыток 55.1% Нестабильные тесты 5 Входные токены 262,387 Выходные токены 7,344 Токены рассуждений 338,881 Время ответа (среднее) 115.00s Время ответа (суммарно) 2645.11s Время ответа (макс.) 560.39s Неверный ответ: 8 Ошибка API: 2 Не соблюдены инструкции: 1 Нет ответа: 1 Тайм-аут: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 6.6 Комбинированный : 10.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 2.9 Общий интеллект : 3.4 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#114#114	Qwen3.5-27Bmedium	7.9	Qwen	$1.135	114.73s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 76.8% Нестабильные тесты 6 Входные токены 288,919 Выходные токены 17,484 Токены рассуждений 617,804 Время ответа (среднее) 114.73s Время ответа (суммарно) 2638.74s Время ответа (макс.) 1026.43s Неверный ответ: 4 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 6.2 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#349#349	Laguna S 2.1high	4.9	Poolside	$0.145 ↓	113.63s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 27.5% Нестабильные тесты 6 Входные токены 344,806 Выходные токены 177,330 Токены рассуждений 453,213 Время ответа (среднее) 113.63s Время ответа (суммарно) 2613.48s Время ответа (макс.) 1190.11s Неверный ответ: 12 Недопустимый вызов инструмента: 2 Нет ответа: 2 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Агентные задачи : 2.8 Анти-ИИ уловки : 3.4 Программирование : 5.3 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.6 Следование инструкциям : 4.6 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#245#245	Qwen3.5-35B-A3Bmedium	6.3	Qwen	$0.716 ↓	111.54s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 7 Входные токены 378,048 Выходные токены 56,477 Токены рассуждений 865,151 Время ответа (среднее) 111.54s Время ответа (суммарно) 2565.38s Время ответа (макс.) 950.25s Нет ответа: 3 Тайм-аут: 3 Неверный ответ: 3 Ошибка API: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 7.4 Анти-ИИ уловки : 10.0 Программирование : 5.9 Комбинированный : 3.8 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.5 Общий интеллект : 2.8 Следование инструкциям : 10.0 Решение головоломок : 8.2 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
#174#174	Qwen3.6 27Bmedium	7.2	Qwen	$1.021 ↑	107.79s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 62.3% Нестабильные тесты 7 Входные токены 264,147 Выходные токены 34,419 Токены рассуждений 253,480 Время ответа (среднее) 107.79s Время ответа (суммарно) 2479.26s Время ответа (макс.) 1085.11s Неверный ответ: 5 Нет ответа: 3 Недопустимый вызов инструмента: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 7.7 Комбинированный : 6.7 Парсинг и извлечение данных : 3.5 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#157#157	Gemma 4 26B A4Bmedium	7.3	Google	$0.101 ↓	105.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 71.0% Нестабильные тесты 1 Входные токены 224,367 Выходные токены 27,095 Токены рассуждений 242,256 Время ответа (среднее) 105.03s Время ответа (суммарно) 2310.63s Время ответа (макс.) 912.19s Нет ответа: 2 Тайм-аут: 2 Неверный ответ: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 2.9 Комбинированный : 6.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#176#176	Qwen3.8 Flash Nextxhigh	7.1	Qwen	~$0.195	102.66s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 9.9 Доля успешных попыток 72.5% Нестабильные тесты 6 Входные токены 301,749 Выходные токены 1,033 Токены рассуждений 620,023 Время ответа (среднее) 102.66s Время ответа (суммарно) 2361.10s Время ответа (макс.) 674.08s Неверный ответ: 6 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 10.0 Программирование : 7.4 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.7 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#384#384	MiniMax M2.5medium	4.3	Minimax	$0.440 ↑	102.32s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 9.3 Доля успешных попыток 42.0% Нестабильные тесты 9 Входные токены 188,239 Выходные токены 27,822 Токены рассуждений 262,674 Время ответа (среднее) 102.32s Время ответа (суммарно) 1637.05s Время ответа (макс.) 600.81s Неверный ответ: 7 Тайм-аут: 5 Не соблюдены инструкции: 3 Нет ответа: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 7.9 Программирование : 3.4 Комбинированный : 3.7 Парсинг и извлечение данных : 4.6 Предметно-ориентированное : 2.9 Общий интеллект : 3.8 Следование инструкциям : 7.