AI BENCHY

Таблица лидеров ИИ-бенчмарка

Name: Результаты бенчмарка моделей AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-05-10 Оценено моделей: 144

144/144

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#121#121	gpt-oss-120bnone	5.2	OpenAI	$0.011	21.86s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 36.8% Нестабильные тесты 3 Выходные токены 51,505 Токены рассуждений 0 Время ответа (среднее) 21.86s Время ответа (суммарно) 349.78s Время ответа (макс.) 113.71s Неверный ответ: 8 Ошибка API: 3 Не соблюдены инструкции: 3 Анти-ИИ уловки : 6.5 Программирование : 4.3 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 9.8 Решение головоломок : 4.4 Вызов инструментов : 3.0 Эрудиция : 3.0
#122#122	DeepSeek V4 Flashnone	5.2	DeepSeek	$0.008	28.01s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 31.6% Нестабильные тесты 2 Выходные токены 4,464 Токены рассуждений 0 Время ответа (среднее) 28.01s Время ответа (суммарно) 532.17s Время ответа (макс.) 111.96s Неверный ответ: 10 Лишнее форматирование: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.0 Программирование : 6.3 Комбинированный : 4.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.2 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#123#123	Qwen3 Coder Nextnone	5.2	Qwen	$0.008	9.44s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 29.8% Нестабильные тесты 1 Выходные токены 3,629 Токены рассуждений 0 Время ответа (среднее) 9.44s Время ответа (суммарно) 122.73s Время ответа (макс.) 45.14s Неверный ответ: 12 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.6 Программирование : 7.3 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
#124#124	Nemotron 3 Supernone	5.2	NVIDIA	$0.002	5.80s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 35.1% Нестабильные тесты 3 Выходные токены 6,145 Токены рассуждений 0 Время ответа (среднее) 5.80s Время ответа (суммарно) 110.20s Время ответа (макс.) 16.45s Неверный ответ: 12 Не соблюдены инструкции: 2 Анти-ИИ уловки : 4.8 Программирование : 3.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.6 Следование инструкциям : 6.3 Решение головоломок : 5.5 Вызов инструментов : 4.7 Эрудиция : 3.0
#125#125	MiniMax M2.7medium	5.1	Minimax	$0.095	30.62s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 49.1% Нестабильные тесты 10 Выходные токены 8,052 Токены рассуждений 66,239 Время ответа (среднее) 30.62s Время ответа (суммарно) 551.14s Время ответа (макс.) 117.04s Неверный ответ: 7 Не соблюдены инструкции: 5 Тайм-аут: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.9 Программирование : 10.0 Комбинированный : 4.7 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 3.9 Следование инструкциям : 3.8 Решение головоломок : 3.5 Вызов инструментов : 4.7 Эрудиция : 3.0
#126#126	Mistral Small 4none	5.1	Mistral	$0.006	651ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 29.8% Нестабильные тесты 1 Выходные токены 2,224 Токены рассуждений 0 Время ответа (среднее) 651ms Время ответа (суммарно) 12.37s Время ответа (макс.) 1.72s Неверный ответ: 13 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.4 Программирование : 4.5 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
#127#127	GPT-5.4 Mininone	5.0	OpenAI	$0.032	1.18s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 33.3% Нестабильные тесты 3 Выходные токены 2,461 Токены рассуждений 0 Время ответа (среднее) 1.18s Время ответа (суммарно) 22.34s Время ответа (макс.) 2.52s Неверный ответ: 11 Не соблюдены инструкции: 3 Анти-ИИ уловки : 3.1 Программирование : 10.0 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.8 Следование инструкциям : 6.3 Решение головоломок : 5.4 Вызов инструментов : 3.0 Эрудиция : 3.0
#128#128	Qwen3.6 35B A3Bnone	5.0	Qwen	$0.019	2.73s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 37.3% Нестабильные тесты 5 Выходные токены 17,515 Токены рассуждений 0 Время ответа (среднее) 2.73s Время ответа (суммарно) 46.41s Время ответа (макс.) 12.46s Неверный ответ: 11 Не соблюдены инструкции: 2 Анти-ИИ уловки : 3.6 Программирование : 10.0 Комбинированный : 0.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.4 Следование инструкциям : 6.2 Решение головоломок : 3.2 Вызов инструментов : 0.0 Эрудиция : 3.0
