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: 2026-09-02 Оценено моделей: 311

Рекомендуемые модели

GPT-5.6 Sol high Интеллектуальная Доля успешных попыток 89.4% Тестов верно 18 / 22 Оценка 9.4/10 GPT-5.6 Luna medium Быстрая Время ответа (среднее) 7.43s Общее число выходных токенов 44,525 Оценка 7.4/10 DeepSeek V4 Flash 0731 high Доступная Цена входа $0.065 / 1M Цена выхода $0.180 / 1M Оценка 8.0/10

311/311

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#245#245	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Открыть карточку модели Всего тестов 16 Ошибочных тестов 3 Надежность Н/Д Доля успешных попыток 59.1% Нестабильные тесты 0 Входные токены 28,980 Выходные токены 1,283 Токены рассуждений 1,533,310 Время ответа (среднее) 68.14s Время ответа (суммарно) 1090.28s Время ответа (макс.) 280.52s Неверный ответ: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 7.5 Программирование : 0.0 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 0.0
#196#196	Grok 4.20 Betamedium	6.0	X AI	$0.750 ↑	9.75s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 4 Надежность Н/Д Доля успешных попыток 66.7% Нестабильные тесты 1 Входные токены 35,955 Выходные токены 1,647 Токены рассуждений 91,565 Время ответа (среднее) 9.75s Время ответа (суммарно) 175.48s Время ответа (макс.) 31.36s Неверный ответ: 3 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.7 Программирование : 3.3 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 0.0
#18#18	Seed 2.1 Turbolow	9.1	Bytedance Seed	$1.546	163.90s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 80.3% Нестабильные тесты 2 Входные токены 104,464 Выходные токены 6,844 Токены рассуждений 590,392 Время ответа (среднее) 163.90s Время ответа (суммарно) 3605.87s Время ответа (макс.) 739.98s Неверный ответ: 3 Нет ответа: 2 Анти-ИИ уловки : 8.2 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#19#19	Qwen3.7 Maxmedium	9.1	Qwen	$1.157 ↓	44.32s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 86.4% Нестабильные тесты 3 Входные токены 106,029 Выходные токены 5,748 Токены рассуждений 220,354 Время ответа (среднее) 44.32s Время ответа (суммарно) 975.11s Время ответа (макс.) 556.06s Неверный ответ: 4 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#23#23	Qwen3.8 Maxmedium	9.0	Qwen	$0.771	23.34s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 80.3% Нестабильные тесты 1 Входные токены 109,055 Выходные токены 6,566 Токены рассуждений 85,481 Время ответа (среднее) 23.34s Время ответа (суммарно) 513.47s Время ответа (макс.) 126.60s Неверный ответ: 4 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#24#24	Muse Spark 1.3high	9.0	Meta	$1.252	117.06s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 9.5 Доля успешных попыток 81.8% Нестабильные тесты 3 Входные токены 99,477 Выходные токены 14,053 Токены рассуждений 251,124 Время ответа (среднее) 117.06s Время ответа (суммарно) 2575.43s Время ответа (макс.) 470.12s Неверный ответ: 2 Ошибка API: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 10.0 Вызов инструментов : 9.6 Эрудиция : 3.0
#25#25	Muse Spark 1.3low	9.0	Meta	$0.633	43.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 9.6 Доля успешных попыток 83.3% Нестабильные тесты 3 Входные токены 104,966 Выходные токены 10,208 Токены рассуждений 107,707 Время ответа (среднее) 43.67s Время ответа (суммарно) 960.70s Время ответа (макс.) 190.38s Неверный ответ: 3 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#26#26	Grok 4.5high	9.0	X AI	$2.252 ↑	72.30s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 86.4% Нестабильные тесты 3 Входные токены 152,175 Выходные токены 5,655 Токены рассуждений 318,807 Время ответа (среднее) 72.30s Время ответа (суммарно) 1590.56s Время ответа (макс.) 676.83s Нет ответа: 2 Неверный ответ: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 4.7 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#31#31	Gemini 3.5 Flash Litehigh	8.8	Google	$0.540	10.05s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 2 Входные токены 93,046 Выходные токены 5,884 Токены рассуждений 198,741 Время ответа (среднее) 10.05s Время ответа (суммарно) 221.06s Время ответа (макс.) 36.22s Неверный ответ: 5 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 9.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#32#32	Claude Opus 4.8medium	8.8	Anthropic	$1.983	12.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 2 Входные токены 138,448 Выходные токены 40,765 Токены рассуждений 11,162 Время ответа (среднее) 12.97s Время ответа (суммарно) 285.29s Время ответа (макс.) 70.54s Неверный ответ: 4 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 9.9 Парсинг и извлечение данных : 7.1 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#40#40	Claude Fable 5medium	8.6	Anthropic	$3.004	15.01s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 78.8% Нестабильные тесты 1 Входные токены 89,640 Выходные токены 33,092 Токены рассуждений 9,054 Время ответа (среднее) 15.01s Время ответа (суммарно) 330.15s Время ответа (макс.) 80.80s Нет ответа: 3 Недопустимый вызов инструмента: 1 Неверный ответ: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#41#41	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 2 Входные токены 79,249 Выходные токены 5,097 Токены рассуждений 165,276 Время ответа (среднее) 66.52s Время ответа (суммарно) 1463.50s Время ответа (макс.) 238.07s Неверный ответ: 4 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 8.8 Комбинированный : 7.3 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
