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)
#126#126	Step 3.5 Flashmedium	6.0	Stepfun	$0.108 ↑	174.22s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 10 Надежность 9.2 Доля успешных попыток 51.5% Нестабильные тесты 1 Входные токены 65,707 Выходные токены 108,561 Токены рассуждений 293,993 Время ответа (среднее) 174.22s Время ответа (суммарно) 2613.32s Время ответа (макс.) 1597.85s Неверный ответ: 4 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 : 5.3 Общий интеллект : 5.5 Следование инструкциям : 8.3 Решение головоломок : 5.3 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
#133#133	North Mini Codemedium	5.9	Cohere	$0.000	137.11s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 13 Надежность 8.6 Доля успешных попыток 48.5% Нестабильные тесты 4 Входные токены 81,813 Выходные токены 424,772 Токены рассуждений 1,342,029 Время ответа (среднее) 137.11s Время ответа (суммарно) 3016.42s Время ответа (макс.) 786.72s Неверный ответ: 9 Лишнее форматирование: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.4 Программирование : 4.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 3.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#33#33	Kimi K3max	8.0	Moonshot AI	$3.112	122.48s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 9.1 Доля успешных попыток 75.8% Нестабильные тесты 1 Входные токены 34,916 Выходные токены 2,910 Токены рассуждений 197,529 Время ответа (среднее) 122.48s Время ответа (суммарно) 2327.06s Время ответа (макс.) 766.58s Ошибка API: 2 Тайм-аут: 2 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.5 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.9 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#115#115	Qwen3.5-35B-A3Bmedium	6.2	Qwen	$0.837 ↓	112.47s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 6 Входные токены 130,388 Выходные токены 40,630 Токены рассуждений 786,040 Время ответа (среднее) 112.47s Время ответа (суммарно) 2474.28s Время ответа (макс.) 950.25s Тайм-аут: 5 Нет ответа: 2 Неверный ответ: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 5.9 Комбинированный : 3.8 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 4.1 Общий интеллект : 2.8 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#58#58	Qwen3.5-27Bmedium	7.4	Qwen	$1.627 ↑	111.94s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 72.7% Нестабильные тесты 5 Входные токены 111,635 Выходные токены 15,999 Токены рассуждений 598,430 Время ответа (среднее) 111.94s Время ответа (суммарно) 2462.67s Время ответа (макс.) 1026.43s Неверный ответ: 4 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 8.7 Программирование : 6.2 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#67#67	Kimi K2.6medium	7.2	Moonshot AI	$1.222 ↑	109.98s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 9.4 Доля успешных попыток 63.6% Нестабильные тесты 4 Входные токены 68,902 Выходные токены 111,680 Токены рассуждений 279,860 Время ответа (среднее) 109.98s Время ответа (суммарно) 2309.56s Время ответа (макс.) 876.20s Тайм-аут: 3 Неверный ответ: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 7.0 Программирование : 5.7 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#96#96	Qwen3.6 27Bmedium	6.5	Qwen	$0.779 ↑	106.32s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 59.1% Нестабильные тесты 6 Входные токены 106,167 Выходные токены 32,889 Токены рассуждений 241,303 Время ответа (среднее) 106.32s Время ответа (суммарно) 2339.12s Время ответа (макс.) 1085.11s Неверный ответ: 6 Нет ответа: 3 Недопустимый вызов инструмента: 2 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
#93#93	Gemma 4 26B A4Bmedium	6.6	Google	$0.082 ↓	103.83s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 9.4 Доля успешных попыток 66.7% Нестабильные тесты 2 Входные токены 77,550 Выходные токены 28,036 Токены рассуждений 219,491 Время ответа (среднее) 103.83s Время ответа (суммарно) 2180.47s Время ответа (макс.) 912.19s Неверный ответ: 3 Нет ответа: 2 Тайм-аут: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 2.9 Комбинированный : 6.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#76#76	Kimi K2.5medium	7.0	Moonshot AI	$0.600 ↑	99.00s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 8 Входные токены 118,448 Выходные токены 62,124 Токены рассуждений 165,243 Время ответа (среднее) 99.00s Время ответа (суммарно) 1485.04s 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 : 3.5 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#79#79	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.101	92.53s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 8.5 Доля успешных попыток 57.6% Нестабильные тесты 3 Входные токены 125,467 Выходные токены 10,778 Токены рассуждений 209,856 Время ответа (среднее) 92.53s Время ответа (суммарно) 1665.50s Время ответа (макс.) 301.78s Тайм-аут: 5 Неверный ответ: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 6.6 Программирование : 5.5 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#57#57	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.437 ↓	89.19s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 4 Входные токены 113,560 Выходные токены 9,823 Токены рассуждений 250,881 Время ответа (среднее) 89.19s Время ответа (суммарно) 1337.92s Время ответа (макс.) 304.85s Неверный ответ: 4 Тайм-аут: 2 Ошибка API: 1 Недопустимый вызов инструмента: 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
#110#110	Qwen3.5-Flashmedium	6.2	Qwen	$0.139 ↓	84.82s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 6 Входные токены 118,499 Выходные токены 12,284 Токены рассуждений 490,610 Время ответа (среднее) 84.82s Время ответа (суммарно) 1781.22s Время ответа (макс.) 515.38s Неверный ответ: 4 Тайм-аут: 3 Ошибка API: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 3.7 Комбинированный : 6.4 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#52#52	Kimi K2.7 Codemedium	7.5	Moonshot AI	$0.871 ↑	84.25s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 4 Входные токены 72,073 Выходные токены 83,714 Токены рассуждений 178,793 Время ответа (среднее) 84.25s Время ответа (суммарно) 1769.22s Время ответа (макс.) 365.80s Неверный ответ: 5 Тайм-аут: 3 Ошибка API: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 7.3 Программирование : 7.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.5 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 5.9 Вызов инструментов : 3.0 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
