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: 2026-09-04 Оценено моделей: 316

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

316/316

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#89#89	DeepSeek V4 Flash 0423high	7.6	DeepSeek	$0.042 ↓	51.81s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 4 Входные токены 108,480 Выходные токены 37,229 Токены рассуждений 174,081 Время ответа (среднее) 51.81s Время ответа (суммарно) 1139.75s Время ответа (макс.) 218.13s Неверный ответ: 6 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.3 Программирование : 7.8 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#90#90	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
#91#91	GPT-5.6 Lunahigh	7.6	OpenAI	$0.179 ↓	16.49s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 4 Входные токены 80,927 Выходные токены 5,088 Токены рассуждений 130,227 Время ответа (среднее) 16.49s Время ответа (суммарно) 362.78s Время ответа (макс.) 111.09s Неверный ответ: 8 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.9 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#92#92	Solar Pro 4xhigh	7.6	Upstage	$0.050	134.85s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 60.6% Нестабильные тесты 2 Входные токены 98,116 Выходные токены 21,720 Токены рассуждений 367,730 Время ответа (среднее) 134.85s Время ответа (суммарно) 2966.79s Время ответа (макс.) 491.42s Неверный ответ: 4 Не соблюдены инструкции: 3 Нет ответа: 2 Лишнее форматирование: 1 Анти-ИИ уловки : 8.3 Программирование : 5.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.5 Следование инструкциям : 8.4 Решение головоломок : 8.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#94#94	Claude Opus 5none	7.5	Anthropic	$1.550	7.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 57.6% Нестабильные тесты 1 Входные токены 185,547 Выходные токены 24,866 Токены рассуждений 0 Время ответа (среднее) 7.65s Время ответа (суммарно) 168.35s Время ответа (макс.) 47.72s Неверный ответ: 6 Лишнее форматирование: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 5.5 Программирование : 5.9 Комбинированный : 8.3 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
#95#95	GPT-5.4 Nanomedium	7.5	OpenAI	$0.142	13.32s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 4 Входные токены 82,828 Выходные токены 7,100 Токены рассуждений 92,781 Время ответа (среднее) 13.32s Время ответа (суммарно) 292.97s Время ответа (макс.) 94.06s Неверный ответ: 8 Не соблюдены инструкции: 2 Анти-ИИ уловки : 8.3 Программирование : 6.1 Комбинированный : 9.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.5 Следование инструкциям : 9.8 Решение головоломок : 4.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#96#96	GPT-5.6 Terralow	7.5	OpenAI	$0.420 ↓	5.45s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 74.2% Нестабильные тесты 6 Входные токены 80,304 Выходные токены 4,714 Токены рассуждений 16,872 Время ответа (среднее) 5.45s Время ответа (суммарно) 119.83s Время ответа (макс.) 19.85s Неверный ответ: 8 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.3 Программирование : 6.6 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 4.7 Эрудиция : 3.0
#98#98	GPT 5.3 Chatnone	7.5	OpenAI	$0.533	6.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 4 Входные токены 78,846 Выходные токены 28,179 Токены рассуждений 0 Время ответа (среднее) 6.56s Время ответа (суммарно) 137.77s Время ответа (макс.) 18.33s Неверный ответ: 6 Не соблюдены инструкции: 2 Ошибка API: 1 Анти-ИИ уловки : 6.7 Программирование : 5.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.6 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#99#99	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.459 ↓	91.76s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 72.7% Нестабильные тесты 5 Входные токены 113,569 Выходные токены 9,823 Токены рассуждений 264,886 Время ответа (среднее) 91.76s Время ответа (суммарно) 1376.42s Время ответа (макс.) 304.85s Неверный ответ: 4 Тайм-аут: 2 Ошибка API: 1 Недопустимый вызов инструмента: 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
#100#100	Qwen3.5-27Bmedium	7.5	Qwen	$0.982 ↓	113.28s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 75.8% Нестабильные тесты 6 Входные токены 111,644 Выходные токены 16,113 Токены рассуждений 598,796 Время ответа (среднее) 113.28s Время ответа (суммарно) 2492.26s Время ответа (макс.) 1026.43s Неверный ответ: 4 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 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
#101#101	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
#102#102	GPT-5.4 Minimedium	7.5	OpenAI	$0.786	26.72s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 68.2% Нестабильные тесты 5 Входные токены 97,164 Выходные токены 6,211 Токены рассуждений 152,133 Время ответа (среднее) 26.72s Время ответа (суммарно) 587.90s Время ответа (макс.) 138.75s Неверный ответ: 6 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.6 Программирование : 8.4 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.5 Следование инструкциям : 9.8 Решение головоломок : 7.8 Вызов инструментов : 4.7 Эрудиция : 3.0
