Навигация
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Сравниваемые модели

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-05-26

Метрика DeepSeek V4 Pro DeepSeek V4 Pro high Релиз: 2026-04-24 DeepSeek V4 Flash DeepSeek V4 Flash high Релиз: 2026-04-24 Бесплатно доступно Ling-2.6-flash Ling-2.6-flash none Релиз: 2026-04-21 GLM 5 GLM 5 medium Релиз: 2026-02-12
Оценка 6.6 7.6 5.3 8.2
Ранг #83 #44 #130 #18
Надежность 9.3 10.0 10.0 10.0
Стабильность 8.7 8.4 9.2 8.4
Тестов верно
Доля успешных попыток 63.3% 73.3% 35.1% 81.7%
Нестабильные тесты 3 4 2 4
Всего запусков 98 98 98 98
Стоимость за результат 2.261 0.329 0.005 1.818
Общая стоимость $0.249 $0.040 $0.001 $0.255
???? ????? $0.435 / 1M $0.112 / 1M $0.010 / 1M $0.600 / 1M
???? ?????? $0.870 / 1M $0.224 / 1M $0.030 / 1M $1.920 / 1M
Выходные токены 13,536 11,480 2,992 21,596
Токены рассуждений 61,786 122,086 0 105,424
Время ответа (среднее) 58.92s 46.36s 9.34s 32.67s
Время ответа (макс.) 358.35s 218.13s 35.34s 99.85s
Время ответа (суммарно) 1119.51s 927.27s 177.48s 392.01s

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
DeepSeek V4 Pro 7.4 10.0 75.0% 0 16.53s 71 3,617
DeepSeek V4 Flash 8.3 10.0 75.0% 0 28.51s 140 7,770
Ling-2.6-flash 6.8 8.1 58.3% 1 11.81s 573 0
GLM 5 10.0 10.0 100.0% 0 23.66s 480 7,056
Программирование Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
DeepSeek V4 Pro 2.8 5.0 25.0% 1 51.77s 105 2,641
DeepSeek V4 Flash 6.8 10.0 50.0% 0 58.13s 387 27,101
Ling-2.6-flash 10.0 10.0 100.0% 0 11.21s 381 0
GLM 5 10.0 10.0 100.0% 0 89.47s 2,985 45,706
Комбинированный Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
DeepSeek V4 Pro 10.0 10.0 100.0% 0 65.02s 465 5,914
DeepSeek V4 Flash 10.0 10.0 100.0% 0 76.57s 465 7,347
Ling-2.6-flash 3.0 10.0 0.0% 0 35.34s 1,069 0
GLM 5 10.0 10.0 100.0% 0 28.96s 662 3,242
Парсинг и извлечение данных Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
DeepSeek V4 Pro 8.8 10.0 100.0% 0 23.62s 229 1,710
DeepSeek V4 Flash 10.0 10.0 100.0% 0 28.03s 201 1,179
Ling-2.6-flash 6.5 10.0 50.0% 0 8.48s 246 0
GLM 5 7.1 5.6 83.3% 1 8.90s 567 3,734
Предметно-ориентированное Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
DeepSeek V4 Pro 3.0 6.9 16.7% 1 205.66s 10,529 28,089
DeepSeek V4 Flash 4.1 4.4 44.5% 2 100.31s 27 59,249
Ling-2.6-flash 3.0 10.0 0.0% 0 4.95s 24 0
GLM 5 3.5 4.4 33.3% 2 0ms 13,176 14,137
Общий интеллект Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
DeepSeek V4 Pro 6.1 3.1 66.7% 1 25.09s 76 1,152
DeepSeek V4 Flash 6.1 3.1 66.7% 1 25.15s 79 632
Ling-2.6-flash 4.0 10.0 0.0% 0 1.45s 109 0
GLM 5 6.1 3.1 66.7% 1 14.69s 2,020 2,248
Следование инструкциям Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
DeepSeek V4 Pro 10.0 10.0 100.0% 0 41.16s 205 2,416
DeepSeek V4 Flash 10.0 10.0 100.0% 0 15.36s 63 1,622
Ling-2.6-flash 9.8 10.0 100.0% 0 5.52s 81 0
GLM 5 10.0 10.0 100.0% 0 7.25s 1,001 2,129
Решение головоломок Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
DeepSeek V4 Pro 6.9 10.0 66.7% 0 34.84s 1,431 11,847
DeepSeek V4 Flash 8.2 7.2 88.9% 1 26.11s 1,374 8,113
Ling-2.6-flash 2.9 7.2 11.1% 1 6.51s 265 0
GLM 5 10.0 10.0 100.0% 0 11.33s 71 13,728
Вызов инструментов Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
DeepSeek V4 Pro 10.0 10.0 100.0% 0 21.33s 372 593
DeepSeek V4 Flash 10.0 10.0 100.0% 0 74.73s 228 542
Ling-2.6-flash 3.0 10.0 0.0% 0 18.80s 229 0
GLM 5 10.0 10.0 100.0% 0 15.93s 233 994
Эрудиция Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
DeepSeek V4 Pro 3.0 10.0 0.0% 0 39.14s 53 3,807
DeepSeek V4 Flash 3.0 10.0 0.0% 0 54.46s 8,516 8,531
Ling-2.6-flash 3.0 10.0 0.0% 0 1.06s 15 0
GLM 5 3.0 10.0 0.0% 0 67.37s 401 12,450

Быстрое сравнение

Сменить пару сравнения

DeepSeek V4 FlashhighБесплатно доступноvsMiMo-V2.5-PromediumDeepSeek V4 FlashhighБесплатно доступноvsGemini 3.1 Flash Lite PreviewlowDeepSeek V4 ProhighvsGemini 3.1 Flash LitenoneDeepSeek V4 FlashhighБесплатно доступноvsQwen3.5-FlashmediumDeepSeek V4 FlashhighБесплатно доступноvsQwen3.6 FlashmediumDeepSeek V4 ProhighvsGPT-5.5noneDeepSeek V4 FlashhighБесплатно доступноvsQwen3.5 Plus 2026-04-20mediumDeepSeek V4 FlashhighБесплатно доступноvsGrok Build 0.1mediumDeepSeek V4 FlashhighБесплатно доступноvsGemini 3 Flash PreviewnoneDeepSeek V4 ProhighvsQwen3.6 27BmediumDeepSeek V4 FlashhighБесплатно доступноvsMiMo-V2-PromediumDeepSeek V4 ProhighvsGrok Build 0.1none