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)
#150#150	MiMo-V2-Flashnone	4.7	Xiaomi	$0.025 ↑	2.70s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 26.7% Нестабильные тесты 4 Входные токены 34,208 Выходные токены 68,873 Токены рассуждений 0 Время ответа (среднее) 2.70s Время ответа (суммарно) 43.15s Время ответа (макс.) 19.68s Неверный ответ: 12 Не соблюдены инструкции: 2 Ошибка API: 1 Лишнее форматирование: 1 Анти-ИИ уловки : 3.2 Программирование : 4.9 Комбинированный : 3.0 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 5.3 Общий интеллект : 4.6 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#151#151	Qwen3.6 35B A3Bnone	4.7	Qwen	$0.031 ↑	3.84s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 31.7% Нестабильные тесты 5 Входные токены 16,488 Выходные токены 27,747 Токены рассуждений 0 Время ответа (среднее) 3.84s Время ответа (суммарно) 69.12s Время ответа (макс.) 22.52s Неверный ответ: 12 Ошибка API: 2 Не соблюдены инструкции: 2 Анти-ИИ уловки : 3.6 Программирование : 6.8 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.4 Следование инструкциям : 6.2 Решение головоломок : 3.2 Вызов инструментов : 3.0 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
#154#154	Hy3 previewnone	4.5	Tencent	$0.003	12.92s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 25.0% Нестабильные тесты 2 Входные токены 27,172 Выходные токены 2,661 Токены рассуждений 0 Время ответа (среднее) 12.92s Время ответа (суммарно) 232.64s Время ответа (макс.) 35.84s Неверный ответ: 8 Не соблюдены инструкции: 4 Ошибка API: 3 Лишнее форматирование: 1 Анти-ИИ уловки : 4.8 Программирование : 2.7 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 4.1 Следование инструкциям : 6.3 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#155#155	GLM 4.7 Flashmedium	4.5	Z.ai	$0.054	35.10s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 35.0% Нестабильные тесты 8 Входные токены 37,206 Выходные токены 43,754 Токены рассуждений 89,079 Время ответа (среднее) 35.10s Время ответа (суммарно) 456.24s Время ответа (макс.) 174.55s Неверный ответ: 9 Нет ответа: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 4.7 Программирование : 3.4 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 Эрудиция : 3.0
#156#156	Grok 4.1 Fastnone	4.4	X AI	$0.008 ↓	1.62s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 22.8% Нестабильные тесты 3 Входные токены 36,608 Выходные токены 1,723 Токены рассуждений 0 Время ответа (среднее) 1.62s Время ответа (суммарно) 19.48s Время ответа (макс.) 5.51s Неверный ответ: 13 Не соблюдены инструкции: 3 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 : 3.0 Вызов инструментов : 2.8 Эрудиция : 3.0
#157#157	Ling-2.6-1Tnone	4.3	Inclusionai	$0.005	7.72s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 17 Надежность Н/Д Доля успешных попыток 15.0% Нестабильные тесты 0 Входные токены 34,905 Выходные токены 2,434 Токены рассуждений 0 Время ответа (среднее) 7.72s Время ответа (суммарно) 139.00s Время ответа (макс.) 25.72s Неверный ответ: 12 Ошибка API: 2 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.4 Программирование : 4.2 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 Эрудиция : 3.0
#158#158	Qwen3.5-9Bmedium	4.2	Qwen	$0.033 ↓	83.32s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 17 Надежность 5.0 Доля успешных попыток 28.3% Нестабильные тесты 5 Входные токены 15,204 Выходные токены 27,305 Токены рассуждений 199,780 Время ответа (среднее) 83.32s Время ответа (суммарно) 1249.74s Время ответа (макс.) 226.38s Тайм-аут: 11 Неверный ответ: 2 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 5.1 Программирование : 2.8 Комбинированный : 3.0 Парсинг и извлечение данных : 3.6 Предметно-ориентированное : 3.6 Общий интеллект : 2.8 Следование инструкциям : 6.5 Решение головоломок : 3.0 Вызов инструментов : 10.0 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

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