#103#103	Grok Build 0.1medium	7.5	X AI	$1.130	54.50s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 60.6% Нестабильные тесты 1 Входные токены 106,946 Выходные токены 7,993 Токены рассуждений 503,413 Время ответа (среднее) 54.50s Время ответа (суммарно) 1199.07s Время ответа (макс.) 252.69s Неверный ответ: 6 Лишнее форматирование: 3 Анти-ИИ уловки : 8.3 Программирование : 5.7 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.4 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#104#104	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
#105#105	Gemini 3.1 Flash Lite Previewmedium	7.4	Google	$0.117	4.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 0 Входные токены 117,493 Выходные токены 10,589 Токены рассуждений 47,189 Время ответа (среднее) 4.59s Время ответа (суммарно) 101.04s Время ответа (макс.) 18.34s Неверный ответ: 6 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 9.1 Программирование : 5.5 Комбинированный : 7.2 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
#107#107	Kimi K2.7 Codemedium	7.4	Moonshot AI	$0.687 ↓	80.09s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 5 Входные токены 72,085 Выходные токены 57,453 Токены рассуждений 182,093 Время ответа (среднее) 80.09s Время ответа (суммарно) 1681.85s Время ответа (макс.) 365.80s Неверный ответ: 6 Тайм-аут: 3 Ошибка API: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 7.3 Программирование : 7.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.7 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 5.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#108#108	GPT-5.6 Lunamedium	7.4	OpenAI	$0.072 ↓	7.43s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 62.1% Нестабильные тесты 2 Входные токены 89,685 Выходные токены 5,701 Токены рассуждений 38,824 Время ответа (среднее) 7.43s Время ответа (суммарно) 163.54s Время ответа (макс.) 29.85s Неверный ответ: 9 Анти-ИИ уловки : 8.3 Программирование : 5.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.9 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#109#109	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 59.1% Нестабильные тесты 2 Входные токены 97,324 Выходные токены 44,383 Токены рассуждений 346,490 Время ответа (среднее) 143.55s Время ответа (суммарно) 3158.11s Время ответа (макс.) 939.52s Неверный ответ: 7 Ошибка API: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 7.3 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 6.5 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#111#111	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
#112#112	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
#113#113	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 57.6% Нестабильные тесты 1 Входные токены 123,273 Выходные токены 19,362 Токены рассуждений 0 Время ответа (среднее) 7.67s Время ответа (суммарно) 122.78s Время ответа (макс.) 51.18s Неверный ответ: 5 Лишнее форматирование: 4 Не соблюдены инструкции: 1 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 6.1 Следование инструкциям : 6.5 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#114#114	GLM 5.3high	7.3	Z.ai	$0.403	27.82s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 74.2% Нестабильные тесты 7 Входные токены 87,601 Выходные токены 6,006 Токены рассуждений 57,661 Время ответа (среднее) 27.82s Время ответа (суммарно) 612.06s Время ответа (макс.) 159.91s Неверный ответ: 6 Лишнее форматирование: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 6.6 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#115#115	KAT-Coder-Pro V2.5low	7.3	Kwaipilot	$0.400	20.20s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 68.2% Нестабильные тесты 8 Входные токены 87,682 Выходные токены 7,166 Токены рассуждений 106,027 Время ответа (среднее) 20.20s Время ответа (суммарно) 444.35s Время ответа (макс.) 209.15s Неверный ответ: 10 Ошибка API: 1 Анти-ИИ уловки : 6.9 Программирование : 7.8 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.1 Следование инструкциям : 10.0 Решение головоломок : 6.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#116#116	GLM 5.3 Flashhigh	7.3	Z.ai	$0.029	25.36s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 3 Входные токены 113,003 Выходные токены 11,558 Токены рассуждений 66,760 Время ответа (среднее) 25.36s Время ответа (суммарно) 558.01s Время ответа (макс.) 163.41s Неверный ответ: 4 Лишнее форматирование: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 8.3 Программирование : 8.2 Комбинированный : 6.4 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#117#117	Gemini 3.1 Flash Litemedium	7.3	Google	$0.120	4.38s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 62.1% Нестабильные тесты 2 Входные токены 104,925 Выходные токены 9,168 Токены рассуждений 53,188 Время ответа (среднее) 4.38s Время ответа (суммарно) 96.32s Время ответа (макс.) 26.22s Неверный ответ: 7 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 9.1 Программирование : 5.5 Комбинированный : 7.2 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

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 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium