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)
#73#73	GLM 5.2medium	7.8	Z.ai	$0.224 ↓	23.28s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 6 Надежность 9.5 Доля успешных попыток 80.3% Нестабильные тесты 4 Входные токены 37,199 Выходные токены 12,261 Токены рассуждений 49,500 Время ответа (среднее) 23.28s Время ответа (суммарно) 488.94s Время ответа (макс.) 101.36s Неверный ответ: 3 Нет ответа: 2 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#80#80	GLM 5medium	7.7	Z.ai	$0.228 ↓	33.54s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 78.8% Нестабильные тесты 4 Входные токены 35,224 Выходные токены 21,570 Токены рассуждений 102,996 Время ответа (среднее) 33.54s Время ответа (суммарно) 435.99s Время ответа (макс.) 99.85s Неверный ответ: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 5.0 Парсинг и извлечение данных : 7.1 Предметно-ориентированное : 3.5 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#39#39	Muse Spark 1.1medium	8.6	Meta	$1.420	26.25s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 72.7% Нестабильные тесты 2 Входные токены 142,147 Выходные токены 7,905 Токены рассуждений 284,247 Время ответа (среднее) 26.25s Время ответа (суммарно) 577.47s Время ответа (макс.) 165.38s Неверный ответ: 4 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 8.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 7.9 Вызов инструментов : 9.8 Эрудиция : 3.0
#43#43	GPT-5.4medium	8.5	OpenAI	$1.560	22.85s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 77.3% Нестабильные тесты 4 Входные токены 81,136 Выходные токены 6,155 Токены рассуждений 84,311 Время ответа (среднее) 22.85s Время ответа (суммарно) 502.78s Время ответа (макс.) 100.41s Неверный ответ: 5 Не соблюдены инструкции: 2 Анти-ИИ уловки : 8.3 Программирование : 8.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.7 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#45#45	Muse Spark 1.2low	8.4	Meta	$0.655	9.77s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 77.3% Нестабильные тесты 3 Входные токены 101,811 Выходные токены 8,025 Токены рассуждений 115,938 Время ответа (среднее) 9.77s Время ответа (суммарно) 214.83s Время ответа (макс.) 47.80s Неверный ответ: 4 Не соблюдены инструкции: 3 Анти-ИИ уловки : 9.2 Программирование : 8.4 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#50#50	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 78.8% Нестабильные тесты 5 Входные токены 104,433 Выходные токены 6,511 Токены рассуждений 752,680 Время ответа (среднее) 193.59s Время ответа (суммарно) 4258.98s Время ответа (макс.) 885.33s Неверный ответ: 5 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.2 Программирование : 8.2 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 9.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#53#53	Claude Fable 5.1medium	8.3	Anthropic	$2.909	11.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 81.8% Нестабильные тесты 6 Входные токены 135,112 Выходные токены 7,594 Токены рассуждений 23,558 Время ответа (среднее) 11.67s Время ответа (суммарно) 256.73s Время ответа (макс.) 36.59s Неверный ответ: 3 Нет ответа: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.2 Программирование : 7.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 7.3 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 2.8
#54#54	Gemini 2.5 Flashmedium	8.2	Google	$0.644	21.14s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 1 Входные токены 132,507 Выходные токены 12,739 Токены рассуждений 228,626 Время ответа (среднее) 21.14s Время ответа (суммарно) 465.10s Время ответа (макс.) 140.50s Неверный ответ: 6 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.4 Программирование : 7.8 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
#55#55	Claude Sonnet 5medium	8.2	Anthropic	$0.922	12.54s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 75.8% Нестабильные тесты 3 Входные токены 145,953 Выходные токены 52,330 Токены рассуждений 10,874 Время ответа (среднее) 12.54s Время ответа (суммарно) 275.90s Время ответа (макс.) 66.71s Неверный ответ: 5 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 9.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 9.9 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#56#56	Qwen3.8 2.4T A95Blow	8.1	Qwen	$2.672	118.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 9.4 Доля успешных попыток 72.7% Нестабильные тесты 2 Входные токены 113,279 Выходные токены 121,045 Токены рассуждений 374,496 Время ответа (среднее) 118.97s Время ответа (суммарно) 2617.41s Время ответа (макс.) 534.21s Неверный ответ: 4 Нет ответа: 2 Недопустимый вызов инструмента: 1 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
#59#59	Inklinghigh	8.0	Thinkingmachines	$1.046	62.57s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 77.3% Нестабильные тесты 3 Входные токены 86,755 Выходные токены 6,057 Токены рассуждений 230,570 Время ответа (среднее) 62.57s Время ответа (суммарно) 1376.46s Время ответа (макс.) 327.51s Неверный ответ: 4 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 8.5 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 6.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#64#64	Inklingmedium	8.0	Thinkingmachines	$0.383	15.66s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 75.8% Нестабильные тесты 4 Входные токены 124,062 Выходные токены 12,190 Токены рассуждений 51,652 Время ответа (среднее) 15.66s Время ответа (суммарно) 344.52s Время ответа (макс.) 85.12s Неверный ответ: 4 Ошибка API: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 8.7 Программирование : 8.4 Комбинированный : 7.3 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 : 2.8