#129#129	GPT-4o-mininone	4.9	OpenAI	$0.005	1.90s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 26.3% Нестабильные тесты 0 Выходные токены 1,962 Токены рассуждений 0 Время ответа (среднее) 1.90s Время ответа (суммарно) 22.79s Время ответа (макс.) 7.58s Неверный ответ: 13 Не соблюдены инструкции: 1 Анти-ИИ уловки : 4.8 Программирование : 3.0 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 6.3 Решение головоломок : 3.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#130#130	MiMo-V2.5none	4.9	Xiaomi	$0.019	2.02s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 28.1% Нестабильные тесты 2 Выходные токены 2,231 Токены рассуждений 0 Время ответа (среднее) 2.02s Время ответа (суммарно) 38.45s Время ответа (макс.) 6.86s Неверный ответ: 12 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Анти-ИИ уловки : 3.5 Программирование : 10.0 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 4.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#131#131	Qwen3 Coder Nextmedium	4.8	Qwen	$0.008	9.95s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 31.6% Нестабильные тесты 3 Выходные токены 3,253 Токены рассуждений 0 Время ответа (среднее) 9.95s Время ответа (суммарно) 129.40s Время ответа (макс.) 81.80s Неверный ответ: 11 Не соблюдены инструкции: 3 Тайм-аут: 1 Анти-ИИ уловки : 3.5 Программирование : 4.7 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 6.3 Следование инструкциям : 6.3 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#132#132	Trinity Large Previewnone	4.8	Arcee AI	$0.001	3.03s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 26.3% Нестабильные тесты 3 Выходные токены 2,190 Токены рассуждений 0 Время ответа (среднее) 3.03s Время ответа (суммарно) 57.60s Время ответа (макс.) 14.34s Неверный ответ: 12 Не соблюдены инструкции: 3 Анти-ИИ уловки : 3.1 Программирование : 4.9 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.5 Следование инструкциям : 3.4 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#133#133	Mercury 2none	4.7	Inception	$0.007	610ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 26.3% Нестабильные тесты 2 Выходные токены 1,644 Токены рассуждений 0 Время ответа (среднее) 610ms Время ответа (суммарно) 11.59s Время ответа (макс.) 1.27s Неверный ответ: 14 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.0 Программирование : 3.6 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#134#134	Qwen3.5-9Bnone	4.7	Qwen	$0.005	1.51s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 22.8% Нестабильные тесты 1 Выходные токены 3,957 Токены рассуждений 0 Время ответа (среднее) 1.51s Время ответа (суммарно) 28.75s Время ответа (макс.) 5.91s Неверный ответ: 12 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.1 Программирование : 5.2 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.4 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#135#135	Hy3 previewnone	4.6	Tencent	$0.000	12.96s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 26.3% Нестабильные тесты 2 Выходные токены 2,654 Токены рассуждений 0 Время ответа (среднее) 12.96s Время ответа (суммарно) 233.26s Время ответа (макс.) 35.84s Неверный ответ: 8 Не соблюдены инструкции: 4 Ошибка API: 2 Лишнее форматирование: 1 Анти-ИИ уловки : 4.8 Программирование : 2.3 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 4.1 Следование инструкциям : 6.3 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#136#136	Nemotron 3 Nano Omni 30b A3b Reasoningnone	4.6	NVIDIA	$0.000	726ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 25.6% Нестабильные тесты 2 Выходные токены 1,267 Токены рассуждений 0 Время ответа (среднее) 726ms Время ответа (суммарно) 9.44s Время ответа (макс.) 2.21s Неверный ответ: 10 Не соблюдены инструкции: 1 Анти-ИИ уловки : 5.3 Программирование : 10.0 Комбинированный : 0.0 Парсинг и извлечение данных : 3.8 Предметно-ориентированное : 3.6 Общий интеллект : 0.0 Следование инструкциям : 4.3 Решение головоломок : 3.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#137#137	GPT-5.4 Nanonone	4.5	OpenAI	$0.010	1.36s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 31.6% Нестабильные тесты 6 Выходные токены 2,783 Токены рассуждений 0 Время ответа (среднее) 1.36s Время ответа (суммарно) 25.91s Время ответа (макс.) 3.84s Неверный ответ: 14 Не соблюдены инструкции: 2 Анти-ИИ уловки : 3.5 Программирование : 7.1 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 2.9 Общий интеллект : 3.8 Следование инструкциям : 6.3 Решение головоломок : 3.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#138#138	GLM 4.7 Flashmedium	4.5	Z.ai	$0.046	30.57s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 36.8% Нестабильные тесты 8 Выходные токены 39,759 Токены рассуждений 73,598 Время ответа (среднее) 30.57s Время ответа (суммарно) 366.78s Время ответа (макс.) 174.55s Неверный ответ: 9 Не соблюдены инструкции: 2 Нет ответа: 2 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Анти-ИИ уловки : 4.7 Программирование : 3.6 Комбинированный : 2.8 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
#139#139	MiMo-V2-Flashnone	4.5	Xiaomi	$0.023	2.73s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 26.3% Нестабильные тесты 5 Выходные токены 68,534 Токены рассуждений 0 Время ответа (среднее) 2.73s Время ответа (суммарно) 40.90s Время ответа (макс.) 19.68s Неверный ответ: 13 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 3.2 Программирование : 6.3 Комбинированный : 3.0 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 5.3 Общий интеллект : 4.6 Следование инструкциям : 6.5 Решение головоломок : 3.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#140#140	Ling-2.6-1Tnone	4.5	Inclusionai	$0.000	8.79s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 15 Надежность Н/Д Доля успешных попыток 16.7% Нестабильные тесты 0 Выходные токены 2,434 Токены рассуждений 0 Время ответа (среднее) 8.79s Время ответа (суммарно) 158.19s Время ответа (макс.) 25.72s Неверный ответ: 12 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 3.4 Программирование : 5.5 Комбинированный : 3.0 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 : 0.0
#141#141	Grok 4.1 Fastnone	4.4	X AI	$0.009	1.67s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 22.8% Нестабильные тесты 3 Выходные токены 1,733 Токены рассуждений 0 Время ответа (среднее) 1.67s Время ответа (суммарно) 20.08s Время ответа (макс.) 5.51s Неверный ответ: 13 Не соблюдены инструкции: 3 Анти-ИИ уловки : 3.2 Программирование : 5.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.4 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 2.8 Эрудиция : 3.0
#142#142	Qwen3.5-9Bmedium	4.3	Qwen	$0.035	80.10s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 16 Надежность 3.3 Доля успешных попыток 33.3% Нестабильные тесты 7 Выходные токены 27,365 Токены рассуждений 202,291 Время ответа (среднее) 80.10s Время ответа (суммарно) 1281.62s Время ответа (макс.) 226.38s Тайм-аут: 10 Неверный ответ: 3 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 5.1 Программирование : 2.6 Комбинированный : 3.0 Парсинг и извлечение данных : 3.6 Предметно-ориентированное : 3.6 Общий интеллект : 2.8 Следование инструкциям : 6.4 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#143#143	LFM2-24B-A2Bnone	4.2	Liquid	$0.001	811ms
Открыть карточку модели Всего тестов 16 Ошибочных тестов 14 Надежность Н/Д Доля успешных попыток 18.8% Нестабильные тесты 2 Выходные токены 1,185 Токены рассуждений 0 Время ответа (среднее) 811ms Время ответа (суммарно) 11.35s Время ответа (макс.) 2.88s Неверный ответ: 8 Ошибка API: 4 Не соблюдены инструкции: 2 Анти-ИИ уловки : 3.3 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.0 Следование инструкциям : 6.3 Решение головоломок : 3.7 Вызов инструментов : 3.0
#144#144	Granite 4.1 8Bnone	4.1	IBM Granite	$0.003	743ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 10.5% Нестабильные тесты 0 Выходные токены 2,724 Токены рассуждений 0 Время ответа (среднее) 743ms Время ответа (суммарно) 14.11s Время ответа (макс.) 2.17s Неверный ответ: 12 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 4.9 Программирование : 6.9 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 3.6 Решение головоломок : 3.2 Вызов инструментов : 10.0 Эрудиция : 3.0

Быстрое сравнение

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsQwen3.6 Max Previewmedium Gemini 3 Flash PreviewmediumvsRing 2.6 1tmediumБесплатно доступно Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsGPT-5.5medium GPT-5.5mediumvsGPT-5.5low GPT-5.5lowvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsQwen3.6 Max Previewmedium

Таблица лидеров ИИ-бенчмарка

Фильтровать модели

Быстрое сравнение