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)
#104#104	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
#108#108	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
#113#113	Qwen3.7 Plusnone	7.3	Qwen	$0.106 ↓	12.11s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 54.6% Нестабильные тесты 0 Входные токены 98,833 Выходные токены 58,097 Токены рассуждений 0 Время ответа (среднее) 12.11s Время ответа (суммарно) 266.40s Время ответа (макс.) 206.03s Неверный ответ: 9 Не соблюдены инструкции: 1 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.3 Следование инструкциям : 6.3 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#116#116	Kimi K2.6medium	7.2	Moonshot AI	$1.247 ↑	115.89s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 4 Входные токены 68,913 Выходные токены 64,654 Токены рассуждений 282,865 Время ответа (среднее) 115.89s Время ответа (суммарно) 2433.66s Время ответа (макс.) 876.20s Тайм-аут: 3 Неверный ответ: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 7.0 Программирование : 5.7 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#126#126	Grok 4.3medium	7.0	X AI	$0.741	44.21s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 5 Входные токены 140,244 Выходные токены 13,739 Токены рассуждений 212,165 Время ответа (среднее) 44.21s Время ответа (суммарно) 972.64s Время ответа (макс.) 216.69s Неверный ответ: 6 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 5.9 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 5.4 Следование инструкциям : 9.8 Решение головоломок : 5.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#127#127	GPT-5.6 Solnone	7.0	OpenAI	$0.201 ↓	2.17s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 3 Входные токены 78,602 Выходные токены 4,357 Токены рассуждений 0 Время ответа (среднее) 2.17s Время ответа (суммарно) 47.66s Время ответа (макс.) 12.81s Неверный ответ: 9 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 6.5 Следование инструкциям : 8.5 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#129#129	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 8.1 Доля успешных попыток 65.2% Нестабильные тесты 4 Входные токены 82,592 Выходные токены 16,089 Токены рассуждений 199,800 Время ответа (среднее) 58.80s Время ответа (суммарно) 1234.72s Время ответа (макс.) 308.75s Неверный ответ: 4 Нет ответа: 2 Тайм-аут: 2 Ошибка API: 1 Лишнее форматирование: 1 Анти-ИИ уловки : 10.0 Программирование : 4.6 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 8.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#130#130	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 59.1% Нестабильные тесты 2 Входные токены 79,294 Выходные токены 4,915 Токены рассуждений 0 Время ответа (среднее) 2.35s Время ответа (суммарно) 51.78s Время ответа (макс.) 12.24s Неверный ответ: 10 Анти-ИИ уловки : 6.9 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.2 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#140#140	Qwen3.6 Flashmedium	6.8	Qwen	$0.741 ↓	44.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 5 Входные токены 129,050 Выходные токены 20,026 Токены рассуждений 616,923 Время ответа (среднее) 44.97s Время ответа (суммарно) 989.32s Время ответа (макс.) 578.13s Неверный ответ: 8 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 5.0 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.8 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#144#144	Solar Pro 4medium	6.8	Upstage	$0.047	127.64s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 9.9 Доля успешных попыток 62.1% Нестабильные тесты 4 Входные токены 87,902 Выходные токены 30,743 Токены рассуждений 335,668 Время ответа (среднее) 127.64s Время ответа (суммарно) 2808.09s Время ответа (макс.) 519.91s Неверный ответ: 5 Не соблюдены инструкции: 2 Ошибка API: 1 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 8.2 Программирование : 5.5 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.0 Следование инструкциям : 9.8 Решение головоломок : 9.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#146#146	GLM 5.3low	6.8	Z.ai	$0.257	13.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 4 Входные токены 104,989 Выходные токены 8,532 Токены рассуждений 16,276 Время ответа (среднее) 13.65s Время ответа (суммарно) 300.22s Время ответа (макс.) 83.60s Неверный ответ: 8 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.9 Программирование : 6.2 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#157#157	Gemini 3.5 Flash Litelow	6.6	Google	$0.138	2.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 6 Входные токены 139,165 Выходные токены 12,899 Токены рассуждений 25,511 Время ответа (среднее) 2.56s Время ответа (суммарно) 56.32s Время ответа (макс.) 15.14s Неверный ответ: 8 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 9.0 Программирование : 4.3 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 4.7
#162#162	Qwen3.6 35B A3Bmedium	6.6	Qwen	$0.672 ↓	58.49s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 57.6% Нестабильные тесты 2 Входные токены 85,148 Выходные токены 61,736 Токены рассуждений 681,556 Время ответа (среднее) 58.49s Время ответа (суммарно) 1169.83s Время ответа (макс.) 817.57s Неверный ответ: 5 Ошибка API: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 7.7 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.4 Следование инструкциям : 10.0 Решение головоломок : 8.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#163#163	Mercury 2.5 Previewhigh	6.6	Inception	$0.030	4.01s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 5 Входные токены 115,759 Выходные токены 2,562 Токены рассуждений 160,943 Время ответа (среднее) 4.01s Время ответа (суммарно) 88.25s Время ответа (макс.) 17.71s Неверный ответ: 6 Не соблюдены инструкции: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 6.7 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#168#168	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.052	1.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 57.6% Нестабильные тесты 1 Входные токены 120,955 Выходные токены 14,161 Токены рассуждений 0 Время ответа (среднее) 1.56s Время ответа (суммарно) 34.32s Время ответа (макс.) 9.27s Неверный ответ: 7 Не соблюдены инструкции: 2 Нет ответа: 1 Анти-ИИ уловки : 7.5 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#174#174	Ling-3.0-flashhigh	6.4	Inclusionai	$0.021 ↕	13.70s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 9.8 Доля успешных попыток 63.6% Нестабильные тесты 4 Входные токены 132,044 Выходные токены 92,135 Токены рассуждений 207,321 Время ответа (среднее) 13.70s Время ответа (суммарно) 287.75s Время ответа (макс.) 75.27s Неверный ответ: 7 Недопустимый вызов инструмента: 2 Ошибка API: 1 Анти-ИИ уловки : 10.0 Программирование : 6.7 Комбинированный : 2.9 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
#154#154	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 6 Входные токены 44,615 Выходные токены 2,347 Токены рассуждений 98,415 Время ответа (среднее) 23.08s Время ответа (суммарно) 484.63s Время ответа (макс.) 95.88s Неверный ответ: 7 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 7.2 Программирование : 6.0 Комбинированный : 3.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.7 Вызов инструментов : 7.0 Эрудиция : 3.0
#205#205	Hy3 previewhigh	5.9	Tencent	$0.135 ↕	56.57s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 53.0% Нестабильные тесты 2 Входные токены 25,987 Выходные токены 216,719 Токены рассуждений 0 Время ответа (среднее) 56.57s Время ответа (суммарно) 848.59s Время ответа (макс.) 149.94s Ошибка API: 7 Неверный ответ: 3 Анти-ИИ уловки : 6.4 Программирование : 5.3 Комбинированный : 5.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 3.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#92#92	MiniMax M3medium	7.5	Minimax	$0.300	75.15s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 9.7 Доля успешных попыток 62.1% Нестабильные тесты 5 Входные токены 121,996 Выходные токены 90,051 Токены рассуждений 185,731 Время ответа (среднее) 75.15s Время ответа (суммарно) 1578.24s Время ответа (макс.) 431.03s Неверный ответ: 4 Тайм-аут: 3 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 5.5 Программирование : 6.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.2 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 7.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#102#102	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
#110#110	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
#114#114	DeepSeek V4 Flash 0731medium	7.3	DeepSeek	$0.066 ↓	84.66s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 8 Входные токены 89,819 Выходные токены 58,398 Токены рассуждений 492,457 Время ответа (среднее) 84.66s Время ответа (суммарно) 1862.46s Время ответа (макс.) 288.78s Неверный ответ: 5 Нет ответа: 3 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.2 Программирование : 6.4 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 8.5 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#117#117	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.506	22.11s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 6 Входные токены 106,085 Выходные токены 9,071 Токены рассуждений 135,288 Время ответа (среднее) 22.11s Время ответа (суммарно) 486.31s Время ответа (макс.) 199.97s Неверный ответ: 10 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.0 Программирование : 6.4 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.9 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#120#120	Qwen3.7 Flashlow	7.2	Qwen	$0.043	38.05s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 6 Входные токены 92,191 Выходные токены 14,286 Токены рассуждений 289,733 Время ответа (среднее) 38.05s Время ответа (суммарно) 837.05s Время ответа (макс.) 394.54s Неверный ответ: 7 Не соблюдены инструкции: 3 Ошибка API: 1 Анти-ИИ уловки : 10.0 Программирование : 6.7 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.0 Следование инструкциям : 8.5 Решение головоломок : 7.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#121#121	Muse Glimmer 30Bmedium	7.2	Meta	$0.227 ↓	30.64s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 6 Входные токены 116,513 Выходные токены 33,065 Токены рассуждений 135,009 Время ответа (среднее) 30.64s Время ответа (суммарно) 674.01s Время ответа (макс.) 181.08s Неверный ответ: 9 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 9.2 Программирование : 8.4 Комбинированный : 6.5 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 4.7 Следование инструкциям : 9.8 Решение головоломок : 6.0 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 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