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)
#46#46	Qwen3.8 Max (0902)medium	9.0	Qwen	$1.096	30.42s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 84.1% Нестабильные тесты 2 Входные токены 268,540 Выходные токены 7,499 Токены рассуждений 85,499 Время ответа (среднее) 30.42s Время ответа (суммарно) 699.68s Время ответа (макс.) 168.09s Неверный ответ: 5 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 10.0 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
#47#47	Muse Spark 1.3medium	9.0	Meta	$1.712	39.83s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 85.5% Нестабильные тесты 3 Входные токены 250,676 Выходные токены 13,511 Токены рассуждений 315,400 Время ответа (среднее) 39.83s Время ответа (суммарно) 916.20s Время ответа (макс.) 219.77s Неверный ответ: 4 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 9.6 Эрудиция : 3.0
#48#48	Gemini 3.5 Flash Litehigh	9.0	Google	$0.624	11.92s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 84.1% Нестабильные тесты 2 Входные токены 244,529 Выходные токены 6,784 Токены рассуждений 213,142 Время ответа (среднее) 11.92s Время ответа (суммарно) 274.14s Время ответа (макс.) 53.09s Неверный ответ: 5 Агентные задачи : 10.0 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
#57#57	Claude Fable 5medium	8.9	Anthropic	$5.089	16.84s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 79.7% Нестабильные тесты 1 Входные токены 272,411 Выходные токены 35,497 Токены рассуждений 11,788 Время ответа (среднее) 16.84s Время ответа (суммарно) 387.26s Время ответа (макс.) 80.80s Нет ответа: 3 Недопустимый вызов инструмента: 1 Неверный ответ: 1 Агентные задачи : 10.0 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
#69#69	GPT-6 Sollow	8.7	OpenAI	$0.477	8.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 87.0% Нестабильные тесты 4 Входные токены 172,359 Выходные токены 5,026 Токены рассуждений 8,185 Время ответа (среднее) 8.72s Время ответа (суммарно) 200.61s Время ответа (макс.) 48.43s Неверный ответ: 5 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 6.2 Комбинированный : 10.0 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 : 4.7
#75#75	Qwen3.8 Max (0902)low	8.6	Qwen	$1.131	29.07s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 85.5% Нестабильные тесты 3 Входные токены 298,682 Выходные токены 8,374 Токены рассуждений 80,549 Время ответа (среднее) 29.07s Время ответа (суммарно) 668.66s Время ответа (макс.) 207.79s Неверный ответ: 4 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#105#105	Claude Opus 4.7medium	8.1	Anthropic	$3.636	14.12s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 81.2% Нестабильные тесты 2 Входные токены 437,293 Выходные токены 29,102 Токены рассуждений 28,876 Время ответа (среднее) 14.12s Время ответа (суммарно) 310.55s Время ответа (макс.) 150.60s Неверный ответ: 3 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 5.2 Анти-ИИ уловки : 8.3 Программирование : 7.6 Комбинированный : 10.0 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
#119#119	Gemini 3.5 Flashmedium	7.9	Google	$1.316	11.78s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 81.2% Нестабильные тесты 2 Входные токены 296,760 Выходные токены 4,371 Токены рассуждений 92,284 Время ответа (среднее) 11.78s Время ответа (суммарно) 271.03s Время ответа (макс.) 84.47s Неверный ответ: 3 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 2.8 Анти-ИИ уловки : 10.0 Программирование : 7.9 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 10.0
#346#346	Grok 4.20 Betamedium	4.9	X AI	$0.750 ↑	9.75s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 4 Надежность Н/Д Доля успешных попыток 63.8% 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 Агентные задачи : 0.0 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
#181#181	Qwen3.6 Max Previewmedium	7.0	Qwen	$1.132 ↓	66.52s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 79.7% 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 Агентные задачи : 0.0 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
#30#30	Muse Spark Openhigh	9.2	Meta	$1.782	151.96s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 9.4 Доля успешных попыток 76.8% Нестабильные тесты 1 Входные токены 270,889 Выходные токены 10,688 Токены рассуждений 328,857 Время ответа (среднее) 151.96s Время ответа (суммарно) 3495.01s Время ответа (макс.) 960.01s Тайм-аут: 2 Неверный ответ: 2 Ошибка API: 1 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 7.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#32#32	Muse Wondermedium	9.2	Meta	$3.397	21.58s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 9.1 Доля успешных попыток 76.8% Нестабильные тесты 1 Входные токены 241,489 Выходные токены 11,575 Токены рассуждений 109,971 Время ответа (среднее) 21.58s Время ответа (суммарно) 496.40s Время ответа (макс.) 162.73s Ошибка API: 4 Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.6 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 4.7
#37#37	GPT-5.3-Codexmedium	9.1	OpenAI	$1.318	18.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 84.1% Нестабильные тесты 4 Входные токены 222,794 Выходные токены 7,357 Токены рассуждений 58,930 Время ответа (среднее) 18.87s Время ответа (суммарно) 433.94s Время ответа (макс.) 100.93s Неверный ответ: 4 Не соблюдены инструкции: 2 Агентные задачи : 10.0 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
