Ubao wa Viwango wa AI Benchy

Name: Matokeo ya Benchmark ya Modeli za AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmark zimetengenezwa kutoka seti za majaribio za AI BENCHY tarehe: 2026-09-02 Modeli zilizotathminiwa: 305

Miundo inayopendekezwa

GPT-5.6 Sol high Yenye akili Kiwango cha kupita kwa kila jaribio 89.4% Majaribio sahihi 18 / 22 Alama 9.4/10 GPT-5.6 Luna medium Haraka Muda wa majibu (wastani) 7.43s Jumla ya tokeni za matokeo 44,525 Alama 7.4/10 DeepSeek V4 Flash 0731 high Nafuu Bei ya ingizo $0.065 / 1M Bei ya toleo $0.180 / 1M Alama 8.0/10

305/305

Nafasi	Modeli	Alama	Kampuni	Jumla ya gharama	Muda wa majibu (wastani)
#188#188	Trinity Large Thinkinglow	6.0	Arcee AI	$0.625 ↓	96.61s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 14 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 47.0% Majaribio yasiyo thabiti 5 Tokeni za ingizo 122,854 Tokeni za matokeo 119,810 Tokeni za hoja 698,549 Muda wa majibu (wastani) 96.61s Muda wa majibu (jumla) 2125.51s Muda wa majibu (upeo) 540.96s Jibu lisilo sahihi: 7 Hitilafu ya API: 2 Hakufuata maelekezo: 2 Mwito wa zana si sahihi: 2 Hakuna jibu: 1 Mbinu za kupinga AI : 8.3 Uandishi wa msimbo : 5.3 Mchanganyiko : 5.2 Uchanganuzi na uchimbaji wa data : 7.3 Mahususi kwa domeni : 2.9 Akili ya jumla : 10.0 Ufuataji wa maagizo : 4.4 Utatuzi wa mafumbo : 6.3 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#49#49	Gemini 2.5 Flashmedium	8.2	Google	$0.644	21.14s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 7 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 71.2% Majaribio yasiyo thabiti 1 Tokeni za ingizo 132,507 Tokeni za matokeo 12,739 Tokeni za hoja 228,626 Muda wa majibu (wastani) 21.14s Muda wa majibu (jumla) 465.10s Muda wa majibu (upeo) 140.50s Jibu lisilo sahihi: 6 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 8.4 Uandishi wa msimbo : 7.8 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.9 Akili ya jumla : 4.8 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#2🥈 #2	Gemini 3.7 Flashhigh	9.8	Google	$0.646 ↑	12.22s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 2 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 95.5% Majaribio yasiyo thabiti 2 Tokeni za ingizo 86,712 Tokeni za matokeo 6,017 Tokeni za hoja 148,829 Muda wa majibu (wastani) 12.22s Muda wa majibu (jumla) 268.78s Muda wa majibu (upeo) 91.63s Jibu lisilo sahihi: 2 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 10.0 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.8 Akili ya jumla : 10.0 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 10.0 Mwito wa zana : 10.0 Maarifa ya jumla : 10.0
#153#153	Gemini 3.1 Flash Lite Previewlow	6.6	Google	$0.646	16.67s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 8 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 63.6% Majaribio yasiyo thabiti 0 Tokeni za ingizo 110,196 Tokeni za matokeo 14,717 Tokeni za hoja 397,462 Muda wa majibu (wastani) 16.67s Muda wa majibu (jumla) 366.69s Muda wa majibu (upeo) 309.35s Jibu lisilo sahihi: 6 Hakufuata maelekezo: 1 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 8.3 Uandishi wa msimbo : 5.5 Mchanganyiko : 3.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 7.7 Akili ya jumla : 4.0 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 10.0 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#40#40	Muse Spark 1.2low	8.4	Meta	$0.655	9.77s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 7 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 77.3% Majaribio yasiyo thabiti 3 Tokeni za ingizo 101,811 Tokeni za matokeo 8,025 Tokeni za hoja 115,938 Muda wa majibu (wastani) 9.77s Muda wa majibu (jumla) 214.83s Muda wa majibu (upeo) 47.80s Jibu lisilo sahihi: 4 Hakufuata maelekezo: 3 Mbinu za kupinga AI : 9.2 Uandishi wa msimbo : 8.4 Mchanganyiko : 9.8 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 Akili ya jumla : 5.0 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 8.