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: 2026-10-02 Оценено моделей: 387

Рекомендуемые модели

GPT-6.1 Sol xhigh Интеллектуальная Доля успешных попыток 97.1% Тестов верно 22 / 23 Оценка 9.9/10 Gemini 3.7 Flash low Быстрая Время ответа (среднее) 6.24s Общее число выходных токенов 38,453 Оценка 9.4/10 GPT-6 Luna high Доступная Цена входа $0.100 / 1M Цена выхода $0.500 / 1M Цена чтения из кэша $0.010 / 1M Цена записи в кэш $0.125 / 1M Оценка 7.7/10

387/387

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#376#376	Command A+low	3.0	Cohere	$0.073	92.50s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 23 Надежность 3.5 Доля успешных попыток 1.5% Нестабильные тесты 1 Входные токены 114,874 Выходные токены 1,992 Токены рассуждений 23,529 Время ответа (среднее) 92.50s Время ответа (суммарно) 2127.40s Время ответа (макс.) 128.54s Ошибка API: 22 Неверный ответ: 1 Агентные задачи : 2.8 Анти-ИИ уловки : 3.0 Программирование : 3.0 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.0 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#377#377	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	2.7	NVIDIA	$0.000	17.13s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 26.1% Нестабильные тесты 5 Входные токены 11,661 Выходные токены 48,491 Токены рассуждений 180,695 Время ответа (среднее) 17.13s Время ответа (суммарно) 222.66s Время ответа (макс.) 147.45s Неверный ответ: 7 Ошибка API: 6 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 6.4 Программирование : 1.1 Комбинированный : 1.5 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 3.0 Следование инструкциям : 7.3 Решение головоломок : 2.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#378#378	Nemotron 3 Nano Omni 30b A3b Reasoningnone	2.6	NVIDIA	$0.000	728ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 14.5% Нестабильные тесты 2 Входные токены 11,661 Выходные токены 1,302 Токены рассуждений 0 Время ответа (среднее) 728ms Время ответа (суммарно) 9.47s Время ответа (макс.) 2.21s Неверный ответ: 9 Ошибка API: 6 Не соблюдены инструкции: 2 Агентные задачи : 0.0 Анти-ИИ уловки : 4.8 Программирование : 3.3 Комбинированный : 1.5 Парсинг и извлечение данных : 3.8 Предметно-ориентированное : 3.6 Общий интеллект : 3.0 Следование инструкциям : 4.8 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#379#379	Jev 1.13none	2.6	Typesafe	$0.003	698ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 26.1% Нестабильные тесты 0 Входные токены 67,092 Выходные токены 18,927 Токены рассуждений 0 Время ответа (среднее) 698ms Время ответа (суммарно) 8.38s Время ответа (макс.) 1.08s Неверный ответ: 6 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 2.2 Комбинированный : 0.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 3.3 Вызов инструментов : 0.0 Эрудиция : 0.0
#380#380	Kev 4Bnone	2.4	Jaredpalmer	$0.002	5.63s
Открыть карточку модели Всего тестов 12 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 15.9% Нестабильные тесты 1 Входные токены 42,804 Выходные токены 28,061 Токены рассуждений 0 Время ответа (среднее) 5.63s Время ответа (суммарно) 67.61s Время ответа (макс.) 17.79s Неверный ответ: 9 Агентные задачи : 0.0 Анти-ИИ уловки : 2.3 Программирование : 4.5 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 2.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#381#381	Step 3.5 Flashnone	1.9	Stepfun	$0.020	39.03s
Открыть карточку модели Всего тестов 12 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 26.1% Нестабильные тесты 0 Входные токены 1,971 Выходные токены 64,795 Токены рассуждений 0 Время ответа (среднее) 39.03s Время ответа (суммарно) 312.26s Время ответа (макс.) 114.12s Ошибка API: 4 Не соблюдены инструкции: 1 Неверный ответ: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 10.0 Программирование : 1.0 Комбинированный : 1.5 Парсинг и извлечение данных : 1.5 Предметно-ориентированное : 3.3 Общий интеллект : 4.0 Следование инструкциям : 5.0 Решение головоломок : 0.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#382#382	D1none	1.9	Liquid	$0.003	508ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 11.6% Нестабильные тесты 1 Входные токены 55,956 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 508ms Время ответа (суммарно) 6.10s Время ответа (макс.) 820ms Неверный ответ: 10 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 2.2 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#383#383	Gemini 3 Flash Previewhigh	1.8	Google	$0.105	52.45s
Открыть карточку модели Всего тестов 1 Ошибочных тестов 0 Надежность 10.0 Доля успешных попыток 4.4% Нестабильные тесты 0 Входные токены 134,050 Выходные токены 1,029 Токены рассуждений 11,528 Время ответа (среднее) 52.45s Время ответа (суммарно) 52.45s Время ответа (макс.) 52.45s Агентные задачи : 10.0 Анти-ИИ уловки : 0.0 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 0.0 Предметно-ориентированное : 0.0 Общий интеллект : 0.0 Следование инструкциям : 0.0 Решение головоломок : 0.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#384#384	LFM2-24B-A2Bnone	1.8	Liquid	$0.001	782ms
Открыть карточку модели Всего тестов 16 Ошибочных тестов 14 Надежность Н/Д Доля успешных попыток 11.6% Нестабильные тесты 1 Входные токены 10,771 Выходные токены 1,173 Токены рассуждений 0 Время ответа (среднее) 782ms Время ответа (суммарно) 10.94s Время ответа (макс.) 3.15s Неверный ответ: 9 Ошибка API: 4 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 2.5 Программирование : 0.0 Комбинированный : 1.5 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.0 Следование инструкциям : 6.3 Решение головоломок : 3.8 Вызов инструментов : 3.0 Эрудиция : 0.0
#385#385	Solar Decidenone	1.0	Upstage	$0.009 ↑	6.01s
Открыть карточку модели Всего тестов 7 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 14.5% Нестабильные тесты 3 Входные токены 47,586 Выходные токены 51 Токены рассуждений 0 Время ответа (среднее) 6.01s Время ответа (суммарно) 42.05s Время ответа (макс.) 13.10s Неверный ответ: 5 Агентные задачи : 0.0 Анти-ИИ уловки : 0.8 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 3.7 Предметно-ориентированное : 4.3 Общий интеллект : 0.0 Следование инструкциям : 5.0 Решение головоломок : 1.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#386#386	Tev1 4B Experimentalnone	1.0	Togethercomputer	$0.002	498ms
Открыть карточку модели Всего тестов 7 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 13.0% Нестабильные тесты 0 Входные токены 33,864 Выходные токены 96 Токены рассуждений 0 Время ответа (среднее) 498ms Время ответа (суммарно) 3.49s Время ответа (макс.) 602ms Неверный ответ: 4 Агентные задачи : 0.0 Анти-ИИ уловки : 2.5 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 6.7 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#387#387	Claude Opus 5.5none	0.2	Anthropic	$0.015	13.58s
Открыть карточку модели Всего тестов 1 Ошибочных тестов 0 Надежность 10.0 Доля успешных попыток 4.4% Нестабильные тесты 0 Входные токены 73 Выходные токены 735 Токены рассуждений 0 Время ответа (среднее) 13.58s Время ответа (суммарно) 13.58s Время ответа (макс.) 13.58s Агентные задачи : 0.0 Анти-ИИ уловки : 0.0 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 0.0 Предметно-ориентированное : 3.3 Общий интеллект : 0.0 Следование инструкциям : 0.0 Решение головоломок : 0.0 Вызов инструментов : 0.0 Эрудиция : 0.0

←

1 15 16

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 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow