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)
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.699 ↓	16.81s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 1 Надежность 10.0 Доля успешных попыток 98.5% Нестабильные тесты 1 Входные токены 71,470 Выходные токены 3,276 Токены рассуждений 168,709 Время ответа (среднее) 16.81s Время ответа (суммарно) 369.88s Время ответа (макс.) 104.15s Неверный ответ: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 8.2 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.595	37.19s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 1 Надежность 10.0 Доля успешных попыток 98.5% Нестабильные тесты 1 Входные токены 84,593 Выходные токены 10,517 Токены рассуждений 397,671 Время ответа (среднее) 37.19s Время ответа (суммарно) 818.19s Время ответа (макс.) 177.08s Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 8.2 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#3🥉 #3	Gemini 3.7 Flashhigh	9.8	Google	$0.646 ↑	12.22s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 95.5% Нестабильные тесты 2 Входные токены 86,712 Выходные токены 6,017 Токены рассуждений 148,829 Время ответа (среднее) 12.22s Время ответа (суммарно) 268.78s Время ответа (макс.) 91.63s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.8 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#4#4	Gemini 3.6 Flashmedium	9.8	Google	$0.427 ↓	11.86s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 95.5% Нестабильные тесты 2 Входные токены 64,446 Выходные токены 1,974 Токены рассуждений 98,902 Время ответа (среднее) 11.86s Время ответа (суммарно) 260.96s Время ответа (макс.) 77.15s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.8 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#6#6	Gemini 3 Flash Previewmedium	9.5	Google	$0.763	19.86s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 93.9% Нестабильные тесты 1 Входные токены 87,870 Выходные токены 5,486 Токены рассуждений 234,122 Время ответа (среднее) 19.86s Время ответа (суммарно) 436.88s Время ответа (макс.) 117.26s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 8.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#8#8	Gemini 3.7 Flashmedium	9.4	Google	$0.309 ↑	5.87s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 93.9% Нестабильные тесты 1 Входные токены 89,055 Выходные токены 5,697 Токены рассуждений 58,880 Время ответа (среднее) 5.87s Время ответа (суммарно) 129.20s Время ответа (макс.) 30.23s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#13#13	Gemini 3.1 Pro Previewmedium	9.2	Google	$1.352	20.62s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 90.9% Нестабильные тесты 0 Входные токены 92,296 Выходные токены 5,232 Токены рассуждений 92,006 Время ответа (среднее) 20.62s Время ответа (суммарно) 329.94s Время ответа (макс.) 88.68s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 7.9 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#14#14	Gemini 3.7 Flashlow	9.2	Google	$0.207 ↑	3.85s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 95.5% Нестабильные тесты 2 Входные токены 90,322 Выходные токены 6,294 Токены рассуждений 30,759 Время ответа (среднее) 3.85s Время ответа (суммарно) 84.80s Время ответа (макс.) 19.44s Неверный ответ: 2 Анти-ИИ уловки : 10.0 Программирование : 7.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 8.2 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#7#7	Gemini 3.5 Flashhigh	9.4	Google	$2.011	15.46s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 89.4% Нестабильные тесты 2 Входные токены 107,146 Выходные токены 8,777 Токены рассуждений 196,705 Время ответа (среднее) 15.46s Время ответа (суммарно) 340.20s Время ответа (макс.) 145.92s Неверный ответ: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 9.8 Эрудиция : 10.0
#11#11	GPT-5.5low	9.3	OpenAI	$1.257	10.15s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 86.4% Нестабильные тесты 0 Входные токены 80,067 Выходные токены 5,378 Токены рассуждений 23,162 Время ответа (среднее) 10.15s Время ответа (суммарно) 223.24s Время ответа (макс.) 56.19s Неверный ответ: 3 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#12#12	Grok 4.6high	9.3	X AI	$1.908	84.15s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 86.4% Нестабильные тесты 0 Входные токены 107,275 Выходные токены 5,094 Токены рассуждений 277,123 Время ответа (среднее) 84.15s Время ответа (суммарно) 1851.26s Время ответа (макс.) 618.49s Неверный ответ: 2 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#17#17	Gemini 3.8 Flashmedium	9.1	Google	$0.653	14.50s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 92.4% Нестабильные тесты 2 Входные токены 95,793 Выходные токены 7,066 Токены рассуждений 147,842 Время ответа (среднее) 14.50s Время ответа (суммарно) 318.92s Время ответа (макс.) 108.60s Неверный ответ: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 8.0 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 8.2 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#20#20	Claude Fable 5.1high	9.0	Anthropic	$3.364	13.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 89.4% Нестабильные тесты 1 Входные токены 135,958 Выходные токены 7,930 Токены рассуждений 32,141 Время ответа (среднее) 13.59s Время ответа (суммарно) 298.90s Время ответа (макс.) 40.17s Неверный ответ: 3 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#156#156	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 3 Надежность 10.0 Доля успешных попыток 72.7% Нестабильные тесты 0 Входные токены 69,576 Выходные токены 6,265 Токены рассуждений 0 Время ответа (среднее) 3.02s Время ответа (суммарно) 57.44s Время ответа (макс.) 18.27s Неверный ответ: 3 Анти-ИИ уловки : 8.3 Программирование : 3.3 Комбинированный : 4.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#5#5	GPT-5.6 Sollow	9.5	OpenAI	$0.357 ↓	9.04s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 86.4% Нестабильные тесты 2 Входные токены 78,580 Выходные токены 4,476 Токены рассуждений 15,470 Время ответа (среднее) 9.04s Время ответа (суммарно) 198.97s Время ответа (макс.) 53.91s Неверный ответ: 4 Анти-ИИ уловки : 8.3 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 10.0
#9#9	GPT-5.6 Solmedium	9.4	OpenAI	$0.508 ↓	12.63s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 90.9% Нестабильные тесты 3 Входные токены 79,006 Выходные токены 4,696 Токены рассуждений 30,281 Время ответа (среднее) 12.63s Время ответа (суммарно) 277.88s Время ответа (макс.) 79.40s Неверный ответ: 4 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 4.7
#10#10	GPT-5.6 Solhigh	9.4	OpenAI	$0.446 ↓	11.48s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 89.4% Нестабильные тесты 3 Входные токены 79,258 Выходные токены 4,855 Токены рассуждений 23,853 Время ответа (среднее) 11.48s Время ответа (суммарно) 252.62s Время ответа (макс.) 54.79s Неверный ответ: 4 Анти-ИИ уловки : 8.7 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 4.7
#15#15	Claude Opus 5high	9.2	Anthropic	$3.070	22.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 81.8% Нестабильные тесты 0 Входные токены 135,956 Выходные токены 64,624 Токены рассуждений 30,959 Время ответа (среднее) 22.51s Время ответа (суммарно) 495.12s Время ответа (макс.) 159.01s Неверный ответ: 2 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#16#16	Claude Opus 5medium	9.2	Anthropic	$1.586	10.26s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 1 Входные токены 135,604 Выходные токены 23,814 Токены рассуждений 12,804 Время ответа (среднее) 10.26s Время ответа (суммарно) 225.66s Время ответа (макс.) 35.43s Неверный ответ: 3 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 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
#21#21	Gemini 3.5 Flashmedium	9.0	Google	$0.665	8.48s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 1 Входные токены 69,756 Выходные токены 2,166 Токены рассуждений 60,007 Время ответа (среднее) 8.48s Время ответа (суммарно) 186.57s Время ответа (макс.) 76.68s Неверный ответ: 3 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 7.9 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 10.0
#22#22	GPT-5.5medium	9.0	OpenAI	$4.163	38.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 87.9% Нестабильные тесты 3 Входные токены 80,668 Выходные токены 5,617 Токены рассуждений 119,699 Время ответа (среднее) 38.97s Время ответа (суммарно) 857.43s Время ответа (макс.) 332.10s Неверный ответ: 4 Анти-ИИ уловки : 10.0 Программирование : 8.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 2.8
#30#30	Gemini 3.5 Flashlow	8.8	Google	$0.449	5.76s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 84.9% Нестабильные тесты 2 Входные токены 87,826 Выходные токены 2,239 Токены рассуждений 32,956 Время ответа (среднее) 5.76s Время ответа (суммарно) 126.71s Время ответа (макс.) 53.55s Неверный ответ: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#33#33	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 1 Входные токены 134,770 Выходные токены 13,604 Токены рассуждений 4,388 Время ответа (среднее) 6.99s Время ответа (суммарно) 153.80s Время ответа (макс.) 30.67s Неверный ответ: 4 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#34#34	Gemini 3.6 Flashlow	8.7	Google	$0.251 ↓	4.92s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 89.4% Нестабильные тесты 3 Входные токены 85,886 Выходные токены 5,489 Токены рассуждений 44,232 Время ответа (среднее) 4.92s Время ответа (суммарно) 108.28s Время ответа (макс.) 30.83s Неверный ответ: 4 Анти-ИИ уловки : 8.7 Программирование : 7.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#36#36	Claude Opus 4.7medium	8.7	Anthropic	$1.476	7.62s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 1 Входные токены 145,249 Выходные токены 24,948 Токены рассуждений 5,042 Время ответа (среднее) 7.62s Время ответа (суммарно) 159.94s Время ответа (макс.) 65.40s Неверный ответ: 3 Тайм-аут: 1 Анти-ИИ уловки : 8.3 Программирование : 7.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0

1 2 13

→

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