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#102#102	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 10 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 57.6% Majaribio yasiyo thabiti 1 Tokeni za ingizo 123,273 Tokeni za matokeo 19,362 Tokeni za hoja 0 Muda wa majibu (wastani) 7.67s Muda wa majibu (jumla) 122.78s Muda wa majibu (upeo) 51.18s Jibu lisilo sahihi: 5 Muundo wa ziada: 4 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 4.8 Uandishi wa msimbo : 5.5 Mchanganyiko : 9.8 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 7.7 Akili ya jumla : 6.1 Ufuataji wa maagizo : 6.5 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#19#19	Gemini 3.5 Flashmedium	9.0	Google	$0.665	8.48s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 4 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 83.3% Majaribio yasiyo thabiti 1 Tokeni za ingizo 69,756 Tokeni za matokeo 2,166 Tokeni za hoja 60,007 Muda wa majibu (wastani) 8.48s Muda wa majibu (jumla) 186.57s Muda wa majibu (upeo) 76.68s Jibu lisilo sahihi: 3 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 7.9 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 Akili ya jumla : 10.0 Ufuataji wa maagizo : 9.9 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 10.0 Maarifa ya jumla : 10.0
#156#156	Qwen3.6 35B A3Bmedium	6.6	Qwen	$0.672 ↓	58.49s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 10 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 57.6% Majaribio yasiyo thabiti 2 Tokeni za ingizo 85,148 Tokeni za matokeo 61,736 Tokeni za hoja 681,556 Muda wa majibu (wastani) 58.49s Muda wa majibu (jumla) 1169.83s Muda wa majibu (upeo) 817.57s Jibu lisilo sahihi: 5 Hitilafu ya API: 2 Hakufuata maelekezo: 1 Mwito wa zana si sahihi: 1 Hakuna jibu: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 7.7 Mchanganyiko : 3.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 2.9 Akili ya jumla : 4.4 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 8.0 Mwito wa zana : 3.0 Maarifa ya jumla : 3.0
#47#47	Muse Spark 1.1low	8.3	Meta	$0.673	11.89s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 9 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 71.2% Majaribio yasiyo thabiti 4 Tokeni za ingizo 141,878 Tokeni za matokeo 11,033 Tokeni za hoja 105,456 Muda wa majibu (wastani) 11.89s Muda wa majibu (jumla) 261.69s Muda wa majibu (upeo) 54.15s Jibu lisilo sahihi: 5 Hakufuata maelekezo: 3 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 7.9 Uandishi wa msimbo : 10.0 Mchanganyiko : 6.6 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.6 Akili ya jumla : 10.0 Ufuataji wa maagizo : 7.3 Utatuzi wa mafumbo : 8.3 Mwito wa zana : 9.8 Maarifa ya jumla : 3.0
#198#198	Mimo V2 Omnimedium	5.9	Xiaomi	$0.683 ↓	41.16s
Tazama kadi ya modeli Jumla ya majaribio 21 Majaribio yenye makosa 11 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 53.0% Majaribio yasiyo thabiti 3 Tokeni za ingizo 37,007 Tokeni za matokeo 1,952 Tokeni za hoja 357,306 Muda wa majibu (wastani) 41.16s Muda wa majibu (jumla) 823.26s Muda wa majibu (upeo) 299.23s Jibu lisilo sahihi: 5 Hakufuata maelekezo: 2 Hakuna jibu: 2 Hitilafu ya API: 1 Muundo wa ziada: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 3.3 Mchanganyiko : 5.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.0 Akili ya jumla : 5.4 Ufuataji wa maagizo : 8.3 Utatuzi wa mafumbo : 5.9 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#96#96	Kimi K2.7 Codemedium	7.4	Moonshot AI	$0.687 ↓	80.09s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 11 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 63.6% Majaribio yasiyo thabiti 5 Tokeni za ingizo 72,085 Tokeni za matokeo 57,453 Tokeni za hoja 182,093 Muda wa majibu (wastani) 80.09s Muda wa majibu (jumla) 1681.85s Muda wa majibu (upeo) 365.80s Jibu lisilo sahihi: 6 Muda umeisha: 3 Hitilafu ya API: 1 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 7.3 Uandishi wa msimbo : 7.8 Mchanganyiko : 7.3 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.7 Akili ya jumla : 10.0 Ufuataji wa maagizo : 9.9 Utatuzi wa mafumbo : 5.9 Mwito wa zana : 3.0 Maarifa ya jumla : 3.0
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.699 ↓	16.81s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 1 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 98.5% Majaribio yasiyo thabiti 1 Tokeni za ingizo 71,470 Tokeni za matokeo 3,276 Tokeni za hoja 168,709 Muda wa majibu (wastani) 16.81s Muda wa majibu (jumla) 369.88s Muda wa majibu (upeo) 104.15s Jibu lisilo sahihi: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 10.0 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 8.2 Akili ya jumla : 10.0 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 10.0 Mwito wa zana : 10.0 Maarifa ya jumla : 10.0
