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: 2026-06-03 Оценено моделей: 161

161/161

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#112#112	Grok 4.20 Betanone	5.8	X AI	$0.087 ↓	1.19s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 37.0% Нестабильные тесты 1 Входные токены 40,597 Выходные токены 1,657 Токены рассуждений 0 Время ответа (среднее) 1.19s Время ответа (суммарно) 21.43s Время ответа (макс.) 6.48s Неверный ответ: 10 Не соблюдены инструкции: 1 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 : 6.3 Решение головоломок : 7.7 Вызов инструментов : 10.0
#142#142	GPT-5.4 Mininone	4.9	OpenAI	$0.036	1.15s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 31.7% Нестабильные тесты 3 Входные токены 31,625 Выходные токены 2,508 Токены рассуждений 0 Время ответа (среднее) 1.15s Время ответа (суммарно) 23.09s Время ответа (макс.) 2.52s Неверный ответ: 12 Не соблюдены инструкции: 3 Анти-ИИ уловки : 3.1 Программирование : 6.8 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 Эрудиция : 3.0
#127#127	Grok 4.20none	5.4	X AI	$0.057 ↓	1.11s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 33.3% Нестабильные тесты 0 Входные токены 41,313 Выходные токены 1,923 Токены рассуждений 0 Время ответа (среднее) 1.11s Время ответа (суммарно) 19.96s Время ответа (макс.) 6.04s Неверный ответ: 10 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 : 6.3 Решение головоломок : 5.3 Вызов инструментов : 10.0
#87#87	Gemini 3.1 Flash Litenone	6.6	Google	$0.013	1.09s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 55.0% Нестабильные тесты 4 Входные токены 33,705 Выходные токены 2,478 Токены рассуждений 0 Время ответа (среднее) 1.09s Время ответа (суммарно) 21.79s Время ответа (макс.) 2.97s Неверный ответ: 10 Не соблюдены инструкции: 1 Анти-ИИ уловки : 7.5 Программирование : 6.8 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 6.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#94#94	Gemini 2.5 Flashnone	6.4	Google	$0.015	889ms
Открыть карточку модели Всего тестов 20 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 48.3% Нестабильные тесты 1 Входные токены 32,923 Выходные токены 1,764 Токены рассуждений 0 Время ответа (среднее) 889ms Время ответа (суммарно) 17.79s Время ответа (макс.) 4.39s Неверный ответ: 11 Анти-ИИ уловки : 3.0 Программирование : 6.8 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#145#145	Laguna Xs.2none	4.8	Poolside	$0.000	806ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 26.3% Нестабильные тесты 0 Входные токены 33,675 Выходные токены 2,826 Токены рассуждений 0 Время ответа (среднее) 806ms Время ответа (суммарно) 12.09s Время ответа (макс.) 2.01s Неверный ответ: 8 Ошибка API: 4 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.0 Программирование : 2.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 3.0 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#159#159	LFM2-24B-A2Bnone	4.2	Liquid	$0.001	782ms
Открыть карточку модели Всего тестов 16 Ошибочных тестов 14 Надежность Н/Д Доля успешных попыток 16.7% Нестабильные тесты 1 Входные токены 10,771 Выходные токены 1,173 Токены рассуждений 0 Время ответа (среднее) 782ms Время ответа (суммарно) 10.94s Время ответа (макс.) 3.15s Неверный ответ: 9 Ошибка API: 4 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.3 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.0 Следование инструкциям : 6.3 Решение головоломок : 3.8 Вызов инструментов : 3.0
#160#160	Nemotron 3 Nano Omni 30b A3b Reasoningnone	4.1	NVIDIA	$0.000	728ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 17.5% Нестабильные тесты 2 Входные токены 11,661 Выходные токены 1,302 Токены рассуждений 0 Время ответа (среднее) 728ms Время ответа (суммарно) 9.47s Время ответа (макс.) 2.21s Неверный ответ: 9 Ошибка API: 6 Не соблюдены инструкции: 2 Анти-ИИ уловки : 4.8 Программирование : 10.0 Комбинированный : 3.0 Парсинг и извлечение данных : 3.8 Предметно-ориентированное : 3.6 Общий интеллект : 3.0 Следование инструкциям : 4.8 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#161#161	Granite 4.1 8Bnone	4.1	IBM Granite	$0.003	719ms
Открыть карточку модели Всего тестов 20 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 10.0% Нестабильные тесты 0 Входные токены 43,135 Выходные токены 2,743 Токены рассуждений 0 Время ответа (среднее) 719ms Время ответа (суммарно) 14.37s Время ответа (макс.) 2.17s Неверный ответ: 13 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.9 Программирование : 5.2 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 3.6 Решение головоломок : 3.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#140#140	Mistral Small 4none	5.0	Mistral	$0.007	629ms
Открыть карточку модели Всего тестов 20 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 28.3% Нестабильные тесты 1 Входные токены 34,567 Выходные токены 2,192 Токены рассуждений 0 Время ответа (среднее) 629ms Время ответа (суммарно) 12.59s Время ответа (макс.) 1.72s Неверный ответ: 14 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.4 Программирование : 4.0 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 Эрудиция : 3.0
#153#153	Mercury 2none	4.6	Inception	$0.009	614ms
Открыть карточку модели Всего тестов 20 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 25.0% Нестабильные тесты 2 Входные токены 25,515 Выходные токены 3,001 Токены рассуждений 0 Время ответа (среднее) 614ms Время ответа (суммарно) 12.28s Время ответа (макс.) 1.27s Неверный ответ: 15 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.0 Программирование : 3.5 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 Эрудиция : 3.0

Быстрое сравнение

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

Таблица лидеров ИИ-бенчмарка

Фильтровать модели

Быстрое сравнение