#39#39	Muse Spark 1.3high	9.1	Meta	$1.891	52.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 78.3% Нестабильные тесты 2 Входные токены 257,320 Выходные токены 14,459 Токены рассуждений 354,683 Время ответа (среднее) 52.87s Время ответа (суммарно) 1216.04s Время ответа (макс.) 251.53s Неверный ответ: 3 Не соблюдены инструкции: 2 Нет ответа: 1 Агентные задачи : 10.0 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 : 6.5 Решение головоломок : 8.7 Вызов инструментов : 9.6 Эрудиция : 3.0
#40#40	Muse Wonderlow	9.1	Meta	$2.637	16.00s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 9.7 Доля успешных попыток 76.8% Нестабильные тесты 1 Входные токены 244,997 Выходные токены 11,148 Токены рассуждений 71,699 Время ответа (среднее) 16.00s Время ответа (суммарно) 367.91s Время ответа (макс.) 83.98s Неверный ответ: 4 Ошибка API: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 5.9 Вызов инструментов : 9.8 Эрудиция : 3.0
#42#42	Seed 2.1 Turbohigh	9.1	Bytedance Seed	$1.892	170.52s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 79.7% Нестабильные тесты 3 Входные токены 246,954 Выходные токены 8,378 Токены рассуждений 698,942 Время ответа (среднее) 170.52s Время ответа (суммарно) 3922.04s Время ответа (макс.) 584.71s Неверный ответ: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 10.0 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
#43#43	Muse Wonderminimal	9.1	Meta	$1.639	7.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 9.7 Доля успешных попыток 76.8% Нестабильные тесты 2 Входные токены 238,532 Выходные токены 9,812 Токены рассуждений 24,412 Время ответа (среднее) 7.72s Время ответа (суммарно) 177.57s Время ответа (макс.) 42.89s Ошибка API: 3 Неверный ответ: 3 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#52#52	GLM 5.3 Flashmax	9.0	Z.ai	$0.089	54.04s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 82.6% Нестабильные тесты 3 Входные токены 255,743 Выходные токены 8,684 Токены рассуждений 207,435 Время ответа (среднее) 54.04s Время ответа (суммарно) 1242.97s Время ответа (макс.) 333.47s Неверный ответ: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 10.0 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
#59#59	Qwen3.8 MAXlow	8.8	Qwen	$1.089 ↑	25.09s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 81.2% Нестабильные тесты 3 Входные токены 262,495 Выходные токены 7,787 Токены рассуждений 86,149 Время ответа (среднее) 25.09s Время ответа (суммарно) 577.14s Время ответа (макс.) 155.75s Неверный ответ: 5 Не соблюдены инструкции: 1 Агентные задачи : 10.0 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
#66#66	Qwen3.8 27Bhigh	8.7	Qwen	~$0.298	166.34s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 9.7 Доля успешных попыток 78.3% Нестабильные тесты 2 Входные токены 348,967 Выходные токены 1,005 Токены рассуждений 676,075 Время ответа (среднее) 166.34s Время ответа (суммарно) 3825.81s Время ответа (макс.) 640.85s Не соблюдены инструкции: 2 Нет ответа: 2 Неверный ответ: 2 Агентные задачи : 10.0 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
#79#79	Qwen3.7 Maxmedium	8.5	Qwen	$1.689 ↓	48.35s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 85.5% Нестабильные тесты 4 Входные токены 367,848 Выходные токены 8,753 Токены рассуждений 250,279 Время ответа (среднее) 48.35s Время ответа (суммарно) 1112.11s Время ответа (макс.) 556.06s Неверный ответ: 5 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 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
#93#93	Kimi K3max	8.3	Moonshot AI	$3.409 ↓	139.41s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 9.3 Доля успешных попыток 78.3% Нестабильные тесты 2 Входные токены 170,700 Выходные токены 7,719 Токены рассуждений 225,608 Время ответа (среднее) 139.41s Время ответа (суммарно) 2788.26s Время ответа (макс.) 766.58s Ошибка API: 2 Нет ответа: 2 Лишнее форматирование: 1 Тайм-аут: 1 Агентные задачи : 10.0 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
#95#95	Claude Opus 4.8medium	8.3	Anthropic	$3.490	16.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 82.6% Нестабильные тесты 3 Входные токены 360,294 Выходные токены 43,441 Токены рассуждений 24,401 Время ответа (среднее) 16.72s Время ответа (суммарно) 384.66s Время ответа (макс.) 99.37s Неверный ответ: 5 Нет ответа: 1 Агентные задачи : 6.1 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
#99#99	Grok 4.5high	8.2	X AI	$2.687 ↑	72.50s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 82.6% Нестабильные тесты 3 Входные токены 342,124 Выходные токены 7,135 Токены рассуждений 326,497 Время ответа (среднее) 72.50s Время ответа (суммарно) 1667.51s Время ответа (макс.) 676.83s Неверный ответ: 3 Нет ответа: 2 Не соблюдены инструкции: 1 Агентные задачи : 5.0 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
#124#124	Grok 4.5medium	7.8	X AI	$2.996 ↑	68.44s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 79.7% Нестабильные тесты 3 Входные токены 308,369 Выходные токены 7,013 Токены рассуждений 299,031 Время ответа (среднее) 68.44s Время ответа (суммарно) 1574.14s Время ответа (макс.) 436.38s Неверный ответ: 6 Агентные задачи : 5.0 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

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