#83#83	Nemotron 3 Ultramedium	7.6	NVIDIA	$0.701 ↕	33.62s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 9 Uaminifu 9.8 Kiwango cha kupita kwa kila jaribio 66.7% Majaribio yasiyo thabiti 3 Tokeni za ingizo 233,415 Tokeni za matokeo 54,384 Tokeni za hoja 130,021 Muda wa majibu (wastani) 33.62s Muda wa majibu (jumla) 739.59s Muda wa majibu (upeo) 392.56s Jibu lisilo sahihi: 7 Hitilafu ya API: 1 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 8.4 Mchanganyiko : 6.3 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.6 Akili ya jumla : 3.7 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 5.5 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#37#37	Qwen3.8 Maxlow	8.6	Qwen	$0.702	21.83s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 6 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 80.3% Majaribio yasiyo thabiti 3 Tokeni za ingizo 99,181 Tokeni za matokeo 6,132 Tokeni za hoja 77,689 Muda wa majibu (wastani) 21.83s Muda wa majibu (jumla) 480.37s Muda wa majibu (upeo) 155.75s Jibu lisilo sahihi: 5 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 8.4 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 2.9 Akili ya jumla : 6.5 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 9.9 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#123#123	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 10 Uaminifu 8.1 Kiwango cha kupita kwa kila jaribio 65.2% Majaribio yasiyo thabiti 4 Tokeni za ingizo 82,592 Tokeni za matokeo 16,089 Tokeni za hoja 199,800 Muda wa majibu (wastani) 58.80s Muda wa majibu (jumla) 1234.72s Muda wa majibu (upeo) 308.75s Jibu lisilo sahihi: 4 Hakuna jibu: 2 Muda umeisha: 2 Hitilafu ya API: 1 Muundo wa ziada: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 4.6 Mchanganyiko : 9.8 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.0 Akili ya jumla : 10.0 Ufuataji wa maagizo : 6.4 Utatuzi wa mafumbo : 8.2 Mwito wa zana : 3.0 Maarifa ya jumla : 3.0
#120#120	Grok 4.3medium	7.0	X AI	$0.741	44.21s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 10 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 66.7% Majaribio yasiyo thabiti 5 Tokeni za ingizo 140,244 Tokeni za matokeo 13,739 Tokeni za hoja 212,165 Muda wa majibu (wastani) 44.21s Muda wa majibu (jumla) 972.64s Muda wa majibu (upeo) 216.69s Jibu lisilo sahihi: 6 Hakufuata maelekezo: 2 Muundo wa ziada: 1 Hakuna jibu: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 5.9 Mchanganyiko : 6.5 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.5 Akili ya jumla : 5.4 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 5.9 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#134#134	Qwen3.6 Flashmedium	6.8	Qwen	$0.741 ↓	44.97s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 10 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 66.7% Majaribio yasiyo thabiti 5 Tokeni za ingizo 129,050 Tokeni za matokeo 20,026 Tokeni za hoja 616,923 Muda wa majibu (wastani) 44.97s Muda wa majibu (jumla) 989.32s Muda wa majibu (upeo) 578.13s Jibu lisilo sahihi: 8 Hakufuata maelekezo: 1 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 5.0 Mchanganyiko : 6.5 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 2.9 Akili ya jumla : 4.8 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 8.2 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#190#190	Grok 4.20 Betamedium	6.0	X AI	$0.750 ↑	9.75s
Tazama kadi ya modeli Jumla ya majaribio 18 Majaribio yenye makosa 4 Uaminifu Haipo Kiwango cha kupita kwa kila jaribio 66.7% Majaribio yasiyo thabiti 1 Tokeni za ingizo 35,955 Tokeni za matokeo 1,647 Tokeni za hoja 91,565 Muda wa majibu (wastani) 9.75s Muda wa majibu (jumla) 175.48s Muda wa majibu (upeo) 31.36s Jibu lisilo sahihi: 3 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 8.7 Uandishi wa msimbo : 3.3 Mchanganyiko : 5.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 Akili ya jumla : 10.0 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 10.0 Mwito wa zana : 3.0 Maarifa ya jumla : 0.0
#183#183	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.756 ↓	85.44s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 14 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 48.5% Majaribio yasiyo thabiti 6 Tokeni za ingizo 118,486 Tokeni za matokeo 156,166 Tokeni za hoja 860,619 Muda wa majibu (wastani) 85.44s Muda wa majibu (jumla) 1879.75s Muda wa majibu (upeo) 525.14s Jibu lisilo sahihi: 8 Hakufuata maelekezo: 4 Mwito wa zana si sahihi: 2 Mbinu za kupinga AI : 6.8 Uandishi wa msimbo : 7.5 Mchanganyiko : 2.9 Uchanganuzi na uchimbaji wa data : 6.3 Mahususi kwa domeni : 5.3 Akili ya jumla : 10.0 Ufuataji wa maagizo : 4.4 Utatuzi wa mafumbo : 5.2 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#5#5	Gemini 3 Flash Previewmedium	9.5	Google	$0.763	19.86s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 2 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 93.9% Majaribio yasiyo thabiti 1 Tokeni za ingizo 87,870 Tokeni za matokeo 5,486 Tokeni za hoja 234,122 Muda wa majibu (wastani) 19.86s Muda wa majibu (jumla) 436.88s Muda wa majibu (upeo) 117.26s Jibu lisilo sahihi: 2 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 8.6 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 7.7 Akili ya jumla : 10.0 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 10.0 Mwito wa zana : 10.0 Maarifa ya jumla : 10.0
#76#76	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 9 Uaminifu 8.5 Kiwango cha kupita kwa kila jaribio 77.3% Majaribio yasiyo thabiti 6 Tokeni za ingizo 85,657 Tokeni za matokeo 8,142 Tokeni za hoja 233,167 Muda wa majibu (wastani) 72.24s Muda wa majibu (jumla) 1589.31s Muda wa majibu (upeo) 485.92s Jibu lisilo sahihi: 6 Hitilafu ya API: 2 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 8.7 Uandishi wa msimbo : 7.0 Mchanganyiko : 7.3 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 4.1 Akili ya jumla : 6.5 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 9.9 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#21#21	Qwen3.8 Maxmedium	9.0	Qwen	$0.771	23.34s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 5 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 80.3% Majaribio yasiyo thabiti 1 Tokeni za ingizo 109,055 Tokeni za matokeo 6,566 Tokeni za hoja 85,481 Muda wa majibu (wastani) 23.34s Muda wa majibu (jumla) 513.47s Muda wa majibu (upeo) 126.60s Jibu lisilo sahihi: 4 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 10.0 Mchanganyiko : 8.7 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.0 Akili ya jumla : 10.0 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 10.0 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#92#92	GPT-5.4 Minimedium	7.5	OpenAI	$0.786	26.72s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 10 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 68.2% Majaribio yasiyo thabiti 5 Tokeni za ingizo 97,164 Tokeni za matokeo 6,211 Tokeni za hoja 152,133 Muda wa majibu (wastani) 26.72s Muda wa majibu (jumla) 587.90s Muda wa majibu (upeo) 138.75s Jibu lisilo sahihi: 6 Hakufuata maelekezo: 3 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 8.6 Uandishi wa msimbo : 8.4 Mchanganyiko : 6.9 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.6 Akili ya jumla : 4.5 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 7.8 Mwito wa zana : 4.7 Maarifa ya jumla : 3.0
#126#126	Grok 4.20medium	7.0	X AI	$0.805 ↓	32.56s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 11 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 60.6% Majaribio yasiyo thabiti 5 Tokeni za ingizo 102,986 Tokeni za matokeo 5,860 Tokeni za hoja 264,399 Muda wa majibu (wastani) 32.56s Muda wa majibu (jumla) 716.36s Muda wa majibu (upeo) 199.66s Jibu lisilo sahihi: 6 Muundo wa ziada: 2 Hakufuata maelekezo: 2 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 8.2 Uandishi wa msimbo : 6.3 Mchanganyiko : 8.7 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 2.9 Akili ya jumla : 3.9 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 3.0 Maarifa ya jumla : 3.0
#60#60	GPT-5.6 Terrahigh	8.0	OpenAI	$0.836 ↓	11.22s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 8 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 68.2% Majaribio yasiyo thabiti 2 Tokeni za ingizo 81,056 Tokeni za matokeo 5,055 Tokeni za hoja 51,033 Muda wa majibu (wastani) 11.22s Muda wa majibu (jumla) 246.77s Muda wa majibu (upeo) 91.49s Jibu lisilo sahihi: 7 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 8.3 Uandishi wa msimbo : 7.6 Mchanganyiko : 8.7 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 Akili ya jumla : 5.1 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0

←

1 9 10 11 13

→

Mienendo ya jumla ya benchmark

Ona jinsi modeli za sasa zinavyosawazisha alama, gharama, kasi, urefu wa matokeo na uwezo kwa kila kategoria.

Chati →

Mpaka wa Pareto: akili dhidi ya gharama

Maendeleo ya alama bora za kampuni zinazoongoza

Mpaka wa Pareto: akili dhidi ya kasi ya majibu

Mpaka wa Pareto: alama dhidi ya tokeni za matokeo

Ugumu wa kategoria katika modeli zote

Ulinganisho wa haraka

Gemini 3.6 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 Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow