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)
#76#76	GPT-5.6 Terrahigh	8.3	OpenAI	$0.698 ↓	13.62s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.6% Нестабильные тесты 2 Входные токены 197,239 Выходные токены 6,083 Токены рассуждений 53,982 Время ответа (среднее) 13.62s Время ответа (суммарно) 313.21s Время ответа (макс.) 91.49s Неверный ответ: 7 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 7.6 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.1 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#77#77	Gemini 3.5 Flashhigh	8.3	Google	$2.737	18.59s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 85.5% Нестабильные тесты 2 Входные токены 348,103 Выходные токены 11,045 Токены рассуждений 234,967 Время ответа (среднее) 18.59s Время ответа (суммарно) 427.52s Время ответа (макс.) 145.92s Недопустимый вызов инструмента: 2 Неверный ответ: 2 Агентные задачи : 3.4 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
#78#78	Kimi K3max	8.3	Moonshot AI	$3.611 ↓	139.41s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 9.3 Доля успешных попыток 78.3% Нестабильные тесты 2 Входные токены 170,700 Выходные токены 7,719 Токены рассуждений 225,608 Время ответа (среднее) 139.41s Время ответа (суммарно) 2788.26s Время ответа (макс.) 766.58s Ошибка API: 2 Нет ответа: 2 Лишнее форматирование: 1 Тайм-аут: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.5 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#79#79	GPT-6 Lunamedium	8.3	OpenAI	$0.047	18.07s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 73.9% Нестабильные тесты 3 Входные токены 203,193 Выходные токены 5,751 Токены рассуждений 47,410 Время ответа (среднее) 18.07s Время ответа (суммарно) 415.53s Время ответа (макс.) 66.44s Неверный ответ: 7 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 6.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.4 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#80#80	Claude Opus 4.8medium	8.3	Anthropic	$3.490	16.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 82.6% Нестабильные тесты 3 Входные токены 360,294 Выходные токены 43,441 Токены рассуждений 24,401 Время ответа (среднее) 16.72s Время ответа (суммарно) 384.66s Время ответа (макс.) 99.37s Неверный ответ: 5 Нет ответа: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 9.9 Парсинг и извлечение данных : 7.1 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#81#81	Qwen3.7 Plusmedium	8.3	Qwen	$0.415 ↓	59.73s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 76.8% Нестабильные тесты 3 Входные токены 350,546 Выходные токены 8,576 Токены рассуждений 206,984 Время ответа (среднее) 59.73s Время ответа (суммарно) 1373.73s Время ответа (макс.) 315.30s Неверный ответ: 6 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 6.1 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#82#82	Grok 4.5high	8.2	X AI	$2.687 ↑	72.50s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 82.6% Нестабильные тесты 3 Входные токены 342,124 Выходные токены 7,135 Токены рассуждений 326,497 Время ответа (среднее) 72.50s Время ответа (суммарно) 1667.51s Время ответа (макс.) 676.83s Неверный ответ: 3 Нет ответа: 2 Не соблюдены инструкции: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 4.7 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#83#83	GLM 5.2medium	8.2	Z.ai	$0.417 ↓	26.88s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 9.6 Доля успешных попыток 81.2% Нестабильные тесты 4 Входные токены 227,164 Выходные токены 20,029 Токены рассуждений 60,991 Время ответа (среднее) 26.88s Время ответа (суммарно) 591.34s Время ответа (макс.) 102.40s Неверный ответ: 3 Нет ответа: 2 Тайм-аут: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#84#84	GPT-5.6 Terramedium	8.2	OpenAI	$0.483 ↓	8.93s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 71.0% Нестабильные тесты 2 Входные токены 172,507 Выходные токены 5,824 Токены рассуждений 27,365 Время ответа (среднее) 8.93s Время ответа (суммарно) 205.39s Время ответа (макс.) 54.74s Неверный ответ: 8 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 6.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.5 Следование инструкциям : 10.0 Решение головоломок : 8.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#85#85	Seed-2.0-Litemedium	8.2	Bytedance Seed	$0.271	48.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 71.0% Нестабильные тесты 4 Входные токены 229,530 Выходные токены 13,757 Токены рассуждений 92,662 Время ответа (среднее) 48.87s Время ответа (суммарно) 1123.91s Время ответа (макс.) 254.92s Неверный ответ: 6 Не соблюдены инструкции: 2 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 8.0 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 6.7 Следование инструкциям : 10.0 Решение головоломок : 9.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#86#86	Seed-2.0-Codelow	8.1	Bytedance Seed	$0.881	73.02s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 8.9 Доля успешных попыток 78.3% Нестабильные тесты 6 Входные токены 237,604 Выходные токены 9,617 Токены рассуждений 244,190 Время ответа (среднее) 73.02s Время ответа (суммарно) 1679.49s Время ответа (макс.) 485.92s Неверный ответ: 7 Ошибка API: 1 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 7.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 6.5 Следование инструкциям : 9.8 Решение головоломок : 9.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#87#87	DeepSeek V4 Pro 0423high	8.1	DeepSeek	$0.149 ↓	91.29s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 6 Входные токены 287,061 Выходные токены 32,056 Токены рассуждений 196,607 Время ответа (среднее) 91.29s Время ответа (суммарно) 2099.56s Время ответа (макс.) 416.76s Неверный ответ: 9 Не соблюдены инструкции: 2 Нет ответа: 1 Агентные задачи : 10.0 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