#44#44	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 3 Входные токены 122,155 Выходные токены 5,514 Токены рассуждений 293,946 Время ответа (среднее) 68.59s Время ответа (суммарно) 1508.91s Время ответа (макс.) 436.38s Неверный ответ: 5 Анти-ИИ уловки : 10.0 Программирование : 7.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.5 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#27#27	Muse Spark 1.3medium	9.0	Meta	$1.075	89.78s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 9.3 Доля успешных попыток 81.8% Нестабильные тесты 4 Входные токены 98,062 Выходные токены 13,168 Токены рассуждений 210,826 Время ответа (среднее) 89.78s Время ответа (суммарно) 1975.17s Время ответа (макс.) 356.29s Неверный ответ: 3 Ошибка API: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 7.3 Решение головоломок : 8.4 Вызов инструментов : 9.8 Эрудиция : 3.0
#28#28	GPT-5.3-Codexmedium	8.9	OpenAI	$0.988	16.91s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 4 Входные токены 81,187 Выходные токены 6,258 Токены рассуждений 54,116 Время ответа (среднее) 16.91s Время ответа (суммарно) 372.03s Время ответа (макс.) 100.93s Неверный ответ: 4 Не соблюдены инструкции: 2 Анти-ИИ уловки : 8.7 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.6 Следование инструкциям : 10.0 Решение головоломок : 9.0 Вызов инструментов : 10.0 Эрудиция : 2.8
#29#29	Seed 2.1 Turbohigh	8.9	Bytedance Seed	$1.797	173.96s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 78.8% Нестабильные тесты 3 Входные токены 104,695 Выходные токены 6,645 Токены рассуждений 691,086 Время ответа (среднее) 173.96s Время ответа (суммарно) 3827.19s Время ответа (макс.) 584.71s Неверный ответ: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.2 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#35#35	GLM 5.3 Flashmax	8.7	Z.ai	$0.059	52.10s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 81.8% Нестабильные тесты 3 Входные токены 96,873 Выходные токены 7,637 Токены рассуждений 196,703 Время ответа (среднее) 52.10s Время ответа (суммарно) 1146.24s Время ответа (макс.) 333.47s Неверный ответ: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#42#42	Qwen3.8 Maxlow	8.6	Qwen	$0.702	21.83s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 80.3% Нестабильные тесты 3 Входные токены 99,181 Выходные токены 6,132 Токены рассуждений 77,689 Время ответа (среднее) 21.83s Время ответа (суммарно) 480.37s Время ответа (макс.) 155.75s Неверный ответ: 5 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 9.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#46#46	Grok 4.6medium	8.4	X AI	$1.713	73.46s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 81.8% Нестабильные тесты 4 Входные токены 106,787 Выходные токены 4,811 Токены рассуждений 244,997 Время ответа (среднее) 73.46s Время ответа (суммарно) 1616.12s Время ответа (макс.) 514.35s Неверный ответ: 5 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 9.8 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#47#47	Grok 4.5low	8.4	X AI	$0.945	16.17s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 77.3% Нестабильные тесты 2 Входные токены 125,605 Выходные токены 7,505 Токены рассуждений 107,984 Время ответа (среднее) 16.17s Время ответа (суммарно) 355.67s Время ответа (макс.) 205.28s Неверный ответ: 6 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#49#49	Qwen3.8 27Bhigh	8.4	Qwen	~$0.287	167.89s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 9.6 Доля успешных попыток 77.3% Нестабильные тесты 2 Входные токены 100,179 Выходные токены 904 Токены рассуждений 655,731 Время ответа (среднее) 167.89s Время ответа (суммарно) 3693.54s Время ответа (макс.) 640.85s Не соблюдены инструкции: 2 Нет ответа: 2 Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 8.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#66#66	Kimi K3max	7.9	Moonshot AI	$3.467	142.84s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 9.0 Доля успешных попыток 77.3% Нестабильные тесты 2 Входные токены 34,960 Выходные токены 2,887 Токены рассуждений 221,241 Время ответа (среднее) 142.84s Время ответа (суммарно) 2714.02s Время ответа (макс.) 766.58s Ошибка API: 2 Нет ответа: 2 Лишнее форматирование: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.5 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#78#78	Claude Opus 4.8low	7.8	Anthropic	$2.089	12.88s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 80.3% Нестабильные тесты 3 Входные токены 156,522 Выходные токены 43,056 Токены рассуждений 9,181 Время ответа (среднее) 12.88s Время ответа (суммарно) 283.32s Время ответа (макс.) 127.97s Неверный ответ: 4 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 6.6 Комбинированный : 9.9 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#99#99	Gemini 3.8 Flashlow	7.5	Google	$0.239	4.83s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 81.8% Нестабильные тесты 4 Входные токены 111,773 Выходные токены 8,035 Токены рассуждений 33,289 Время ответа (среднее) 4.83s Время ответа (суммарно) 106.18s Время ответа (макс.) 35.14s Неверный ответ: 5 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 5.4 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.8 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#107#107	Gemini 3 Flash Previewlow	7.4	Google	$0.185	6.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 75.8% Нестабильные тесты 2 Входные токены 123,687 Выходные токены 9,572 Токены рассуждений 31,204 Время ответа (среднее) 6.51s Время ответа (суммарно) 143.12s Время ответа (макс.) 17.13s Неверный ответ: 6 Анти-ИИ уловки : 10.0 Программирование : 5.8 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0

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 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium