AI BENCHY

Таблица лидеров ИИ-бенчмарка

Name: Результаты бенчмарка моделей AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-03 Оценено моделей: 161

161/161

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#29#29	GLM 5 Turbomedium	7.9	Z.ai	$0.285 ↑	22.65s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 73.3% Нестабильные тесты 4 Входные токены 32,995 Выходные токены 12,228 Токены рассуждений 53,503 Время ответа (среднее) 22.65s Время ответа (суммарно) 453.09s Время ответа (макс.) 194.23s Неверный ответ: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 7.3 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#30#30	GPT-5.2 Chatnone	7.9	OpenAI	$0.352	6.82s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 73.3% Нестабильные тесты 3 Входные токены 31,593 Выходные токены 21,144 Токены рассуждений 0 Время ответа (среднее) 6.82s Время ответа (суммарно) 136.34s Время ответа (макс.) 38.52s Неверный ответ: 6 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.7 Программирование : 8.2 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.4 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#33#33	Grok 4.3medium	7.8	X AI	$0.593	49.23s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 75.0% Нестабильные тесты 4 Входные токены 41,532 Выходные токены 1,485 Токены рассуждений 214,710 Время ответа (среднее) 49.23s Время ответа (суммарно) 984.52s Время ответа (макс.) 216.69s Неверный ответ: 4 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Анти-ИИ уловки : 10.0 Программирование : 7.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.4 Следование инструкциям : 9.8 Решение головоломок : 5.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#34#34	Qwen3.6 Plusmedium	7.8	Qwen	$0.260 ↑	26.81s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 68.3% Нестабильные тесты 2 Входные токены 38,730 Выходные токены 1,833 Токены рассуждений 124,782 Время ответа (среднее) 26.81s Время ответа (суммарно) 509.43s Время ответа (макс.) 201.68s Неверный ответ: 5 Ошибка API: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 4.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#35#35	Gemini 3.1 Flash Lite Previewmedium	7.7	Google	$0.063	3.94s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 65.0% Нестабильные тесты 0 Входные токены 34,781 Выходные токены 2,204 Токены рассуждений 33,657 Время ответа (среднее) 3.94s Время ответа (суммарно) 78.74s Время ответа (макс.) 14.93s Неверный ответ: 6 Не соблюдены инструкции: 1 Анти-ИИ уловки : 9.1 Программирование : 6.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#36#36	Gemini 3.1 Flash Litemedium	7.7	Google	$0.065	3.18s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 68.3% Нестабильные тесты 2 Входные токены 33,803 Выходные токены 2,248 Токены рассуждений 35,390 Время ответа (среднее) 3.18s Время ответа (суммарно) 63.55s Время ответа (макс.) 10.87s Неверный ответ: 6 Не соблюдены инструкции: 1 Анти-ИИ уловки : 9.1 Программирование : 6.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#37#37	Gemini 2.5 Flashmedium	7.7	Google	$0.358	15.57s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 68.3% Нестабильные тесты 1 Входные токены 31,473 Выходные токены 1,924 Токены рассуждений 137,255 Время ответа (среднее) 15.57s Время ответа (суммарно) 311.47s Время ответа (макс.) 95.48s Неверный ответ: 6 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.4 Программирование : 6.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.8 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#38#38	Qwen3.5-122B-A10Bmedium	7.7	Qwen	$0.509 ↓	39.40s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 71.7% Нестабильные тесты 3 Входные токены 38,997 Выходные токены 26,166 Токены рассуждений 213,524 Время ответа (среднее) 39.40s Время ответа (суммарно) 788.00s Время ответа (макс.) 168.16s Неверный ответ: 5 Тайм-аут: 2 Анти-ИИ уловки : 10.0 Программирование : 4.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 3.4 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#39#39	Gemini 3 Flash Previewnone	7.7	Google	$0.023	1.70s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 70.0% Нестабильные тесты 2 Входные токены 34,008 Выходные токены 1,879 Токены рассуждений 0 Время ответа (среднее) 1.70s Время ответа (суммарно) 22.05s Время ответа (макс.) 3.56s Неверный ответ: 7 Анти-ИИ уловки : 8.3 Программирование : 6.8 Комбинированный : 4.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#40#40	Grok Build 0.1medium	7.7	X AI	$0.729	42.39s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 65.0% Нестабильные тесты 0 Входные токены 41,496 Выходные токены 2,258 Токены рассуждений 341,381 Время ответа (среднее) 42.39s Время ответа (суммарно) 847.76s Время ответа (макс.) 252.69s Неверный ответ: 4 Лишнее форматирование: 3 Анти-ИИ уловки : 8.3 Программирование : 7.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.4 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#44#44	Gemini 3.1 Flash Lite Previewlow	7.6	Google	$0.025	2.85s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 65.0% Нестабильные тесты 0 Входные токены 29,708 Выходные токены 2,280 Токены рассуждений 8,829 Время ответа (среднее) 2.85s Время ответа (суммарно) 57.08s Время ответа (макс.) 11.91s Неверный ответ: 6 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.3 Программирование : 6.8 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#47#47	Claude Sonnet 4.6medium	7.6	Anthropic	$1.330	15.81s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 1 Входные токены 45,947 Выходные токены 49,891 Токены рассуждений 29,565 Время ответа (среднее) 15.81s Время ответа (суммарно) 189.71s Время ответа (макс.) 46.35s Лишнее форматирование: 3 Неверный ответ: 3 Тайм-аут: 1 Анти-ИИ уловки : 6.5 Программирование : 7.2 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#41#41	Qwen3.6 Flashmedium	7.6	Qwen	$0.272 ↓	18.97s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 71.7% Нестабильные тесты 4 Входные токены 39,527 Выходные токены 2,974 Токены рассуждений 231,797 Время ответа (среднее) 18.97s Время ответа (суммарно) 379.49s Время ответа (макс.) 122.87s Неверный ответ: 7 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 5.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.8 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#42#42	DeepSeek V4 Flashhigh	7.6	DeepSeek	$0.027 ↓	46.36s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 73.3% Нестабильные тесты 4 Входные токены 37,156 Выходные токены 10,302 Токены рассуждений 115,740 Время ответа (среднее) 46.36s Время ответа (суммарно) 927.27s Время ответа (макс.) 218.13s Неверный ответ: 6 Не соблюдены инструкции: 2 Анти-ИИ уловки : 8.3 Программирование : 6.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#43#43	MiMo-V2.5-Promedium	7.6	Xiaomi	$0.090 ↓	21.79s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 68.3% Нестабильные тесты 3 Входные токены 39,096 Выходные токены 5,004 Токены рассуждений 80,295 Время ответа (среднее) 21.79s Время ответа (суммарно) 435.79s Время ответа (макс.) 130.77s Лишнее форматирование: 3 Неверный ответ: 3 Не соблюдены инструкции: 2 Анти-ИИ уловки : 10.0 Программирование : 7.0 Комбинированный : 10.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 5.5 Следование инструкциям : 9.9 Решение головоломок : 6.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#45#45	Qwen3.5-Flashmedium	7.6	Qwen	$0.074 ↓	63.04s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 75.0% Нестабильные тесты 5 Входные токены 37,036 Выходные токены 2,074 Токены рассуждений 272,063 Время ответа (среднее) 63.04s Время ответа (суммарно) 1197.71s Время ответа (макс.) 234.29s Тайм-аут: 3 Неверный ответ: 3 Ошибка API: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 4.1 Комбинированный : 10.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#46#46	Mimo V2 PROmedium	7.6	Xiaomi	$0.333 ↑	22.16s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 9.6 Доля успешных попыток 76.7% Нестабильные тесты 5 Входные токены 40,961 Выходные токены 2,518 Токены рассуждений 81,801 Время ответа (среднее) 22.16s Время ответа (суммарно) 443.22s Время ответа (макс.) 136.29s Неверный ответ: 5 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 7.5 Комбинированный : 4.7 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 6.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#48#48	Qwen3.5 Plus 2026-04-20medium	7.5	Qwen	$0.287 ↓	43.65s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 65.0% Нестабильные тесты 2 Входные токены 39,262 Выходные токены 2,259 Токены рассуждений 150,249 Время ответа (среднее) 43.65s Время ответа (суммарно) 872.90s Время ответа (макс.) 189.38s Неверный ответ: 8 Анти-ИИ уловки : 10.0 Программирование : 4.3 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.9 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#49#49	Gemini 3.1 Flash Lite Previewnone	7.5	Google	$0.017	1.23s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 63.3% Нестабильные тесты 1 Входные токены 34,579 Выходные токены 5,541 Токены рассуждений 0 Время ответа (среднее) 1.23s Время ответа (суммарно) 24.68s Время ответа (макс.) 3.39s Неверный ответ: 6 Не соблюдены инструкции: 2 Анти-ИИ уловки : 7.5 Программирование : 6.8 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#50#50	Kimi K2.6medium	7.4	Moonshot AI	$0.803 ↓	54.03s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 68.3% Нестабильные тесты 3 Входные токены 28,584 Выходные токены 102,208 Токены рассуждений 229,120 Время ответа (среднее) 54.03s Время ответа (суммарно) 1026.57s Время ответа (макс.) 215.85s Неверный ответ: 3 Не соблюдены инструкции: 2 Тайм-аут: 2 Нет ответа: 1 Анти-ИИ уловки : 7.0 Программирование : 6.8 Комбинированный : 10.0 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