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#151#151	Seed-2.0-Codemedium	7.4	Bytedance Seed	$1.275	100.65s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 8.0 Доля успешных попыток 65.2% Нестабильные тесты 7 Входные токены 244,499 Выходные токены 8,744 Токены рассуждений 375,349 Время ответа (среднее) 100.65s Время ответа (суммарно) 2314.88s Время ответа (макс.) 626.58s Неверный ответ: 6 Ошибка API: 4 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 6.9 Программирование : 8.9 Комбинированный : 4.7 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 4.7 Эрудиция : 3.0
#84#84	Muse Glimmer 30Bxhigh	8.4	Meta	$0.585 ↓	97.70s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 9.9 Доля успешных попыток 71.0% Нестабильные тесты 4 Входные токены 287,538 Выходные токены 118,266 Токены рассуждений 346,758 Время ответа (среднее) 97.70s Время ответа (суммарно) 2247.18s Время ответа (макс.) 576.79s Неверный ответ: 4 Нет ответа: 3 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.5 Следование инструкциям : 8.4 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#166#166	Qwen3.5 Plus 2026-02-15medium	7.2	Qwen	$0.567	97.68s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 72.5% Нестабильные тесты 6 Входные токены 249,486 Выходные токены 14,481 Токены рассуждений 288,249 Время ответа (среднее) 97.68s Время ответа (суммарно) 1562.81s Время ответа (макс.) 304.85s Неверный ответ: 6 Тайм-аут: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 8.2 Программирование : 6.6 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.7 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#209#209	Ember-1max	6.7	Fireworks	$3.264	97.34s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 8.3 Доля успешных попыток 59.4% Нестабильные тесты 6 Входные токены 153,399 Выходные токены 7,803 Токены рассуждений 179,098 Время ответа (среднее) 97.34s Время ответа (суммарно) 2238.73s Время ответа (макс.) 587.08s Ошибка API: 8 Неверный ответ: 3 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 5.2 Комбинированный : 6.5 Парсинг и извлечение данных : 6.4 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 6.2 Решение головоломок : 7.7 Вызов инструментов : 3.0 Эрудиция : 3.0
#256#256	Trinity Large Thinkinglow	6.3	Arcee AI	$0.918 ↑	95.16s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 47.8% Нестабильные тесты 6 Входные токены 347,980 Выходные токены 121,898 Токены рассуждений 720,302 Время ответа (среднее) 95.16s Время ответа (суммарно) 2188.74s Время ответа (макс.) 540.96s Неверный ответ: 7 Не соблюдены инструкции: 3 Ошибка API: 2 Недопустимый вызов инструмента: 2 Нет ответа: 1 Агентные задачи : 7.4 Анти-ИИ уловки : 8.3 Программирование : 5.3 Комбинированный : 5.2 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 4.4 Решение головоломок : 6.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#130#130	DeepSeek V4 Flash 0731medium	7.8	DeepSeek	$0.460 ↑	94.16s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 72.5% Нестабильные тесты 8 Входные токены 274,189 Выходные токены 66,689 Токены рассуждений 510,525 Время ответа (среднее) 94.16s Время ответа (суммарно) 2165.72s Время ответа (макс.) 303.26s Неверный ответ: 5 Нет ответа: 3 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.2 Программирование : 6.4 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 8.5 Решение головоломок : 8.2 Вызов инструментов : 10.0 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
#44#44	Muse Spark Openxhigh	9.0	Meta	$2.081	92.38s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 9.6 Доля успешных попыток 81.2% Нестабильные тесты 5 Входные токены 271,242 Выходные токены 11,803 Токены рассуждений 397,838 Время ответа (среднее) 92.38s Время ответа (суммарно) 2124.67s Время ответа (макс.) 482.30s Ошибка API: 2 Неверный ответ: 2 Лишнее форматирование: 1 Нет ответа: 1 Тайм-аут: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 8.2 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