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: 2026-07-18 Оценено моделей: 206

206/206

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#162#162	Qwen3 Coder Nextnone	5.1	Qwen	$0.025 ↓	9.12s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 25.8% Нестабильные тесты 1 Входные токены 134,218 Выходные токены 11,808 Токены рассуждений 0 Время ответа (среднее) 9.12s Время ответа (суммарно) 145.94s Время ответа (макс.) 45.14s Неверный ответ: 14 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 3.6 Программирование : 4.6 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.3 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#163#163	Mistral Small 4medium	5.1	Mistral	$0.096	10.77s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 42.4% Нестабильные тесты 8 Входные токены 140,494 Выходные токены 39,462 Токены рассуждений 92,362 Время ответа (среднее) 10.77s Время ответа (суммарно) 236.94s Время ответа (макс.) 59.15s Неверный ответ: 12 Ошибка API: 2 Не соблюдены инструкции: 2 Нет ответа: 1 Анти-ИИ уловки : 5.6 Программирование : 4.4 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 7.3 Решение головоломок : 3.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#164#164	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.62s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 25.8% Нестабильные тесты 1 Входные токены 141,043 Выходные токены 16,464 Токены рассуждений 0 Время ответа (среднее) 4.62s Время ответа (суммарно) 101.57s Время ответа (макс.) 55.36s Неверный ответ: 14 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 3.5 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#168#168	MiniMax M2.7medium	5.0	Minimax	$0.163 ↓	41.28s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 9 Входные токены 114,518 Выходные токены 18,558 Токены рассуждений 119,036 Время ответа (среднее) 41.28s Время ответа (суммарно) 866.81s Время ответа (макс.) 196.21s Неверный ответ: 6 Не соблюдены инструкции: 5 Нет ответа: 2 Тайм-аут: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.9 Программирование : 5.7 Комбинированный : 3.8 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 3.9 Следование инструкциям : 3.8 Решение головоломок : 5.9 Вызов инструментов : 4.7 Эрудиция : 3.0
#170#170	GPT-4o-mininone	5.0	OpenAI	$0.010	1.99s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 22.7% Нестабильные тесты 0 Входные токены 53,136 Выходные токены 2,911 Токены рассуждений 0 Время ответа (среднее) 1.99s Время ответа (суммарно) 29.86s Время ответа (макс.) 7.58s Неверный ответ: 15 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 4.8 Программирование : 3.2 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 6.3 Решение головоломок : 3.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#173#173	Nemotron 3 Supernone	4.9	NVIDIA	$0.017 ↑	5.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 8.5 Доля успешных попыток 30.3% Нестабильные тесты 3 Входные токены 63,519 Выходные токены 6,434 Токены рассуждений 0 Время ответа (среднее) 5.97s Время ответа (суммарно) 131.31s Время ответа (макс.) 20.00s Неверный ответ: 15 Не соблюдены инструкции: 2 Анти-ИИ уловки : 4.8 Программирование : 3.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.6 Следование инструкциям : 6.3 Решение головоломок : 5.5 Вызов инструментов : 4.7 Эрудиция : 3.0
#178#178	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.067	12.17s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 37.9% Нестабильные тесты 8 Входные токены 69,367 Выходные токены 93,913 Токены рассуждений 0 Время ответа (среднее) 12.17s Время ответа (суммарно) 267.83s Время ответа (макс.) 121.05s Неверный ответ: 13 Лишнее форматирование: 3 Ошибка API: 1 Анти-ИИ уловки : 5.3 Программирование : 3.3 Комбинированный : 3.8 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 2.9 Общий интеллект : 5.0 Следование инструкциям : 9.9 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#186#186	MiniMax M2.5medium	4.6	Minimax	$0.340 ↓	68.27s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 10 Входные токены 142,561 Выходные токены 125,442 Токены рассуждений 339,935 Время ответа (среднее) 68.27s Время ответа (суммарно) 955.75s Время ответа (макс.) 251.36s Неверный ответ: 7 Тайм-аут: 4 Не соблюдены инструкции: 3 Нет ответа: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.9 Программирование : 3.4 Комбинированный : 3.7 Парсинг и извлечение данных : 4.6 Предметно-ориентированное : 2.9 Общий интеллект : 3.8 Следование инструкциям : 7.