#69#69	Qwen3.8 27Blow	7.9	Qwen	~$0.071	39.11s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 68.2% Нестабильные тесты 0 Входные токены 99,705 Выходные токены 1,545 Токены рассуждений 167,784 Время ответа (среднее) 39.11s Время ответа (суммарно) 860.51s Время ответа (макс.) 376.04s Неверный ответ: 4 Нет ответа: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 7.7 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 3.0 Эрудиция : 3.0
#70#70	Qwen3.7 Plusmedium	7.9	Qwen	$0.277 ↓	53.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 75.8% Нестабильные тесты 3 Входные токены 115,242 Выходные токены 6,163 Токены рассуждений 181,174 Время ответа (среднее) 53.51s Время ответа (суммарно) 1177.25s Время ответа (макс.) 315.30s Неверный ответ: 5 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 6.1 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#71#71	Qwen3.6 Plusmedium	7.8	Qwen	$0.418 ↑	45.52s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 2 Входные токены 97,698 Выходные токены 6,417 Токены рассуждений 191,215 Время ответа (среднее) 45.52s Время ответа (суммарно) 955.94s Время ответа (макс.) 291.55s Неверный ответ: 5 Ошибка API: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 6.1 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
#96#96	Mercury 2.5 Previewmedium	7.5	Inception	$0.024	3.58s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 1 Входные токены 112,713 Выходные токены 5,436 Токены рассуждений 121,598 Время ответа (среднее) 3.58s Время ответа (суммарно) 78.66s Время ответа (макс.) 17.84s Неверный ответ: 4 Ошибка API: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#101#101	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 9.9 Доля успешных попыток 68.2% Нестабильные тесты 0 Входные токены 95,992 Выходные токены 12,446 Токены рассуждений 0 Время ответа (среднее) 4.56s Время ответа (суммарно) 100.30s Время ответа (макс.) 72.30s Неверный ответ: 7 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#106#106	Grok 4.6low	7.4	X AI	$0.449	14.55s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 1 Входные токены 109,960 Выходные токены 5,124 Токены рассуждений 32,924 Время ответа (среднее) 14.55s Время ответа (суммарно) 320.17s Время ответа (макс.) 26.46s Неверный ответ: 7 Анти-ИИ уловки : 10.0 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#149#149	Gemma 4 26B A4Bmedium	6.8	Google	$0.092 ↓	104.93s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 1 Входные токены 77,528 Выходные токены 26,048 Токены рассуждений 227,598 Время ответа (среднее) 104.93s Время ответа (суммарно) 2203.52s Время ответа (макс.) 912.19s Нет ответа: 2 Тайм-аут: 2 Неверный ответ: 2 Недопустимый вызов инструмента: 1 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
#85#85	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 4 Входные токены 35,593 Выходные токены 12,245 Токены рассуждений 62,277 Время ответа (среднее) 23.00s Время ответа (суммарно) 482.97s Время ответа (макс.) 194.23s Неверный ответ: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 5.0 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
#167#167	Hy3 previewmedium	6.5	Tencent	$0.049 ↕	16.28s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 0 Входные токены 27,030 Выходные токены 73,544 Токены рассуждений 0 Время ответа (среднее) 16.28s Время ответа (суммарно) 293.12s Время ответа (макс.) 46.04s Ошибка API: 3 Неверный ответ: 3 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 5.3 Комбинированный : 5.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#198#198	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность Н/Д Доля успешных попыток 63.6% Нестабильные тесты 0 Входные токены 28,848 Выходные токены 1,490 Токены рассуждений 10,102 Время ответа (среднее) 9.05s Время ответа (суммарно) 90.53s Время ответа (макс.) 26.24s Ошибка API: 4 Неверный ответ: 3 Анти-ИИ уловки : 10.0 Программирование : 3.0 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#37#37	Muse Spark 1.2high	8.7	Meta	$1.771	26.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 9.9 Доля успешных попыток 74.2% Нестабильные тесты 5 Входные токены 117,037 Выходные токены 6,983 Токены рассуждений 375,104 Время ответа (среднее) 26.59s Время ответа (суммарно) 584.89s Время ответа (макс.) 192.00s Неверный ответ: 4 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.1 Программирование : 10.0 Комбинированный : 8.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#38#38	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 74.2% Нестабильные тесты 4 Входные токены 123,680 Выходные токены 7,222 Токены рассуждений 271,442 Время ответа (среднее) 19.67s Время ответа (суммарно) 432.72s Время ответа (макс.) 142.49s Не соблюдены инструкции: 3 Неверный ответ: 3 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.3 Программирование : 10.0 Комбинированный : 8.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#48#48	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 72.7% Нестабильные тесты 4 Входные токены 105,013 Выходные токены 9,914 Токены рассуждений 61,338 Время ответа (среднее) 28.51s Время ответа (суммарно) 456.13s Время ответа (макс.) 116.86s 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

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