#51#51	Gemini 3.1 Flash Litelow	7.4	Google	$0.026	1.92s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 65.0% Нестабильные тесты 2 Входные токены 33,889 Выходные токены 2,726 Токены рассуждений 8,951 Время ответа (среднее) 1.92s Время ответа (суммарно) 38.45s Время ответа (макс.) 5.66s Неверный ответ: 8 Анти-ИИ уловки : 7.3 Программирование : 6.8 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#52#52	GLM 5.1medium	7.4	Z.ai	$0.279 ↓	33.45s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 5.0 Доля успешных попыток 68.3% Нестабильные тесты 3 Входные токены 30,397 Выходные токены 11,511 Токены рассуждений 71,979 Время ответа (среднее) 33.45s Время ответа (суммарно) 635.63s Время ответа (макс.) 172.60s Неверный ответ: 4 Тайм-аут: 2 Ошибка API: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 4.6 Комбинированный : 9.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 8.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#53#53	GPT-5.3 Chatnone	7.4	OpenAI	$0.402	6.13s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 68.3% Нестабильные тесты 4 Входные токены 31,590 Выходные токены 24,757 Токены рассуждений 0 Время ответа (среднее) 6.13s Время ответа (суммарно) 122.61s Время ответа (макс.) 18.33s Неверный ответ: 6 Не соблюдены инструкции: 2 Анти-ИИ уловки : 6.7 Программирование : 6.9 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.6 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#54#54	MiMo-V2.5medium	7.4	Xiaomi	$0.052 ↓	20.35s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 70.0% Нестабильные тесты 4 Входные токены 39,201 Выходные токены 2,806 Токены рассуждений 161,888 Время ответа (среднее) 20.35s Время ответа (суммарно) 406.94s Время ответа (макс.) 97.49s Неверный ответ: 4 Лишнее форматирование: 2 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 6.9 Комбинированный : 10.0 Парсинг и извлечение данных : 2.7 Предметно-ориентированное : 5.3 Общий интеллект : 5.4 Следование инструкциям : 9.9 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#56#56	Step 3.7 Flashlow	7.4	Stepfun	$0.336	16.06s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 68.3% Нестабильные тесты 3 Входные токены 37,458 Выходные токены 285,209 Токены рассуждений 0 Время ответа (среднее) 16.06s Время ответа (суммарно) 321.11s Время ответа (макс.) 124.75s Неверный ответ: 7 Нет ответа: 1 Анти-ИИ уловки : 8.7 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 3.4 Следование инструкциям : 9.8 Решение головоломок : 5.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#58#58	Qwen3.6 35B A3Bmedium	7.3	Qwen	$0.130 ↑	17.26s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 61.7% Нестабильные тесты 1 Входные токены 13,550 Выходные токены 18,304 Токены рассуждений 115,531 Время ответа (среднее) 17.26s Время ответа (суммарно) 310.65s Время ответа (макс.) 86.11s Неверный ответ: 4 Ошибка API: 2 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 6.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.4 Следование инструкциям : 10.0 Решение головоломок : 8.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#59#59	GPT-5.2medium	7.3	OpenAI	$0.492	16.50s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 70.0% Нестабильные тесты 4 Входные токены 31,348 Выходные токены 2,880 Токены рассуждений 28,289 Время ответа (среднее) 16.50s Время ответа (суммарно) 214.45s Время ответа (макс.) 77.80s Не соблюдены инструкции: 3 Неверный ответ: 3 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 6.5 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 3.7 Следование инструкциям : 9.9 Решение головоломок : 7.5 Вызов инструментов : 4.7 Эрудиция : 3.0
#62#62	Claude Opus 4.8none	7.3	Anthropic	$0.519	3.51s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 65.0% Нестабильные тесты 2 Входные токены 63,282 Выходные токены 8,098 Токены рассуждений 0 Время ответа (среднее) 3.51s Время ответа (суммарно) 70.19s Время ответа (макс.) 17.73s Лишнее форматирование: 3 Неверный ответ: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 6.5 Программирование : 6.8 Комбинированный : 9.5 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#64#64	Claude Opus 4.6medium	7.2	Anthropic	$1.896	25.45s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 63.3% Нестабильные тесты 2 Входные токены 50,062 Выходные токены 42,254 Токены рассуждений 23,554 Время ответа (среднее) 25.45s Время ответа (суммарно) 330.91s Время ответа (макс.) 83.40s Лишнее форматирование: 4 Неверный ответ: 3 Не соблюдены инструкции: 1 Анти-ИИ уловки : 6.4 Программирование : 7.2 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#55#55	Step 3.5 Flashmedium	7.4	Stepfun	$0.062 ↑	43.20s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 59.7% Нестабильные тесты 1 Входные токены 33,555 Выходные токены 90,478 Токены рассуждений 173,544 Время ответа (среднее) 43.20s Время ответа (суммарно) 561.54s Время ответа (макс.) 170.45s Неверный ответ: 4 Не соблюдены инструкции: 3 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 3.5 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.5 Следование инструкциям : 8.3 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0

Быстрое сравнение

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

Таблица лидеров ИИ-бенчмарка

Фильтровать модели

Быстрое сравнение