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: 2026-10-17 Оценено моделей: 442

Рекомендуемые модели

GPT-6.1 Sol xhigh Интеллектуальная Доля успешных попыток 97.1% Тестов верно 22 / 23 Оценка 9.9/10 Gemini 3.7 Flash low Быстрая Время ответа (среднее) 6.24s Общее число выходных токенов 38,453 Оценка 9.4/10 GPT-6 Luna high Доступная Цена входа $0.100 / 1M Цена выхода $0.500 / 1M Цена чтения из кэша $0.010 / 1M Цена записи в кэш $0.125 / 1M Оценка 7.7/10

442/442

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#275#275	Claude Sonnet 4.6none	6.0	Anthropic	$0.661	7.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 55.1% 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 Агентные задачи : 0.0 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
#217#217	LongCat 2.0low	6.6	Meituan	$0.630 ↑	115.00s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 9.9 Доля успешных попыток 55.1% Нестабильные тесты 5 Входные токены 262,387 Выходные токены 7,344 Токены рассуждений 338,881 Время ответа (среднее) 115.00s Время ответа (суммарно) 2645.11s Время ответа (макс.) 560.39s Неверный ответ: 8 Ошибка API: 2 Не соблюдены инструкции: 1 Нет ответа: 1 Тайм-аут: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 6.6 Комбинированный : 10.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 2.9 Общий интеллект : 3.4 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#48#48	Gemini 3.5 Flash Litehigh	9.0	Google	$0.624	11.92s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 84.1% Нестабильные тесты 2 Входные токены 244,529 Выходные токены 6,784 Токены рассуждений 213,142 Время ответа (среднее) 11.92s Время ответа (суммарно) 274.14s Время ответа (макс.) 53.09s Неверный ответ: 5 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 9.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#115#115	GLM 5.3 FlashXmax	7.9	Z.ai	$0.623	43.97s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 78.3% Нестабильные тесты 6 Входные токены 322,894 Выходные токены 8,010 Токены рассуждений 394,755 Время ответа (среднее) 43.97s Время ответа (суммарно) 1011.29s Время ответа (макс.) 390.70s Недопустимый вызов инструмента: 2 Нет ответа: 2 Неверный ответ: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#62#62	DeepSeek V4.1 Flashhigh	8.7	DeepSeek	$0.617 ↑	33.27s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 9.7 Доля успешных попыток 75.4% Нестабильные тесты 3 Входные токены 282,490 Выходные токены 8,621 Токены рассуждений 455,535 Время ответа (среднее) 33.27s Время ответа (суммарно) 765.12s Время ответа (макс.) 205.53s Неверный ответ: 5 Ошибка API: 1 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 6.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#53#53	Muse Spark Openlow	8.9	Meta	$0.600	21.62s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 9.9 Доля успешных попыток 76.8% Нестабильные тесты 3 Входные токены 278,684 Выходные токены 10,151 Токены рассуждений 48,907 Время ответа (среднее) 21.62s Время ответа (суммарно) 497.25s Время ответа (макс.) 119.16s Неверный ответ: 4 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 9.2 Программирование : 10.0 Комбинированный : 8.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 8.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#180#180	GPT-5.2 Chatdefault	7.0	OpenAI	$0.594	7.43s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 4 Входные токены 101,104 Выходные токены 10,414 Токены рассуждений 19,328 Время ответа (среднее) 7.43s Время ответа (суммарно) 163.35s Время ответа (макс.) 38.52s Неверный ответ: 6 Ошибка API: 2 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 8.7 Программирование : 8.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.4 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#63#63	DeepSeek V4.1 Flashmedium	8.7	DeepSeek	$0.591 ↑	32.88s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 9.6 Доля успешных попыток 73.9% Нестабильные тесты 2 Входные токены 280,643 Выходные токены 7,342 Токены рассуждений 437,323 Время ответа (среднее) 32.88s Время ответа (суммарно) 756.34s Время ответа (макс.) 276.31s Неверный ответ: 5 Ошибка API: 1 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#67#67	MiMo-V2.6-Promedium	8.7	Xiaomi	$0.586	148.11s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 9.5 Доля успешных попыток 78.3% Нестабильные тесты 7 Входные токены 298,476 Выходные токены 7,762 Токены рассуждений 515,918 Время ответа (среднее) 148.11s Время ответа (суммарно) 3406.53s Время ответа (макс.) 904.91s Лишнее форматирование: 3 Неверный ответ: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Тайм-аут: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 7.3 Программирование : 8.2 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 8.4 Решение головоломок : 8.4 Вызов инструментов : 10.0 Эрудиция : 2.8
#84#84	Muse Glimmer 30Bxhigh	8.4	Meta	$0.585 ↓	97.70s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 9.9 Доля успешных попыток 71.0% Нестабильные тесты 4 Входные токены 287,538 Выходные токены 118,266 Токены рассуждений 346,758 Время ответа (среднее) 97.70s Время ответа (суммарно) 2247.18s Время ответа (макс.) 576.79s Неверный ответ: 4 Нет ответа: 3 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.5 Следование инструкциям : 8.4 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#10#10	Gemini 3.6 Flashmedium	9.8	Google	$0.577 ↓	14.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 95.7% Нестабильные тесты 2 Входные токены 188,003 Выходные токены 2,914 Токены рассуждений 113,210 Время ответа (среднее) 14.03s Время ответа (суммарно) 322.73s Время ответа (макс.) 77.15s Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.8 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#88#88	DeepSeek V4 Flash 0731high	8.4	DeepSeek	$0.576 ↑	118.83s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 76.8% Нестабильные тесты 5 Входные токены 281,863 Выходные токены 24,535 Токены рассуждений 507,976 Время ответа (среднее) 118.83s Время ответа (суммарно) 2733.01s Время ответа (макс.) 600.61s Неверный ответ: 5 Не соблюдены инструкции: 2 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 6.3 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#126#126	Step 3.7 Flashmedium	7.8	Stepfun	$0.571	26.57s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 4 Входные токены 319,524 Выходные токены 440,835 Токены рассуждений 0 Время ответа (среднее) 26.57s Время ответа (суммарно) 611.09s Время ответа (макс.) 152.83s Неверный ответ: 6 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 7.4 Анти-ИИ уловки : 8.7 Программирование : 8.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 9.8 Решение головоломок : 5.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#221#221	KAT-Coder-Pro V2.5low	6.5	Kwaipilot	$0.568 ↑	19.40s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 8 Входные токены 87,682 Выходные токены 7,166 Токены рассуждений 106,027 Время ответа (среднее) 19.40s Время ответа (суммарно) 446.11s Время ответа (макс.) 209.15s Неверный ответ: 10 Ошибка API: 2 Агентные задачи : 3.0 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
#166#166	Qwen3.5 Plus 2026-02-15medium	7.2	Qwen	$0.567	97.68s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 72.5% Нестабильные тесты 6 Входные токены 249,486 Выходные токены 14,481 Токены рассуждений 288,249 Время ответа (среднее) 97.68s Время ответа (суммарно) 1562.81s Время ответа (макс.) 304.85s Неверный ответ: 6 Тайм-аут: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 8.2 Программирование : 6.6 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.7 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#163#163	Qwen3.6 Plusmedium	7.3	Qwen	$0.554 ↑	57.41s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.6% Нестабильные тесты 3 Входные токены 222,601 Выходные токены 8,185 Токены рассуждений 238,605 Время ответа (среднее) 57.41s Время ответа (суммарно) 1263.02s Время ответа (макс.) 307.08s Неверный ответ: 6 Ошибка API: 1 Не соблюдены инструкции: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 10.0 Программирование : 6.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#200#200	GPT-6 Solnone	6.8	OpenAI	$0.551	9.02s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 63.8% Нестабильные тесты 4 Входные токены 235,086 Выходные токены 7,989 Токены рассуждений 0 Время ответа (среднее) 9.02s Время ответа (суммарно) 207.45s Время ответа (макс.) 57.02s Неверный ответ: 10 Агентные задачи : 5.0 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 : 10.0 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#413#413	Grok Build 0.1none	3.2	X AI	$0.547	28.69s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 42.0% Нестабильные тесты 4 Входные токены 11,793 Выходные токены 1,809 Токены рассуждений 265,466 Время ответа (среднее) 28.69s Время ответа (суммарно) 459.00s Время ответа (макс.) 138.35s Неверный ответ: 7 Ошибка API: 3 Не соблюдены инструкции: 2 Агентные задачи : 0.0 Анти-ИИ уловки : 8.7 Программирование : 3.3 Комбинированный : 1.5 Парсинг и извлечение данных : 3.8 Предметно-ориентированное : 3.6 Общий интеллект : 4.3 Следование инструкциям : 9.8 Решение головоломок : 6.4 Вызов инструментов : 3.0 Эрудиция : 3.0
#210#210	GPT 5.3 Chatdefault	6.7	OpenAI	$0.533	6.31s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 62.3% Нестабильные тесты 4 Входные токены 78,846 Выходные токены 7,635 Токены рассуждений 20,544 Время ответа (среднее) 6.31s Время ответа (суммарно) 138.73s Время ответа (макс.) 18.33s Неверный ответ: 6 Ошибка API: 2 Не соблюдены инструкции: 2 Агентные задачи : 3.0 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
#11#11	GPT-6.1 Solmedium	9.6	OpenAI	$0.530	8.90s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 94.2% Нестабильные тесты 1 Входные токены 172,860 Выходные токены 5,172 Токены рассуждений 13,179 Время ответа (среднее) 8.90s Время ответа (суммарно) 204.78s Время ответа (макс.) 51.03s Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 4.7
#9#9	Gemini 3.7 Flashhigh	9.8	Google	$0.528	15.10s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 95.7% Нестабильные тесты 2 Входные токены 233,400 Выходные токены 6,922 Токены рассуждений 173,178 Время ответа (среднее) 15.10s Время ответа (суммарно) 347.23s Время ответа (макс.) 91.63s Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.8 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#156#156	Inklingmedium	7.4	Thinkingmachines	$0.527 ↓	16.98s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 75.4% Нестабильные тесты 5 Входные токены 257,138 Выходные токены 13,830 Токены рассуждений 55,775 Время ответа (среднее) 16.98s Время ответа (суммарно) 390.45s Время ответа (макс.) 85.12s Неверный ответ: 5 Недопустимый вызов инструмента: 2 Нет ответа: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 8.7 Программирование : 8.4 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 2.8
#80#80	Claude Haiku 5.5max	8.5	Anthropic	$0.509	61.71s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 85.5% Нестабильные тесты 1 Входные токены 487,516 Выходные токены 10,212 Токены рассуждений 909,487 Время ответа (среднее) 61.71s Время ответа (суммарно) 1419.40s Время ответа (макс.) 288.94s Нет ответа: 3 Неверный ответ: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#240#240	Gemini 3.5 Flashminimal	6.4	Google	$0.508	4.67s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 58.0% Нестабильные тесты 1 Входные токены 230,004 Выходные токены 18,040 Токены рассуждений 0 Время ответа (среднее) 4.67s Время ответа (суммарно) 107.45s Время ответа (макс.) 49.23s Неверный ответ: 7 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Агентные задачи : 5.0 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
#229#229	KAT-Coder-Pro V2.5high	6.5	Kwaipilot	$0.506	21.21s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 60.9% Нестабильные тесты 6 Входные токены 106,085 Выходные токены 9,071 Токены рассуждений 135,288 Время ответа (среднее) 21.21s Время ответа (суммарно) 487.83s Время ответа (макс.) 199.97s Неверный ответ: 10 Ошибка API: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 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

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 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow