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)
#279#279	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 2 Входные токены 44,969 Выходные токены 58,087 Токены рассуждений 0 Время ответа (среднее) 14.73s Время ответа (суммарно) 220.93s Время ответа (макс.) 53.14s Ошибка API: 4 Неверный ответ: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 6.5 Программирование : 1.5 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 3.0 Следование инструкциям : 10.0 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#83#83	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.489 ↑	92.50s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 6 Входные токены 90,757 Выходные токены 22,928 Токены рассуждений 186,516 Время ответа (среднее) 92.50s Время ответа (суммарно) 2035.01s Время ответа (макс.) 416.76s Неверный ответ: 7 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 5.7 Программирование : 6.3 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 7.8 Решение головоломок : 6.9 Вызов инструментов : 9.8 Эрудиция : 3.0
#118#118	Muse Glimmer 30Bhigh	7.2	Meta	$0.430 ↓	66.70s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 8 Входные токены 103,494 Выходные токены 100,589 Токены рассуждений 270,217 Время ответа (среднее) 66.70s Время ответа (суммарно) 1467.39s Время ответа (макс.) 451.90s Неверный ответ: 7 Не соблюдены инструкции: 3 Нет ответа: 2 Анти-ИИ уловки : 8.7 Программирование : 8.8 Комбинированный : 6.4 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 5.3 Следование инструкциям : 8.4 Решение головоломок : 6.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#131#131	Mercury 2medium	7.0	Inception	$0.094	2.95s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 53.0% Нестабильные тесты 4 Входные токены 110,515 Выходные токены 10,325 Токены рассуждений 77,229 Время ответа (среднее) 2.95s Время ответа (суммарно) 61.89s Время ответа (макс.) 14.63s Неверный ответ: 8 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.9 Программирование : 8.2 Комбинированный : 6.7 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 4.8 Следование инструкциям : 10.0 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#134#134	Kimi K2.5medium	7.0	Moonshot AI	$0.479 ↓	98.19s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 8 Входные токены 118,496 Выходные токены 53,522 Токены рассуждений 167,420 Время ответа (среднее) 98.19s Время ответа (суммарно) 1571.05s Время ответа (макс.) 281.00s Неверный ответ: 5 Не соблюдены инструкции: 2 Нет ответа: 2 Тайм-аут: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.3 Программирование : 6.1 Комбинированный : 6.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#137#137	Qwen3.7 Flashmedium	6.9	Qwen	$0.065	47.38s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 7 Входные токены 114,477 Выходные токены 12,786 Токены рассуждений 457,290 Время ответа (среднее) 47.38s Время ответа (суммарно) 1042.43s Время ответа (макс.) 593.64s Неверный ответ: 8 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 6.2 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.5 Следование инструкциям : 5.8 Решение головоломок : 7.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#142#142	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 7.3 Доля успешных попыток 63.6% Нестабильные тесты 7 Входные токены 76,036 Выходные токены 7,267 Токены рассуждений 364,176 Время ответа (среднее) 101.05s Время ответа (суммарно) 2223.19s Время ответа (макс.) 626.58s Ошибка API: 6 Неверный ответ: 4 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 6.9 Программирование : 8.9 Комбинированный : 4.7 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 4.7 Эрудиция : 3.0
#152#152	LongCat 2.0low	6.7	Meituan	$0.412	113.61s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 9.9 Доля успешных попыток 54.6% Нестабильные тесты 4 Входные токены 90,870 Выходные токены 5,676 Токены рассуждений 314,918 Время ответа (среднее) 113.61s Время ответа (суммарно) 2499.46s Время ответа (макс.) 560.39s Неверный ответ: 7 Ошибка API: 2 Не соблюдены инструкции: 1 Нет ответа: 1 Тайм-аут: 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
#160#160	Inkling Smallmedium	6.6	Thinkingmachines	$0.113 ↓	6.30s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 53.0% Нестабильные тесты 3 Входные токены 100,255 Выходные токены 6,422 Токены рассуждений 49,847 Время ответа (среднее) 6.30s Время ответа (суммарно) 138.60s Время ответа (макс.) 17.26s Неверный ответ: 6 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.3 Следование инструкциям : 8.5 Решение головоломок : 5.8 Вызов инструментов : 3.0 Эрудиция : 3.0
#165#165	Qwen3.6 27Bmedium	6.5	Qwen	$1.045 ↑	106.06s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 60.6% Нестабильные тесты 7 Входные токены 106,176 Выходные токены 33,013 Токены рассуждений 239,560 Время ответа (среднее) 106.06s Время ответа (суммарно) 2333.36s Время ответа (макс.) 1085.11s Неверный ответ: 5 Нет ответа: 3 Недопустимый вызов инструмента: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.3 Программирование : 7.7 Комбинированный : 6.7 Парсинг и извлечение данных : 3.5 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#170#170	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	61.81s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 57.6% Нестабильные тесты 5 Входные токены 113,889 Выходные токены 110,550 Токены рассуждений 496,487 Время ответа (среднее) 61.81s Время ответа (суммарно) 1359.72s Время ответа (макс.) 417.36s Неверный ответ: 7 Не соблюдены инструкции: 2 Нет ответа: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 5.9 Комбинированный : 6.9 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.6 Общий интеллект : 4.0 Следование инструкциям : 7.9 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#171#171	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	67.81s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 59.1% Нестабильные тесты 6 Входные токены 127,621 Выходные токены 141,858 Токены рассуждений 590,204 Время ответа (среднее) 67.81s Время ответа (суммарно) 1491.80s Время ответа (макс.) 480.52s Неверный ответ: 8 Нет ответа: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.7 Программирование : 5.8 Комбинированный : 6.9 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 3.4 Следование инструкциям : 8.3 Решение головоломок : 5.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#180#180	GPT-5.6 Lunalow	6.2	OpenAI	$0.051 ↓	5.20s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 54.5% Нестабильные тесты 5 Входные токены 96,355 Выходные токены 8,213 Токены рассуждений 18,073 Время ответа (среднее) 5.20s Время ответа (суммарно) 114.46s Время ответа (макс.) 19.44s Неверный ответ: 10 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 2.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.0 Следование инструкциям : 8.5 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#182#182	Gemini 3.1 Flash Liteminimal	6.1	Google	$0.047	1.85s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 51.5% Нестабильные тесты 3 Входные токены 119,076 Выходные токены 11,118 Токены рассуждений 0 Время ответа (среднее) 1.85s Время ответа (суммарно) 40.74s Время ответа (макс.) 12.97s Неверный ответ: 8 Не соблюдены инструкции: 3 Нет ответа: 1 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.0 Следование инструкциям : 10.0 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#188#188	Inklinglow	6.1	Thinkingmachines	$0.187	5.11s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 54.6% Нестабильные тесты 4 Входные токены 109,893 Выходные токены 8,580 Токены рассуждений 10,324 Время ответа (среднее) 5.11s Время ответа (суммарно) 112.46s Время ответа (макс.) 41.58s Неверный ответ: 8 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Анти-ИИ уловки : 8.3 Программирование : 5.1 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 6.4 Вызов инструментов : 3.0 Эрудиция : 3.0
#206#206	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
#208#208	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
#273#273	Grok 4.20 Multi Agent Betamedium	4.8	X AI	$5.599 ↑	9.69s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 48.5% Нестабильные тесты 5 Входные токены 721,952 Выходные токены 294,668 Токены рассуждений 305,374 Время ответа (среднее) 9.69s Время ответа (суммарно) 155.07s Время ответа (макс.) 35.28s Неверный ответ: 4 Ошибка API: 2 Лишнее форматирование: 2 Не соблюдены инструкции: 2 Анти-ИИ уловки : 6.9 Программирование : 3.3 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.8 Следование инструкциям : 9.8 Решение головоломок : 6.7 Вызов инструментов : 3.0 Эрудиция : 0.0
#277#277	Hunter Alphamedium	4.7	OpenRouter	$0.000	10.33s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 53.0% Нестабильные тесты 6 Входные токены 28,927 Выходные токены 4,682 Токены рассуждений 17,969 Время ответа (среднее) 10.33s Время ответа (суммарно) 175.58s Время ответа (макс.) 30.53s Неверный ответ: 4 Не соблюдены инструкции: 2 Тайм-аут: 2 Ошибка API: 1 Лишнее форматирование: 1 Анти-ИИ уловки : 7.3 Программирование : 9.8 Комбинированный : 2.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 7.0 Следование инструкциям : 9.9 Решение головоломок : 6.1 Вызов инструментов : 10.0 Эрудиция : 0.0
#213#213	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
#145#145	DeepSeek V4 Pronone	6.8	DeepSeek	$0.226 ↑	11.71s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 47.0% Нестабильные тесты 4 Входные токены 148,078 Выходные токены 35,547 Токены рассуждений 0 Время ответа (среднее) 11.71s Время ответа (суммарно) 257.67s Время ответа (макс.) 119.44s Неверный ответ: 9 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.2 Программирование : 5.6 Комбинированный : 7.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#155#155	LongCat 2.0high	6.7	Meituan	$0.492	153.29s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 51.5% Нестабильные тесты 4 Входные токены 93,411 Выходные токены 30,470 Токены рассуждений 356,172 Время ответа (среднее) 153.29s Время ответа (суммарно) 3372.36s Время ответа (макс.) 941.66s Неверный ответ: 7 Не соблюдены инструкции: 2 Нет ответа: 2 Тайм-аут: 2 Анти-ИИ уловки : 8.9 Программирование : 7.8 Комбинированный : 10.0 Парсинг и извлечение данных : 3.6 Предметно-ориентированное : 3.6 Общий интеллект : 5.1 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#158#158	Qwen3.5-27Bnone	6.6	Qwen	$0.058 ↓	4.77s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 2 Входные токены 102,325 Выходные токены 24,323 Токены рассуждений 0 Время ответа (среднее) 4.77s Время ответа (суммарно) 105.00s Время ответа (макс.) 69.46s Неверный ответ: 11 Не соблюдены инструкции: 2 Анти-ИИ уловки : 4.8 Программирование : 5.8 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 6.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#166#166	Laguna XS 2.1medium	6.5	Poolside	$0.068	48.18s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 2 Входные токены 118,998 Выходные токены 30,750 Токены рассуждений 491,730 Время ответа (среднее) 48.18s Время ответа (суммарно) 1059.93s Время ответа (макс.) 422.72s Неверный ответ: 10 Нет ответа: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 6.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#184#184	gpt-oss-120bmedium	6.1	OpenAI	$0.020 ↓	20.81s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 50.0% Нестабильные тесты 5 Входные токены 108,767 Выходные токены 29,378 Токены рассуждений 68,904 Время ответа (среднее) 20.81s Время ответа (суммарно) 332.88s Время ответа (макс.) 68.16s Неверный ответ: 9 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.7 Программирование : 5.9 Комбинированный : 6.5 Парсинг и извлечение данных : 6.4 Предметно-ориентированное : 2.9 Общий интеллект : 4.3 Следование инструкциям : 9.9 Решение головоломок : 5.3 Вызов инструментов : 9.8 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 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