#88#88	Claude Opus 4.7medium	8.1	Anthropic	$3.636	14.12s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 81.2% Нестабильные тесты 2 Входные токены 437,293 Выходные токены 29,102 Токены рассуждений 28,876 Время ответа (среднее) 14.12s Время ответа (суммарно) 310.55s Время ответа (макс.) 150.60s Неверный ответ: 3 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 5.2 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
#89#89	DeepSeek V4 Flash 0423high	8.1	DeepSeek	$0.030 ↓	55.99s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 71.0% Нестабильные тесты 4 Входные токены 298,794 Выходные токены 45,873 Токены рассуждений 188,721 Время ответа (среднее) 55.99s Время ответа (суммарно) 1287.87s Время ответа (макс.) 218.13s Неверный ответ: 6 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 7.8 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#90#90	DeepSeek V4.1 Flashlow	8.0	DeepSeek	$0.526 ↑	28.04s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 9.6 Доля успешных попыток 73.9% Нестабильные тесты 4 Входные токены 266,849 Выходные токены 8,284 Токены рассуждений 363,263 Время ответа (среднее) 28.04s Время ответа (суммарно) 645.03s Время ответа (макс.) 149.84s Неверный ответ: 7 Ошибка API: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 8.3 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.5 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#91#91	GPT-5.6 Lunahigh	8.0	OpenAI	$0.118 ↓	18.39s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 71.0% Нестабильные тесты 4 Входные токены 197,896 Выходные токены 6,211 Токены рассуждений 133,184 Время ответа (среднее) 18.39s Время ответа (суммарно) 422.93s Время ответа (макс.) 111.09s Неверный ответ: 8 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.9 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#92#92	Nemotron 3 Ultramedium	8.0	NVIDIA	$0.674 ↕	40.33s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 9.8 Доля успешных попыток 68.1% Нестабильные тесты 3 Входные токены 482,754 Выходные токены 62,455 Токены рассуждений 141,067 Время ответа (среднее) 40.33s Время ответа (суммарно) 927.65s Время ответа (макс.) 392.56s Неверный ответ: 7 Ошибка API: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 6.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 3.7 Следование инструкциям : 9.8 Решение головоломок : 5.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#93#93	GPT-5.4 Nanomedium	8.0	OpenAI	$0.235 ↑	15.95s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 4 Входные токены 237,088 Выходные токены 8,235 Токены рассуждений 102,675 Время ответа (среднее) 15.95s Время ответа (суммарно) 366.93s Время ответа (макс.) 94.06s Неверный ответ: 8 Не соблюдены инструкции: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 6.1 Комбинированный : 9.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.5 Следование инструкциям : 9.8 Решение головоломок : 4.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#94#94	Gemini 3.8 Flashmedium	8.0	Google	$0.769	16.64s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 9.9 Доля успешных попыток 89.9% Нестабильные тесты 3 Входные токены 187,331 Выходные токены 7,555 Токены рассуждений 159,931 Время ответа (среднее) 16.64s Время ответа (суммарно) 382.64s Время ответа (макс.) 108.60s Неверный ответ: 2 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 2.8 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
#95#95	GPT-5.6 Terralow	7.9	OpenAI	$0.435 ↓	7.58s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 75.4% Нестабильные тесты 6 Входные токены 176,890 Выходные токены 5,688 Токены рассуждений 18,525 Время ответа (среднее) 7.58s Время ответа (суммарно) 174.39s Время ответа (макс.) 54.57s Неверный ответ: 8 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 6.6 Комбинированный : 8.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 4.7 Эрудиция : 3.0
#96#96	Qwen3.5-27Bmedium	7.9	Qwen	$1.135	114.73s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 76.8% Нестабильные тесты 6 Входные токены 288,919 Выходные токены 17,484 Токены рассуждений 617,804 Время ответа (среднее) 114.73s Время ответа (суммарно) 2638.74s Время ответа (макс.) 1026.43s Неверный ответ: 4 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 6.2 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#97#97	GLM 5.3 FlashXmax	7.9	Z.ai	$0.623	43.97s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 78.3% Нестабильные тесты 6 Входные токены 322,894 Выходные токены 8,010 Токены рассуждений 394,755 Время ответа (среднее) 43.97s Время ответа (суммарно) 1011.29s Время ответа (макс.) 390.70s Недопустимый вызов инструмента: 2 Нет ответа: 2 Неверный ответ: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#98#98	Claude Fable 5.1high	7.9	Anthropic	$3.471	13.30s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 85.5% Нестабильные тесты 1 Входные токены 144,676 Выходные токены 8,184 Токены рассуждений 32,282 Время ответа (среднее) 13.30s Время ответа (суммарно) 305.83s Время ответа (макс.) 40.17s Неверный ответ: 3 Ошибка API: 1 Агентные задачи : 3.0 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
#99#99	GPT-5.4 Minimedium	7.9	OpenAI	$1.102 ↑	29.94s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 69.6% Нестабильные тесты 5 Входные токены 238,925 Выходные токены 7,109 Токены рассуждений 177,063 Время ответа (среднее) 29.94s Время ответа (суммарно) 688.57s Время ответа (макс.) 138.75s Неверный ответ: 6 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.6 Программирование : 8.4 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.5 Следование инструкциям : 9.8 Решение головоломок : 7.8 Вызов инструментов : 4.7 Эрудиция : 3.0
#100#100	Qwen3.7 Maxnone	7.9	Qwen	$0.451 ↓	7.85s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 9.9 Доля успешных попыток 69.6% Нестабильные тесты 0 Входные токены 243,553 Выходные токены 20,670 Токены рассуждений 0 Время ответа (среднее) 7.85s Время ответа (суммарно) 180.65s Время ответа (макс.) 80.34s Неверный ответ: 7 Агентные задачи : 10.0 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 6.5 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

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