#46#46	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.200	79.14s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 6 Входные токены 90,748 Выходные токены 10,462 Токены рассуждений 178,719 Время ответа (среднее) 79.14s Время ответа (суммарно) 1740.97s Время ответа (макс.) 416.76s Неверный ответ: 6 Не соблюдены инструкции: 2 Ошибка API: 1 Лишнее форматирование: 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
#12#12	Grok 4.5high	8.9	X AI	$1.707	76.50s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 2 Входные токены 151,562 Выходные токены 5,655 Токены рассуждений 247,540 Время ответа (среднее) 76.50s Время ответа (суммарно) 1683.07s Время ответа (макс.) 676.83s Нет ответа: 2 Неверный ответ: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.7 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#107#107	Gemma 4 31Bmedium	6.3	Google	$0.107 ↓	75.38s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 68.2% Нестабильные тесты 2 Входные токены 94,992 Выходные токены 34,468 Токены рассуждений 223,278 Время ответа (среднее) 75.38s Время ответа (суммарно) 1507.52s Время ответа (макс.) 437.40s Ошибка API: 2 Тайм-аут: 2 Неверный ответ: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 4.3 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 9.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#47#47	MiniMax M3medium	7.6	Minimax	$0.286	74.98s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 9.7 Доля успешных попыток 66.7% Нестабильные тесты 5 Входные токены 121,990 Выходные токены 77,916 Токены рассуждений 173,553 Время ответа (среднее) 74.98s Время ответа (суммарно) 1574.56s Время ответа (макс.) 431.03s Тайм-аут: 3 Неверный ответ: 3 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 5.5 Программирование : 6.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.5 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 7.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#105#105	Ring-2.6-1Tmedium	6.3	Inclusionai	$0.103 ↑	68.74s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 60.6% Нестабильные тесты 4 Входные токены 113,604 Выходные токены 123,079 Токены рассуждений 42,754 Время ответа (среднее) 68.74s Время ответа (суммарно) 1374.86s Время ответа (макс.) 304.19s Неверный ответ: 6 Ошибка API: 2 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 5.3 Комбинированный : 7.3 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.5 Общий интеллект : 4.1 Следование инструкциям : 9.8 Решение головоломок : 5.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#75#75	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.62s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 7 Входные токены 101,047 Выходные токены 11,834 Токены рассуждений 117,014 Время ответа (среднее) 68.62s Время ответа (суммарно) 1509.53s Время ответа (макс.) 376.10s Неверный ответ: 5 Ошибка API: 2 Тайм-аут: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.2 Программирование : 6.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 3.4 Следование инструкциям : 10.0 Решение головоломок : 7.0 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
#159#159	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Открыть карточку модели Всего тестов 16 Ошибочных тестов 3 Надежность Н/Д Доля успешных попыток 59.1% Нестабильные тесты 0 Входные токены 28,980 Выходные токены 1,283 Токены рассуждений 1,533,310 Время ответа (среднее) 68.14s Время ответа (суммарно) 1090.28s Время ответа (макс.) 280.52s Неверный ответ: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 7.5 Программирование : 0.0 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 0.0
#19#19	Qwen3.6 Max Previewmedium	8.4	Qwen	$1.143 ↓	67.53s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 9.9 Доля успешных попыток 80.3% Нестабильные тесты 3 Входные токены 79,240 Выходные токены 5,098 Токены рассуждений 164,842 Время ответа (среднее) 67.53s Время ответа (суммарно) 1485.64s Время ответа (макс.) 238.07s Неверный ответ: 5 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 8.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#85#85	Step 3.7 Flashhigh	6.9	Stepfun	$1.207	64.68s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 5 Входные токены 98,691 Выходные токены 1,032,395 Токены рассуждений 0 Время ответа (среднее) 64.68s Время ответа (суммарно) 1423.01s Время ответа (макс.) 364.99s Неверный ответ: 6 Нет ответа: 4 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 4.0 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 5.5 Следование инструкциям : 9.8 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#71#71	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.046 ↓	64.16s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 4 Входные токены 124,771 Выходные токены 44,077 Токены рассуждений 443,141 Время ответа (среднее) 64.16s Время ответа (суммарно) 1411.60s Время ответа (макс.) 519.30s Неверный ответ: 5 Тайм-аут: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 6.0 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 3.4 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#28#28	Inklinghigh	8.0	Thinkingmachines	$1.006	64.16s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 9.8 Доля успешных попыток 77.3% Нестабильные тесты 3 Входные токены 86,746 Выходные токены 6,055 Токены рассуждений 220,791 Время ответа (среднее) 64.16s Время ответа (суммарно) 1411.59s Время ответа (макс.) 327.51s Неверный ответ: 4 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 8.5 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 6.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#31#31	GLM 5.2high	8.0	Z.ai	$0.296 ↓	62.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 3 Входные токены 83,813 Выходные токены 69,688 Токены рассуждений 225,659 Время ответа (среднее) 62.65s Время ответа (суммарно) 1378.34s Время ответа (макс.) 599.43s Тайм-аут: 3 Неверный ответ: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 6.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#139#139	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
#22#22	Grok 4.5medium	8.3	X AI	$1.928	61.71s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 78.8% Нестабильные тесты 3 Входные токены 122,146 Выходные токены 5,514 Токены рассуждений 275,053 Время ответа (среднее) 61.71s Время ответа (суммарно) 1357.56s Время ответа (макс.) 436.38s Неверный ответ: 6 Анти-ИИ уловки : 10.0 Программирование : 7.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 9.8 Решение головоломок : 10.0 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