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: 2026-04-24 Оценено моделей: 115

115/115

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#91#91	DeepSeek V4 Flashnone	5.3	DeepSeek	$0.008	29.39s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 13 Надежность: Н/Д Доля успешных попыток: 33.3% Нестабильные тесты: 2 Выходные токены: 4,444 Токены рассуждений: 0 Время ответа: среднее 29.39s · суммарно 529.10s · макс. 111.96s Неверный ответ: 8 Лишнее форматирование: 2 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.0 Программирование : 6.3 Комбинированный : 4.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.2 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0
#92#92	Grok 4.20 Betanone	5.3	X AI	$0.091	1.19s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 14 Надежность: Н/Д Доля успешных попыток: 29.6% Нестабильные тесты: 2 Выходные токены: 1,591 Токены рассуждений: 0 Время ответа: среднее 1.19s · суммарно 21.37s · макс. 6.48s Неверный ответ: 10 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.0 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 4.8 Решение головоломок : 5.9 Вызов инструментов : 10.0
#93#93	MiniMax M2.7medium	5.3	Minimax	$0.091	31.08s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 14 Надежность: Н/Д Доля успешных попыток: 51.9% Нестабильные тесты: 10 Выходные токены: 4,984 Токены рассуждений: 62,787 Время ответа: среднее 31.08s · суммарно 528.37s · макс. 117.04s Не соблюдены инструкции: 6 Неверный ответ: 5 Тайм-аут: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.9 Программирование : 10.0 Комбинированный : 4.7 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 3.9 Следование инструкциям : 3.7 Решение головоломок : 3.8 Вызов инструментов : 4.7
#94#94	Elephant Alphamedium	5.2	Openrouter	$0.000	1.27s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 13 Надежность: Н/Д Доля успешных попыток: 29.6% Нестабильные тесты: 1 Выходные токены: 2,596 Токены рассуждений: 0 Время ответа: среднее 1.27s · суммарно 22.82s · макс. 3.70s Неверный ответ: 9 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.6 Программирование : 5.1 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.3 Следование инструкциям : 9.8 Решение головоломок : 3.7 Вызов инструментов : 3.0
#95#95	Grok 4.20none	5.2	X AI	$0.095	1.11s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 13 Надежность: Н/Д Доля успешных попыток: 29.6% Нестабильные тесты: 1 Выходные токены: 1,967 Токены рассуждений: 0 Время ответа: среднее 1.11s · суммарно 20.02s · макс. 6.04s Неверный ответ: 9 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 3.4 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 4.8 Решение головоломок : 5.3 Вызов инструментов : 10.0
#96#96	Mistral Small 4none	5.2	Mistral	$0.006	665ms
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 13 Надежность: Н/Д Доля успешных попыток: 31.5% Нестабильные тесты: 1 Выходные токены: 2,207 Токены рассуждений: 0 Время ответа: среднее 665ms · суммарно 11.97s · макс. 1.72s Неверный ответ: 11 Не соблюдены инструкции: 2 Анти-ИИ уловки : 3.4 Программирование : 4.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0
#97#97	gpt-oss-120bnone	5.2	OpenAI	$0.009	11.96s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 14 Надежность: Н/Д Доля успешных попыток: 38.9% Нестабильные тесты: 5 Выходные токены: 44,652 Токены рассуждений: 0 Время ответа: среднее 11.96s · суммарно 179.34s · макс. 68.97s Неверный ответ: 6 Не соблюдены инструкции: 5 Ошибка API: 3 Анти-ИИ уловки : 6.6 Программирование : 4.3 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.6 Следование инструкциям : 8.4 Решение головоломок : 4.5 Вызов инструментов : 3.0
#98#98	Elephant Alphanone	5.2	Openrouter	$0.000	1.23s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 13 Надежность: Н/Д Доля успешных попыток: 31.5% Нестабильные тесты: 1 Выходные токены: 2,573 Токены рассуждений: 0 Время ответа: среднее 1.23s · суммарно 22.16s · макс. 3.81s Неверный ответ: 9 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.6 Программирование : 6.4 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 9.8 Решение головоломок : 3.3 Вызов инструментов : 3.0
#99#99	GPT-5.4 Mininone	5.1	OpenAI	$0.032	1.17s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 13 Надежность: Н/Д Доля успешных попыток: 35.2% Нестабильные тесты: 3 Выходные токены: 2,418 Токены рассуждений: 0 Время ответа: среднее 1.17s · суммарно 21.01s · макс. 2.52s Неверный ответ: 10 Не соблюдены инструкции: 3 Анти-ИИ уловки : 3.1 Программирование : 10.0 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.8 Следование инструкциям : 6.3 Решение головоломок : 5.4 Вызов инструментов : 3.0
#100#100	Qwen3 Coder Nextnone	5.1	Qwen	$0.008	10.18s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 14 Надежность: Н/Д Доля успешных попыток: 25.9% Нестабильные тесты: 1 Выходные токены: 3,617 Токены рассуждений: 0 Время ответа: среднее 10.18s · суммарно 122.13s · макс. 45.14s Неверный ответ: 12 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.6 Программирование : 7.3 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 4.8 Решение головоломок : 3.2 Вызов инструментов : 10.0
#101#101	MiMo-V2.5none	5.1	Xiaomi	$0.019	1.05s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 13 Надежность: Н/Д Доля успешных попыток: 27.8% Нестабильные тесты: 0 Выходные токены: 2,177 Токены рассуждений: 0 Время ответа: среднее 1.05s · суммарно 18.94s · макс. 2.43s Неверный ответ: 10 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Анти-ИИ уловки : 4.8 Программирование : 10.0 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.6 Следование инструкциям : 6.5 Решение головоломок : 3.4 Вызов инструментов : 10.0
#102#102	Nemotron 3 Supernone	5.1	NVIDIA	$0.000	8.54s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 14 Надежность: Н/Д Доля успешных попыток: 35.2% Нестабильные тесты: 4 Выходные токены: 4,760 Токены рассуждений: 0 Время ответа: среднее 8.54s · суммарно 153.69s · макс. 24.97s Неверный ответ: 10 Не соблюдены инструкции: 4 Анти-ИИ уловки : 4.8 Программирование : 3.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.2 Следование инструкциям : 4.9 Решение головоломок : 5.7 Вызов инструментов : 4.7
#103#103	GPT-4o-mininone	4.9	OpenAI	$0.005	2.00s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 14 Надежность: Н/Д Доля успешных попыток: 22.2% Нестабильные тесты: 0 Выходные токены: 1,947 Токены рассуждений: 0 Время ответа: среднее 2.00s · суммарно 21.99s · макс. 7.58s Неверный ответ: 13 Не соблюдены инструкции: 1 Анти-ИИ уловки : 4.8 Программирование : 3.0 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 4.8 Решение головоломок : 3.7 Вызов инструментов : 10.0
#104#104	Qwen3.5-9Bnone	4.8	Qwen	$0.005	1.47s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 14 Надежность: Н/Д Доля успешных попыток: 24.1% Нестабильные тесты: 1 Выходные токены: 3,951 Токены рассуждений: 0 Время ответа: среднее 1.47s · суммарно 26.43s · макс. 5.91s Неверный ответ: 10 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.1 Программирование : 5.2 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 3.2 Вызов инструментов : 10.0
#105#105	Mercury 2none	4.8	Inception	$0.007	613ms
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 14 Надежность: Н/Д Доля успешных попыток: 27.8% Нестабильные тесты: 2 Выходные токены: 1,625 Токены рассуждений: 0 Время ответа: среднее 613ms · суммарно 11.04s · макс. 1.27s Неверный ответ: 13 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.0 Программирование : 3.6 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0
#106#106	Qwen3 Coder Nextmedium	4.7	Qwen	$0.008	10.75s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 15 Надежность: Н/Д Доля успешных попыток: 27.8% Нестабильные тесты: 3 Выходные токены: 3,241 Токены рассуждений: 0 Время ответа: среднее 10.75s · суммарно 129.01s · макс. 81.80s Неверный ответ: 9 Не соблюдены инструкции: 5 Тайм-аут: 1 Анти-ИИ уловки : 3.5 Программирование : 4.7 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 6.3 Следование инструкциям : 4.8 Решение головоломок : 3.1 Вызов инструментов : 10.0
#107#107	HY3 Previewnone	4.7	Tencent	$0.000	13.56s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 14 Надежность: Н/Д Доля успешных попыток: 27.8% Нестабильные тесты: 2 Выходные токены: 2,639 Токены рассуждений: 0 Время ответа: среднее 13.56s · суммарно 230.55s · макс. 35.84s Неверный ответ: 7 Не соблюдены инструкции: 4 Ошибка API: 2 Лишнее форматирование: 1 Анти-ИИ уловки : 4.8 Программирование : 2.3 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 4.1 Следование инструкциям : 6.3 Решение головоломок : 3.3 Вызов инструментов : 10.0
#108#108	GLM 4.7 Flashmedium	4.6	Z.ai	$0.046	32.33s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 14 Надежность: Н/Д Доля успешных попыток: 38.9% Нестабильные тесты: 8 Выходные токены: 39,688 Токены рассуждений: 72,401 Время ответа: среднее 32.33s · суммарно 355.65s · макс. 174.55s Неверный ответ: 8 Не соблюдены инструкции: 2 Нет ответа: 2 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 4.7 Программирование : 3.6 Комбинированный : 2.8 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.5 Общий интеллект : 3.6 Следование инструкциям : 6.2 Решение головоломок : 2.9 Вызов инструментов : 10.0
#109#109	MiMo-V2-Flashnone	4.5	Xiaomi	$0.023	2.79s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 15 Надежность: Н/Д Доля успешных попыток: 27.8% Нестабильные тесты: 5 Выходные токены: 68,522 Токены рассуждений: 0 Время ответа: среднее 2.79s · суммарно 39.08s · макс. 19.68s Неверный ответ: 12 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.2 Программирование : 6.3 Комбинированный : 3.0 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 5.3 Общий интеллект : 4.6 Следование инструкциям : 6.5 Решение головоломок : 3.6 Вызов инструментов : 10.0
#110#110	Grok 4.1 Fastnone	4.5	X AI	$0.009	1.76s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 15 Надежность: Н/Д Доля успешных попыток: 24.1% Нестабильные тесты: 3 Выходные токены: 1,721 Токены рассуждений: 0 Время ответа: среднее 1.76s · суммарно 19.35s · макс. 5.51s Неверный ответ: 13 Не соблюдены инструкции: 2 Анти-ИИ уловки : 3.2 Программирование : 5.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.4 Следование инструкциям : 3.0 Решение головоломок : 3.2 Вызов инструментов : 2.8
#111#111	Ling 2.6 1tnone	4.5	Inclusionai	$0.000	8.79s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 15 Надежность: Н/Д Доля успешных попыток: 16.7% Нестабильные тесты: 0 Выходные токены: 2,434 Токены рассуждений: 0 Время ответа: среднее 8.79s · суммарно 158.19s · макс. 25.72s Неверный ответ: 11 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.4 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 6.4 Решение головоломок : 3.1 Вызов инструментов : 3.0
#112#112	GPT-5.4 Nanonone	4.5	OpenAI	$0.009	1.40s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 16 Надежность: Н/Д Доля успешных попыток: 31.5% Нестабильные тесты: 7 Выходные токены: 2,762 Токены рассуждений: 0 Время ответа: среднее 1.40s · суммарно 25.14s · макс. 3.84s Неверный ответ: 13 Не соблюдены инструкции: 3 Анти-ИИ уловки : 3.5 Программирование : 7.1 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 2.9 Общий интеллект : 3.8 Следование инструкциям : 5.0 Решение головоломок : 3.7 Вызов инструментов : 10.0
#113#113	Qwen3.5-9Bmedium	4.4	Qwen	$0.030	73.64s
Открыть карточку модели Всего тестов: 18 Ошибочных тестов: 15 Надежность: Н/Д Доля успешных попыток: 33.3% Нестабильные тесты: 6 Выходные токены: 24,291 Токены рассуждений: 172,597 Время ответа: среднее 73.64s · суммарно 1104.60s · макс. 226.38s Тайм-аут: 11 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Неверный ответ: 1 Анти-ИИ уловки : 5.1 Программирование : 2.6 Комбинированный : 3.0 Парсинг и извлечение данных : 3.6 Предметно-ориентированное : 3.6 Общий интеллект : 2.8 Следование инструкциям : 6.4 Решение головоломок : 3.1 Вызов инструментов : 10.0
#114#114	LFM2-24B-A2Bnone	4.1	Liquid	$0.001	811ms
Открыть карточку модели Всего тестов: 16 Ошибочных тестов: 15 Надежность: Н/Д Доля успешных попыток: 14.6% Нестабильные тесты: 2 Выходные токены: 1,185 Токены рассуждений: 0 Время ответа: среднее 811ms · суммарно 11.35s · макс. 2.88s Неверный ответ: 9 Ошибка API: 4 Не соблюдены инструкции: 2 Анти-ИИ уловки : 3.3 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.0 Следование инструкциям : 4.8 Решение головоломок : 4.4 Вызов инструментов : 3.0
#115#115	Step 3.5 Flashnone	3.0	Stepfun	$0.000	0ms
Открыть карточку модели Всего тестов: 1 Ошибочных тестов: 1 Надежность: Н/Д Доля успешных попыток: 0.0% Нестабильные тесты: 0 Выходные токены: 0 Токены рассуждений: 0 Время ответа: среднее 0ms · суммарно 0ms · макс. 0ms Ошибка API: 1 Программирование : 3.0

Быстрое сравнение

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7none Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsSeed-2.0-Litemedium Gemini 3 Flash PreviewmediumvsHY3 PreviewhighБесплатно доступно Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsClaude Opus 4.7none Claude Opus 4.7nonevsGPT-5.5medium GPT-5.5mediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsSeed-2.0-Litemedium

Таблица лидеров ИИ-бенчмарка

Фильтровать модели

Быстрое сравнение