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#188#188	Laguna M.1none	4.4	Poolside	$0.009 ↕	2.89s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 9.8 Доля успешных попыток 27.3% Нестабильные тесты 3 Входные токены 38,147 Выходные токены 2,054 Токены рассуждений 0 Время ответа (среднее) 2.89s Время ответа (суммарно) 43.28s Время ответа (макс.) 15.42s Неверный ответ: 10 Ошибка API: 4 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.4 Программирование : 2.5 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 3.0 Следование инструкциям : 6.3 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#203#203	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.4	NVIDIA	$0.000	17.13s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 5 Входные токены 11,661 Выходные токены 48,491 Токены рассуждений 180,695 Время ответа (среднее) 17.13s Время ответа (суммарно) 222.66s Время ответа (макс.) 147.45s Неверный ответ: 7 Ошибка API: 6 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 6.4 Программирование : 1.1 Комбинированный : 1.5 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 3.0 Следование инструкциям : 7.3 Решение головоломок : 2.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#179#179	Trinity Large Previewnone	4.8	Arcee AI	$0.008 ↑	2.98s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 21.2% Нестабильные тесты 2 Входные токены 29,828 Выходные токены 2,169 Токены рассуждений 0 Время ответа (среднее) 2.98s Время ответа (суммарно) 56.57s Время ответа (макс.) 14.34s Неверный ответ: 12 Не соблюдены инструкции: 3 Ошибка API: 2 Анти-ИИ уловки : 3.1 Программирование : 3.7 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.5 Следование инструкциям : 3.5 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#195#195	Hy3 previewnone	4.0	Tencent	$0.003 ↕	12.92s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 22.7% 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 Ошибка API: 4 Не соблюдены инструкции: 4 Лишнее форматирование: 1 Анти-ИИ уловки : 4.8 Программирование : 2.7 Комбинированный : 1.5 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
#196#196	MiMo-V2-Flashnone	4.0	Xiaomi	$0.025 ↑	2.76s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 17 Надежность 6.7 Доля успешных попыток 24.2% Нестабильные тесты 4 Входные токены 36,851 Выходные токены 68,882 Токены рассуждений 0 Время ответа (среднее) 2.76s Время ответа (суммарно) 46.99s Время ответа (макс.) 19.68s Неверный ответ: 13 Не соблюдены инструкции: 2 Ошибка API: 1 Лишнее форматирование: 1 Анти-ИИ уловки : 3.2 Программирование : 4.3 Комбинированный : 1.5 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
#157#157	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.061 ↑	5.52s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 31.8% Нестабильные тесты 6 Входные токены 93,979 Выходные токены 46,957 Токены рассуждений 0 Время ответа (среднее) 5.52s Время ответа (суммарно) 110.40s Время ответа (макс.) 39.54s Неверный ответ: 13 Ошибка API: 2 Не соблюдены инструкции: 2 Нет ответа: 1 Анти-ИИ уловки : 3.6 Программирование : 5.5 Комбинированный : 3.8 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
#158#158	Ling-2.6-1Tnone	5.3	Inclusionai	$0.016 ↑	8.58s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 18.2% Нестабильные тесты 0 Входные токены 106,414 Выходные токены 11,555 Токены рассуждений 0 Время ответа (среднее) 8.58s Время ответа (суммарно) 163.06s Время ответа (макс.) 25.72s Неверный ответ: 12 Ошибка API: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.4 Программирование : 3.8 Комбинированный : 6.5 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
#165#165	Qwen3.5-9Bnone	5.1	Qwen	$0.021 ↑	19.17s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 19.7% Нестабильные тесты 1 Входные токены 144,407 Выходные токены 37,484 Токены рассуждений 0 Время ответа (среднее) 19.17s Время ответа (суммарно) 421.74s Время ответа (макс.) 382.06s Неверный ответ: 14 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 3.1 Программирование : 3.9 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 3.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#167#167	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 8.7 Доля успешных попыток 18.2% Нестабильные тесты 0 Входные токены 130,492 Выходные токены 26,786 Токены рассуждений 0 Время ответа (среднее) 29.95s Время ответа (суммарно) 658.82s Время ответа (макс.) 159.85s Неверный ответ: 12 Лишнее форматирование: 2 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 3.0 Программирование : 3.9 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.9 Следование инструкциям : 6.5 Решение головоломок : 3.5 Вызов инструментов : 9.5 Эрудиция : 3.0
#176#176	GPT-5.4 Nanonone	4.8	OpenAI	$0.041	2.57s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 28.8% Нестабильные тесты 5 Входные токены 115,924 Выходные токены 13,794 Токены рассуждений 0 Время ответа (среднее) 2.57s Время ответа (суммарно) 56.51s Время ответа (макс.) 25.50s Неверный ответ: 15 Не соблюдены инструкции: 2 Нет ответа: 1 Анти-ИИ уловки : 3.5 Программирование : 4.6 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 2.9 Общий интеллект : 3.8 Следование инструкциям : 6.3 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#183#183	Qwen3 Coder Nextmedium	4.7	Qwen	$0.032 ↓	9.61s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 3 Входные токены 148,194 Выходные токены 19,069 Токены рассуждений 0 Время ответа (среднее) 9.61s Время ответа (суммарно) 153.69s Время ответа (макс.) 81.80s Неверный ответ: 13 Не соблюдены инструкции: 3 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 3.5 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 6.3 Следование инструкциям : 6.3 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#185#185	Mercury 2none	4.6	Inception	$0.030	829ms
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 22.7% Нестабильные тесты 2 Входные токены 88,704 Выходные токены 9,564 Токены рассуждений 0 Время ответа (среднее) 829ms Время ответа (суммарно) 18.24s Время ответа (макс.) 4.52s Неверный ответ: 17 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.0 Программирование : 3.4 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
#190#190	GLM 4.7 Flashmedium	4.3	Z.ai	$0.166	142.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 7.8 Доля успешных попыток 31.8% Нестабильные тесты 8 Входные токены 79,051 Выходные токены 43,754 Токены рассуждений 374,109 Время ответа (среднее) 142.59s Время ответа (суммарно) 1996.21s Время ответа (макс.) 1539.97s Неверный ответ: 9 Нет ответа: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Тайм-аут: 2 Анти-ИИ уловки : 4.7 Программирование : 3.2 Комбинированный : 2.9 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
#199#199	Grok 4.1 Fastnone	3.8	X AI	$0.008 ↓	1.62s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 19.7% 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 : 1.8 Комбинированный : 1.5 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
#200#200	Qwen3.5-9Bmedium	3.8	Qwen	$0.036 ↑	82.24s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 5.0 Доля успешных попыток 25.8% Нестабильные тесты 5 Входные токены 17,070 Выходные токены 29,045 Токены рассуждений 209,516 Время ответа (среднее) 82.24s Время ответа (суммарно) 1315.88s Время ответа (макс.) 226.38s Тайм-аут: 12 Нет ответа: 2 Неверный ответ: 2 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 5.1 Программирование : 2.9 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
#206#206	LFM2-24B-A2Bnone	2.2	Liquid	$0.001	782ms
Открыть карточку модели Всего тестов 16 Ошибочных тестов 14 Надежность Н/Д Доля успешных попыток 12.1% 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 : 2.5 Программирование : 0.0 Комбинированный : 1.5 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 Эрудиция : 0.0
#204#204	Nemotron 3 Nano Omni 30b A3b Reasoningnone	3.2	NVIDIA	$0.000	728ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 15.2% 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 : 3.3 Комбинированный : 1.5 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
#197#197	Granite 4.1 8Bnone	4.0	IBM Granite	$0.007	1.45s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 20 Надежность 10.0 Доля успешных попыток 9.1% Нестабильные тесты 0 Входные токены 113,827 Выходные токены 5,996 Токены рассуждений 0 Время ответа (среднее) 1.45s Время ответа (суммарно) 31.96s Время ответа (макс.) 16.67s Неверный ответ: 13 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Лишнее форматирование: 1 Анти-ИИ уловки : 4.9 Программирование : 4.5 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

←

1 2 3 4 5 6 7

Быстрое сравнение

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGPT-5.6 Sollow Gemini 3 Flash PreviewmediumvsGPT-5.6 Solmedium Gemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsNemotron 3 UltramediumБесплатно доступно Gemini 3 Flash PreviewmediumvsNorth Mini CodemediumБесплатно доступно Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low

Таблица лидеров AI Benchy

Фильтровать модели

Быстрое сравнение