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: 2026-09-04 Оценено моделей: 316

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

316/316

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#205#205	Qwen3.5-Flashnone	6.0	Qwen	$0.073 ↓	25.28s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 34.9% Нестабильные тесты 2 Входные токены 282,356 Выходные токены 209,201 Токены рассуждений 0 Время ответа (среднее) 25.28s Время ответа (суммарно) 556.14s Время ответа (макс.) 480.96s Неверный ответ: 14 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.5 Программирование : 5.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.3 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#206#206	Qwen3.5-35B-A3Bnone	5.9	Qwen	$0.076 ↓	12.73s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 39.4% Нестабильные тесты 4 Входные токены 134,530 Выходные токены 86,616 Токены рассуждений 0 Время ответа (среднее) 12.73s Время ответа (суммарно) 279.97s Время ответа (макс.) 209.15s Неверный ответ: 13 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.4 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.5 Следование инструкциям : 6.3 Решение головоломок : 3.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#207#207	Step 3.5 Flashmedium	5.9	Stepfun	$0.132 ↑	191.63s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 50.0% Нестабильные тесты 2 Входные токены 65,716 Выходные токены 189,424 Токены рассуждений 379,112 Время ответа (среднее) 191.63s Время ответа (суммарно) 3066.07s Время ответа (макс.) 1597.85s Неверный ответ: 5 Не соблюдены инструкции: 3 Ошибка API: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 2.4 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 5.5 Следование инструкциям : 8.3 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#208#208	Dots 3 Note Previewmedium	5.9	Dots Studio	$0.000	67.13s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 57.6% Нестабильные тесты 8 Входные токены 94,639 Выходные токены 108,013 Токены рассуждений 571,526 Время ответа (среднее) 67.13s Время ответа (суммарно) 1476.95s Время ответа (макс.) 459.19s Неверный ответ: 9 Не соблюдены инструкции: 2 Нет ответа: 2 Лишнее форматирование: 1 Анти-ИИ уловки : 8.7 Программирование : 4.2 Комбинированный : 9.9 Парсинг и извлечение данных : 4.5 Предметно-ориентированное : 3.6 Общий интеллект : 3.8 Следование инструкциям : 8.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#209#209	Mimo V2 Omnimedium	5.9	Xiaomi	$0.683 ↓	41.16s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 53.0% Нестабильные тесты 3 Входные токены 37,007 Выходные токены 1,952 Токены рассуждений 357,306 Время ответа (среднее) 41.16s Время ответа (суммарно) 823.26s Время ответа (макс.) 299.23s Неверный ответ: 5 Не соблюдены инструкции: 2 Нет ответа: 2 Ошибка API: 1 Лишнее форматирование: 1 Анти-ИИ уловки : 10.0 Программирование : 3.3 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.4 Следование инструкциям : 8.3 Решение головоломок : 5.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#210#210	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
#211#211	GLM 5.3 Flashlow	5.9	Z.ai	$0.015	9.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 56.1% Нестабильные тесты 4 Входные токены 117,551 Выходные токены 9,199 Токены рассуждений 14,537 Время ответа (среднее) 9.65s Время ответа (суммарно) 212.22s Время ответа (макс.) 90.45s Неверный ответ: 8 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.7 Программирование : 5.4 Комбинированный : 3.8 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#212#212	GPT-5.4 Mininone	5.9	OpenAI	$0.095	1.58s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 31.8% Нестабильные тесты 2 Входные токены 79,076 Выходные токены 7,898 Токены рассуждений 0 Время ответа (среднее) 1.58s Время ответа (суммарно) 34.86s Время ответа (макс.) 9.92s Неверный ответ: 13 Не соблюдены инструкции: 3 Анти-ИИ уловки : 3.1 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.8 Следование инструкциям : 6.3 Решение головоломок : 5.4 Вызов инструментов : 3.0 Эрудиция : 3.0
#213#213	Seed 2.1 Turbonone	5.9	Bytedance Seed	$0.092	6.84s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 54.6% Нестабильные тесты 3 Входные токены 129,150 Выходные токены 10,643 Токены рассуждений 0 Время ответа (среднее) 6.84s Время ответа (суммарно) 150.46s Время ответа (макс.) 55.92s Неверный ответ: 11 Нет ответа: 1 Анти-ИИ уловки : 4.8 Программирование : 4.5 Комбинированный : 3.8 Парсинг и извлечение данных : 7.1 Предметно-ориентированное : 7.7 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#214#214	GPT-5.4none	5.8	OpenAI	$0.397	2.08s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 34.9% Нестабильные тесты 2 Входные токены 108,641 Выходные токены 8,339 Токены рассуждений 0 Время ответа (среднее) 2.08s Время ответа (суммарно) 45.75s Время ответа (макс.) 15.63s Неверный ответ: 14 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.2 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 5.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#215#215	Solar Pro 4none	5.8	Upstage	$0.006	5.37s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 1 Входные токены 130,863 Выходные токены 11,912 Токены рассуждений 0 Время ответа (среднее) 5.37s Время ответа (суммарно) 118.06s Время ответа (макс.) 64.67s Неверный ответ: 14 Нет ответа: 1 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.0 Следование инструкциям : 6.4 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#218#218	GLM 5none	5.7	Z.ai	$0.027 ↑	4.03s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 42.4% Нестабильные тесты 1 Входные токены 37,135 Выходные токены 1,989 Токены рассуждений 0 Время ответа (среднее) 4.03s Время ответа (суммарно) 56.37s Время ответа (макс.) 11.07s Неверный ответ: 12 Анти-ИИ уловки : 4.8 Программирование : 4.0 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#219#219	Inkling Smalllow	5.7	Thinkingmachines	$0.055 ↓	2.07s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 50.0% Нестабильные тесты 4 Входные токены 81,447 Выходные токены 2,715 Токены рассуждений 11,971 Время ответа (среднее) 2.07s Время ответа (суммарно) 45.64s Время ответа (макс.) 5.82s Неверный ответ: 9 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 9.2 Программирование : 4.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.3 Следование инструкциям : 9.9 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#220#220	Ling-3.0-flashnone	5.7	Inclusionai	$0.004 ↕	3.56s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 0 Входные токены 123,993 Выходные токены 12,777 Токены рассуждений 0 Время ответа (среднее) 3.56s Время ответа (суммарно) 74.74s Время ответа (макс.) 17.51s Неверный ответ: 13 Ошибка API: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 4.8 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#221#221	GLM 5.1none	5.7	Z.ai	$0.164 ↓	6.74s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 5 Входные токены 124,219 Выходные токены 14,393 Токены рассуждений 0 Время ответа (среднее) 6.74s Время ответа (суммарно) 148.20s Время ответа (макс.) 61.20s Неверный ответ: 12 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 4.0 Программирование : 3.9 Комбинированный : 2.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#222#222	Kimi K2.6none	5.7	Moonshot AI	$0.233 ↑	19.57s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 2 Входные токены 116,983 Выходные токены 30,249 Токены рассуждений 0 Время ответа (среднее) 19.57s Время ответа (суммарно) 430.58s Время ответа (макс.) 238.89s Неверный ответ: 12 Не соблюдены инструкции: 3 Нет ответа: 1 Анти-ИИ уловки : 4.6 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.4 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#223#223	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.283 ↑	12.93s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 2 Входные токены 241,575 Выходные токены 88,459 Токены рассуждений 0 Время ответа (среднее) 12.93s Время ответа (суммарно) 284.39s Время ответа (макс.) 212.63s Неверный ответ: 13 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 3.7 Комбинированный : 5.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 3.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#224#224	Gemini 3.1 Flash Litehigh	5.6	Google	$2.044	61.96s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 56.1% Нестабильные тесты 4 Входные токены 29,134 Выходные токены 1,984 Токены рассуждений 1,355,583 Время ответа (среднее) 61.96s Время ответа (суммарно) 1115.31s Время ответа (макс.) 149.23s Неверный ответ: 4 Не соблюдены инструкции: 3 Нет ответа: 1 Анти-ИИ уловки : 8.7 Программирование : 3.3 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 7.3 Решение головоломок : 5.7 Вызов инструментов : 10.0 Эрудиция : 0.0
#226#226	GLM 5V Turbonone	5.6	Z.ai	$0.052	2.99s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 36.4% Нестабильные тесты 0 Входные токены 37,100 Выходные токены 1,766 Токены рассуждений 0 Время ответа (среднее) 2.99s Время ответа (суммарно) 62.74s Время ответа (макс.) 6.51s Неверный ответ: 11 Не соблюдены инструкции: 2 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.6 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#227#227	Owl Alphamedium	5.6	Openrouter	$0.000	11.95s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 37.9% Нестабильные тесты 1 Входные токены 43,478 Выходные токены 2,974 Токены рассуждений 0 Время ответа (среднее) 11.95s Время ответа (суммарно) 250.88s Время ответа (макс.) 58.63s Неверный ответ: 10 Не соблюдены инструкции: 2 Ошибка API: 1 Анти-ИИ уловки : 4.8 Программирование : 5.4 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#228#228	Gemma 4 26B A4Bnone	5.6	Google	$0.015 ↓	7.58s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 1 Входные токены 131,257 Выходные токены 15,781 Токены рассуждений 0 Время ответа (среднее) 7.58s Время ответа (суммарно) 166.82s Время ответа (макс.) 57.10s Неверный ответ: 9 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.3 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 6.3 Решение головоломок : 6.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#229#229	Mimo V2 PROnone	5.6	Xiaomi	$0.045 ↓	2.27s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 39.4% Нестабильные тесты 3 Входные токены 39,344 Выходные токены 2,352 Токены рассуждений 0 Время ответа (среднее) 2.27s Время ответа (суммарно) 45.50s Время ответа (макс.) 6.58s Неверный ответ: 11 Не соблюдены инструкции: 2 Ошибка API: 1 Анти-ИИ уловки : 3.5 Программирование : 5.5 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 6.5 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#230#230	Owl Alphanone	5.6	Openrouter	$0.000	9.88s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 34.9% Нестабильные тесты 1 Входные токены 42,283 Выходные токены 5,913 Токены рассуждений 0 Время ответа (среднее) 9.88s Время ответа (суммарно) 207.38s Время ответа (макс.) 47.10s Неверный ответ: 10 Не соблюдены инструкции: 3 Лишнее форматирование: 1 Анти-ИИ уловки : 3.4 Программирование : 5.6 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 6.4 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#234#234	Qwen3.6 27Bnone	5.5	Qwen	$0.062 ↓	10.62s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 6 Входные токены 95,805 Выходные токены 16,156 Токены рассуждений 0 Время ответа (среднее) 10.62s Время ответа (суммарно) 233.68s Время ответа (макс.) 156.31s Неверный ответ: 11 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 3.8 Программирование : 5.5 Комбинированный : 3.2 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 7.7 Общий интеллект : 5.2 Следование инструкциям : 6.2 Решение головоломок : 5.3 Вызов инструментов : 9.5 Эрудиция : 3.0
#235#235	Hy3 previewlow	5.5	Tencent	$0.042 ↕	24.56s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 50.0% Нестабильные тесты 2 Входные токены 21,045 Выходные токены 63,460 Токены рассуждений 0 Время ответа (среднее) 24.56s Время ответа (суммарно) 368.35s Время ответа (макс.) 78.74s Ошибка API: 7 Неверный ответ: 4 Анти-ИИ уловки : 8.3 Программирование : 5.3 Комбинированный : 5.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.9 Общий интеллект : 3.0 Следование инструкциям : 10.0 Решение головоломок : 5.3 Вызов инструментов : 2.8 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 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium