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)
#88#88	Nemotron 3 Ultramedium	7.6	NVIDIA	$0.567 ↕	33.62s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 9.8 Доля успешных попыток 66.7% Нестабильные тесты 3 Входные токены 233,415 Выходные токены 54,384 Токены рассуждений 130,021 Время ответа (среднее) 33.62s Время ответа (суммарно) 739.59s Время ответа (макс.) 392.56s Неверный ответ: 7 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 6.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 3.7 Следование инструкциям : 9.8 Решение головоломок : 5.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#91#91	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
#93#93	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
#95#95	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
#98#98	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
#103#103	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	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
#111#111	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
#112#112	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
#115#115	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 2 Входные токены 149,203 Выходные токены 16,797 Токены рассуждений 0 Время ответа (среднее) 4.92s Время ответа (суммарно) 108.24s Время ответа (макс.) 35.03s Неверный ответ: 4 Лишнее форматирование: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 9.8 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
#119#119	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 9.6 Доля успешных попыток 63.6% Нестабильные тесты 2 Входные токены 42,106 Выходные токены 2,280 Токены рассуждений 169,843 Время ответа (среднее) 46.97s Время ответа (суммарно) 986.35s Время ответа (макс.) 189.38s Неверный ответ: 8 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 6.2 Комбинированный : 6.5 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
#148#148	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.82s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 3 Входные токены 104,217 Выходные токены 10,710 Токены рассуждений 0 Время ответа (среднее) 2.82s Время ответа (суммарно) 45.05s Время ответа (макс.) 21.19s Неверный ответ: 8 Нет ответа: 1 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 3.8 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
#150#150	GLM 5.2none	6.7	Z.ai	$0.153 ↓	9.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 2 Входные токены 112,458 Выходные токены 14,344 Токены рассуждений 0 Время ответа (среднее) 9.65s Время ответа (суммарно) 212.38s Время ответа (макс.) 79.65s Неверный ответ: 7 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.3 Программирование : 3.7 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#153#153	Gemini 3.5 Flashminimal	6.7	Google	$0.300	2.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 60.6% Нестабильные тесты 1 Входные токены 100,762 Выходные токены 16,454 Токены рассуждений 0 Время ответа (среднее) 2.65s Время ответа (суммарно) 58.21s Время ответа (макс.) 25.26s Неверный ответ: 6 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 6.5 Программирование : 5.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#161#161	Gemini 3.1 Flash Litelow	6.6	Google	$0.621	16.25s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 2 Входные токены 94,233 Выходные токены 7,759 Токены рассуждений 390,132 Время ответа (среднее) 16.25s Время ответа (суммарно) 357.39s Время ответа (макс.) 318.02s Неверный ответ: 8 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.3 Программирование : 5.5 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#179#179	Gemma 4 31Bmedium	6.2	Google	$0.100 ↓	78.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 3 Входные токены 94,969 Выходные токены 34,399 Токены рассуждений 233,022 Время ответа (среднее) 78.59s Время ответа (суммарно) 1571.84s Время ответа (макс.) 437.40s Неверный ответ: 3 Ошибка API: 2 Тайм-аут: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 4.3 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 9.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#176#176	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 9 Надежность 9.6 Доля успешных попыток 69.7% 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 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 6.0 Комбинированный : 2.3 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
#177#177	MiMo-V2-Flashmedium	6.3	Xiaomi	$0.043 ↑	20.11s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 62.1% Нестабильные тесты 3 Входные токены 40,111 Выходные токены 12,476 Токены рассуждений 125,039 Время ответа (среднее) 20.11s Время ответа (суммарно) 301.59s Время ответа (макс.) 96.01s Неверный ответ: 5 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.1 Программирование : 6.0 Комбинированный : 4.9 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.9 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#219#219	Gemini 3.1 Flash Litehigh	5.6	Google	$2.044	61.96s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 56.1% Нестабильные тесты 4 Входные токены 29,134 Выходные токены 1,984 Токены рассуждений 1,355,583 Время ответа (среднее) 61.96s Время ответа (суммарно) 1115.31s Время ответа (макс.) 149.23s Неверный ответ: 4 Не соблюдены инструкции: 3 Нет ответа: 1 Анти-ИИ уловки : 8.7 Программирование : 3.3 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 7.3 Решение головоломок : 5.7 Вызов инструментов : 10.0 Эрудиция : 0.0
#57#57	GPT-5 Minimedium	8.1	OpenAI	$0.241	27.64s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 4 Входные токены 98,383 Выходные токены 14,409 Токены рассуждений 93,610 Время ответа (среднее) 27.64s Время ответа (суммарно) 608.02s Время ответа (макс.) 111.48s Неверный ответ: 5 Не соблюдены инструкции: 3 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 7.1 Программирование : 10.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.5 Следование инструкциям : 10.0 Решение головоломок : 5.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#60#60	Muse Spark 1.1high	8.0	Meta	$1.709	30.84s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 68.2% Нестабильные тесты 6 Входные токены 129,003 Выходные токены 8,340 Токены рассуждений 355,649 Время ответа (среднее) 30.84s Время ответа (суммарно) 647.67s Время ответа (макс.) 196.03s Неверный ответ: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Ошибка API: 1 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 7.5 Программирование : 10.0 Комбинированный : 5.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 7.8 Вызов инструментов : 9.6 Эрудиция : 3.0
#87#87	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
#89#89	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
#90#90	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
#97#97	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

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