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)
#236#236	Qwen3.8 27Bnone	5.5	Qwen	~$0.006	3.12s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 40.9% Нестабильные тесты 0 Входные токены 122,463 Выходные токены 11,445 Токены рассуждений 0 Время ответа (среднее) 3.12s Время ответа (суммарно) 68.69s Время ответа (макс.) 44.76s Неверный ответ: 11 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 7.7 Общий интеллект : 4.2 Следование инструкциям : 6.3 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#237#237	Mimo V2 Omninone	5.5	Xiaomi	$0.021 ↓	2.44s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 37.9% Нестабильные тесты 1 Входные токены 40,852 Выходные токены 3,314 Токены рассуждений 0 Время ответа (среднее) 2.44s Время ответа (суммарно) 48.81s Время ответа (макс.) 6.81s Неверный ответ: 10 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.6 Программирование : 4.4 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 6.5 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#238#238	DeepSeek V4 Flash 0423none	5.4	DeepSeek	$0.039 ↓	36.17s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 4 Входные токены 240,230 Выходные токены 100,726 Токены рассуждений 0 Время ответа (среднее) 36.17s Время ответа (суммарно) 795.83s Время ответа (макс.) 247.27s Неверный ответ: 13 Лишнее форматирование: 2 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.0 Программирование : 4.2 Комбинированный : 4.6 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.2 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#239#239	Laguna S 2.1medium	5.4	Poolside	$0.053 ↓	58.42s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 24.2% Нестабильные тесты 3 Входные токены 86,647 Выходные токены 97,298 Токены рассуждений 242,297 Время ответа (среднее) 58.42s Время ответа (суммарно) 1285.26s Время ответа (макс.) 560.31s Неверный ответ: 13 Недопустимый вызов инструмента: 2 Нет ответа: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.4 Программирование : 5.3 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.6 Следование инструкциям : 4.2 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#241#241	GPT-5.6 Lunanone	5.4	OpenAI	$0.029 ↓	1.50s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 36.4% Нестабильные тесты 3 Входные токены 101,332 Выходные токены 6,709 Токены рассуждений 0 Время ответа (среднее) 1.50s Время ответа (суммарно) 33.05s Время ответа (макс.) 10.57s Неверный ответ: 14 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 3.8 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 7.1 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#242#242	MiMo-V2.5-Pronone	5.4	Xiaomi	$0.068 ↓	4.24s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 4 Входные токены 124,808 Выходные токены 15,362 Токены рассуждений 0 Время ответа (среднее) 4.24s Время ответа (суммарно) 93.28s Время ответа (макс.) 53.13s Неверный ответ: 12 Не соблюдены инструкции: 4 Нет ответа: 1 Анти-ИИ уловки : 3.3 Программирование : 4.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 6.4 Решение головоломок : 6.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#243#243	Kimi K2.5none	5.4	Moonshot AI	$0.101 ↓	18.03s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 4 Входные токены 89,320 Выходные токены 26,643 Токены рассуждений 0 Время ответа (среднее) 18.03s Время ответа (суммарно) 288.42s Время ответа (макс.) 102.83s Неверный ответ: 16 Нет ответа: 1 Анти-ИИ уловки : 3.6 Программирование : 5.5 Комбинированный : 2.8 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#244#244	DeepSeek V4 Flash 0731none	5.4	DeepSeek	$0.011 ↓	20.72s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 4 Входные токены 94,566 Выходные токены 25,426 Токены рассуждений 0 Время ответа (среднее) 20.72s Время ответа (суммарно) 455.81s Время ответа (макс.) 387.15s Неверный ответ: 13 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Лишнее форматирование: 1 Анти-ИИ уловки : 3.4 Программирование : 4.3 Комбинированный : 3.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.4 Следование инструкциям : 5.0 Решение головоломок : 3.2 Вызов инструментов : 9.5 Эрудиция : 3.0
#245#245	Laguna S 2.1high	5.4	Poolside	$0.114 ↓	111.60s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 5 Входные токены 208,937 Выходные токены 175,588 Токены рассуждений 409,276 Время ответа (среднее) 111.60s Время ответа (суммарно) 2455.24s Время ответа (макс.) 1190.11s Неверный ответ: 11 Недопустимый вызов инструмента: 2 Нет ответа: 2 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.4 Программирование : 5.3 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.6 Следование инструкциям : 4.6 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#246#246	Inkling Smallnone	5.3	Thinkingmachines	$0.054 ↓	1.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 24.2% Нестабильные тесты 1 Входные токены 94,733 Выходные токены 8,770 Токены рассуждений 0 Время ответа (среднее) 1.51s Время ответа (суммарно) 33.21s Время ответа (макс.) 12.35s Неверный ответ: 15 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.1 Программирование : 3.6 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 3.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#247#247	Laguna XS 2.1none	5.3	Poolside	$0.008	1.55s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 3 Входные токены 91,607 Выходные токены 13,377 Токены рассуждений 0 Время ответа (среднее) 1.55s Время ответа (суммарно) 34.01s Время ответа (макс.) 19.02s Неверный ответ: 14 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 5.3 Программирование : 4.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 3.8 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#249#249	Ling-2.6-1Tnone	5.3	Inclusionai	$0.016 ↑	8.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 18.2% Нестабильные тесты 0 Входные токены 106,423 Выходные токены 11,555 Токены рассуждений 0 Время ответа (среднее) 8.59s Время ответа (суммарно) 163.20s 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
#251#251	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.051 ↓	5.57s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 28.8% Нестабильные тесты 5 Входные токены 93,990 Выходные токены 45,905 Токены рассуждений 0 Время ответа (среднее) 5.57s Время ответа (суммарно) 111.32s 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 : 2.9 Общий интеллект : 4.4 Следование инструкциям : 6.2 Решение головоломок : 3.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#252#252	Dots 3 Note Previewnone	5.2	Dots Studio	$0.000	3.53s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 16.7% Нестабильные тесты 1 Входные токены 116,155 Выходные токены 19,679 Токены рассуждений 0 Время ответа (среднее) 3.53s Время ответа (суммарно) 77.68s Время ответа (макс.) 24.48s Неверный ответ: 15 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.1 Программирование : 4.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 4.8 Решение головоломок : 3.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#253#253	Inklingnone	5.2	Thinkingmachines	$0.147	3.47s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 28.8% Нестабильные тесты 1 Входные токены 104,120 Выходные токены 10,554 Токены рассуждений 0 Время ответа (среднее) 3.47s Время ответа (суммарно) 76.28s Время ответа (макс.) 48.02s Неверный ответ: 13 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.8 Программирование : 4.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 5.6 Вызов инструментов : 3.0 Эрудиция : 3.0
#256#256	Mistral Small 4none	5.1	Mistral	$0.022	1.20s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 25.8% Нестабильные тесты 1 Входные токены 104,717 Выходные токены 9,812 Токены рассуждений 0 Время ответа (среднее) 1.20s Время ответа (суммарно) 26.41s Время ответа (макс.) 13.16s Неверный ответ: 16 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.4 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#257#257	Mistral Small 4medium	5.1	Mistral	$0.097	10.80s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 43.9% Нестабильные тесты 8 Входные токены 140,559 Выходные токены 40,268 Токены рассуждений 93,329 Время ответа (среднее) 10.80s Время ответа (суммарно) 237.60s Время ответа (макс.) 59.15s Неверный ответ: 13 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 Анти-ИИ уловки : 5.6 Программирование : 4.4 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.9 Общий интеллект : 4.8 Следование инструкциям : 7.3 Решение головоломок : 3.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#259#259	Qwen3 Coder Nextnone	5.1	Qwen	$0.026 ↑	8.63s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 25.8% Нестабильные тесты 1 Входные токены 134,227 Выходные токены 11,808 Токены рассуждений 0 Время ответа (среднее) 8.63s Время ответа (суммарно) 146.72s 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
#260#260	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.68s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 2 Входные токены 141,052 Выходные токены 16,464 Токены рассуждений 0 Время ответа (среднее) 4.68s Время ответа (суммарно) 103.02s 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 : 2.9 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#261#261	Qwen3.5-9Bnone	5.1	Qwen	$0.021 ↑	19.19s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 19.7% Нестабильные тесты 1 Входные токены 144,416 Выходные токены 37,484 Токены рассуждений 0 Время ответа (среднее) 19.19s Время ответа (суммарно) 422.25s 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
#262#262	GLM 5 Turbonone	5.1	Z.ai	$0.047 ↑	2.82s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 30.3% Нестабильные тесты 2 Входные токены 32,525 Выходные токены 1,815 Токены рассуждений 0 Время ответа (среднее) 2.82s Время ответа (суммарно) 59.29s Время ответа (макс.) 8.21s Неверный ответ: 13 Не соблюдены инструкции: 2 Анти-ИИ уловки : 3.0 Программирование : 3.9 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.2 Следование инструкциям : 6.5 Решение головоломок : 5.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#264#264	MiniMax M2.7medium	5.0	Minimax	$0.208	43.25s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 45.5% Нестабильные тесты 9 Входные токены 114,527 Выходные токены 18,558 Токены рассуждений 129,146 Время ответа (среднее) 43.25s Время ответа (суммарно) 908.21s 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
#265#265	Mercury 2.5 Previewlow	5.0	Inception	$0.011	1.31s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 47.0% Нестабильные тесты 8 Входные токены 133,525 Выходные токены 7,259 Токены рассуждений 24,716 Время ответа (среднее) 1.31s Время ответа (суммарно) 28.77s Время ответа (макс.) 7.29s Неверный ответ: 12 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 Анти-ИИ уловки : 5.6 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 4.1 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 8.2 Вызов инструментов : 2.8 Эрудиция : 3.0
#266#266	Laguna S 2.1low	5.0	Poolside	$0.082 ↓	85.34s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 22.7% Нестабильные тесты 5 Входные токены 118,752 Выходные токены 67,823 Токены рассуждений 383,885 Время ответа (среднее) 85.34s Время ответа (суммарно) 1877.49s Время ответа (макс.) 814.73s Неверный ответ: 15 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.4 Программирование : 3.8 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 4.3 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#267#267	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	17.89s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 36.4% Нестабильные тесты 5 Входные токены 135,831 Выходные токены 42,099 Токены рассуждений 0 Время ответа (среднее) 17.89s Время ответа (суммарно) 393.53s Время ответа (макс.) 115.89s Неверный ответ: 8 Ошибка API: 3 Лишнее форматирование: 2 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.2 Программирование : 3.1 Комбинированный : 4.8 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 4.7 Следование инструкциям : 10.0 Решение головоломок : 7.6 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 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