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)
#50#50	Claude Sonnet 5medium	8.2	Anthropic	$0.922	12.54s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 7 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 75.8% Majaribio yasiyo thabiti 3 Tokeni za ingizo 145,953 Tokeni za matokeo 52,330 Tokeni za hoja 10,874 Muda wa majibu (wastani) 12.54s Muda wa majibu (jumla) 275.90s Muda wa majibu (upeo) 66.71s Jibu lisilo sahihi: 5 Hakufuata maelekezo: 1 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 9.0 Mchanganyiko : 7.3 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 Akili ya jumla : 4.8 Ufuataji wa maagizo : 9.9 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#42#42	Grok 4.5low	8.4	X AI	$0.945	16.17s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 6 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 77.3% Majaribio yasiyo thabiti 2 Tokeni za ingizo 125,605 Tokeni za matokeo 7,505 Tokeni za hoja 107,984 Muda wa majibu (wastani) 16.17s Muda wa majibu (jumla) 355.67s Muda wa majibu (upeo) 205.28s Jibu lisilo sahihi: 6 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 10.0 Mchanganyiko : 6.5 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 2.9 Akili ya jumla : 6.1 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 10.0 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#90#90	Qwen3.5-27Bmedium	7.5	Qwen	$0.982 ↓	113.28s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 9 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 75.8% Majaribio yasiyo thabiti 6 Tokeni za ingizo 111,644 Tokeni za matokeo 16,113 Tokeni za hoja 598,796 Muda wa majibu (wastani) 113.28s Muda wa majibu (jumla) 2492.26s Muda wa majibu (upeo) 1026.43s Jibu lisilo sahihi: 4 Hakufuata maelekezo: 2 Muundo wa ziada: 1 Mwito wa zana si sahihi: 1 Muda umeisha: 1 Mbinu za kupinga AI : 8.7 Uandishi wa msimbo : 6.2 Mchanganyiko : 7.3 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.9 Akili ya jumla : 6.1 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 8.2 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#23#23	GPT-5.3-Codexmedium	8.9	OpenAI	$0.988	16.91s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 6 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 83.3% Majaribio yasiyo thabiti 4 Tokeni za ingizo 81,187 Tokeni za matokeo 6,258 Tokeni za hoja 54,116 Muda wa majibu (wastani) 16.91s Muda wa majibu (jumla) 372.03s Muda wa majibu (upeo) 100.93s Jibu lisilo sahihi: 4 Hakufuata maelekezo: 2 Mbinu za kupinga AI : 8.7 Uandishi wa msimbo : 10.0 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.9 Akili ya jumla : 4.6 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 9.0 Mwito wa zana : 10.0 Maarifa ya jumla : 2.8
#159#159	Qwen3.6 27Bmedium	6.5	Qwen	$1.045 ↑	106.06s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 12 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 60.6% Majaribio yasiyo thabiti 7 Tokeni za ingizo 106,176 Tokeni za matokeo 33,013 Tokeni za hoja 239,560 Muda wa majibu (wastani) 106.06s Muda wa majibu (jumla) 2333.36s Muda wa majibu (upeo) 1085.11s Jibu lisilo sahihi: 5 Hakuna jibu: 3 Mwito wa zana si sahihi: 2 Muundo wa ziada: 1 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 8.3 Uandishi wa msimbo : 7.7 Mchanganyiko : 6.7 Uchanganuzi na uchimbaji wa data : 3.5 Mahususi kwa domeni : 2.9 Akili ya jumla : 6.5 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#54#54	Inklinghigh	8.0	Thinkingmachines	$1.046	62.57s
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 86,755 Tokeni za matokeo 6,057 Tokeni za hoja 230,570 Muda wa majibu (wastani) 62.57s Muda wa majibu (jumla) 1376.46s Muda wa majibu (upeo) 327.51s Jibu lisilo sahihi: 4 Mwito wa zana si sahihi: 2 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 8.5 Mchanganyiko : 7.3 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 7.7 Akili ya jumla : 10.0 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 6.9 Mwito wa zana : 3.0 Maarifa ya jumla : 3.0
#133#133	Gemini 3.5 Flashnone	6.9	Google	$1.093	10.18s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 8 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 69.7% Majaribio yasiyo thabiti 3 Tokeni za ingizo 13,852 Tokeni za matokeo 119,100 Tokeni za hoja 0 Muda wa majibu (wastani) 10.18s Muda wa majibu (jumla) 183.29s Muda wa majibu (upeo) 64.36s Hitilafu ya API: 4 Jibu lisilo sahihi: 4 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 8.8 Mchanganyiko : 3.0 Uchanganuzi na uchimbaji wa data : 6.5 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 : 2.8
#28#28	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
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 134,770 Tokeni za matokeo 13,604 Tokeni za hoja 4,388 Muda wa majibu (wastani) 6.99s Muda wa majibu (jumla) 153.80s Muda wa majibu (upeo) 30.67s Jibu lisilo sahihi: 4 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 7.8 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 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
#93#93	Grok Build 0.1medium	7.5	X AI	$1.130	54.50s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 9 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 60.6% Majaribio yasiyo thabiti 1 Tokeni za ingizo 106,946 Tokeni za matokeo 7,993 Tokeni za hoja 503,413 Muda wa majibu (wastani) 54.50s Muda wa majibu (jumla) 1199.07s Muda wa majibu (upeo) 252.69s Jibu lisilo sahihi: 6 Muundo wa ziada: 3 Mbinu za kupinga AI : 8.3 Uandishi wa msimbo : 5.7 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 2.9 Akili ya jumla : 4.4 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#36#36	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 5 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 83.3% Majaribio yasiyo thabiti 2 Tokeni za ingizo 79,249 Tokeni za matokeo 5,097 Tokeni za hoja 165,276 Muda wa majibu (wastani) 66.52s Muda wa majibu (jumla) 1463.50s Muda wa majibu (upeo) 238.07s Jibu lisilo sahihi: 4 Muda umeisha: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 8.8 Mchanganyiko : 7.3 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 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
#177#177	Qwen3.5-35B-A3Bmedium	6.1	Qwen	$1.140 ↑	110.84s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 11 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 65.2% Majaribio yasiyo thabiti 6 Tokeni za ingizo 130,450 Tokeni za matokeo 54,857 Tokeni za hoja 838,606 Muda wa majibu (wastani) 110.84s Muda wa majibu (jumla) 2438.58s Muda wa majibu (upeo) 950.25s Muda umeisha: 4 Hakuna jibu: 3 Jibu lisilo sahihi: 2 Hitilafu ya API: 1 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 5.9 Mchanganyiko : 3.8 Uchanganuzi na uchimbaji wa data : 7.3 Mahususi kwa domeni : 3.5 Akili ya jumla : 2.8 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 8.2 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#136#136	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 12 Uaminifu 7.3 Kiwango cha kupita kwa kila jaribio 63.6% Majaribio yasiyo thabiti 7 Tokeni za ingizo 76,036 Tokeni za matokeo 7,267 Tokeni za hoja 364,176 Muda wa majibu (wastani) 101.05s Muda wa majibu (jumla) 2223.19s Muda wa majibu (upeo) 626.58s Hitilafu ya API: 6 Jibu lisilo sahihi: 4 Muundo wa ziada: 1 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 6.9 Uandishi wa msimbo : 8.9 Mchanganyiko : 4.7 Uchanganuzi na uchimbaji wa data : 7.3 Mahususi kwa domeni : 5.3 Akili ya jumla : 4.8 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 8.2 Mwito wa zana : 4.7 Maarifa ya jumla : 3.0
#17#17	Qwen3.7 Maxmedium	9.1	Qwen	$1.157 ↓	44.32s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 5 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 86.4% Majaribio yasiyo thabiti 3 Tokeni za ingizo 106,029 Tokeni za matokeo 5,748 Tokeni za hoja 220,354 Muda wa majibu (wastani) 44.32s Muda wa majibu (jumla) 975.11s Muda wa majibu (upeo) 556.06s 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 : 4.1 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
#109#109	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 9 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 63.6% Majaribio yasiyo thabiti 2 Tokeni za ingizo 149,203 Tokeni za matokeo 16,797 Tokeni za hoja 0 Muda wa majibu (wastani) 4.92s Muda wa majibu (jumla) 108.24s Muda wa majibu (upeo) 35.03s Jibu lisilo sahihi: 4 Muundo wa ziada: 3 Hakufuata maelekezo: 1 Hakuna jibu: 1 Mbinu za kupinga AI : 6.5 Uandishi wa msimbo : 5.5 Mchanganyiko : 9.8 Uchanganuzi na uchimbaji wa data : 7.3 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 : 3.0
#43#43	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 8 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 72.7% Majaribio yasiyo thabiti 4 Tokeni za ingizo 105,013 Tokeni za matokeo 9,914 Tokeni za hoja 61,338 Muda wa majibu (wastani) 28.51s Muda wa majibu (jumla) 456.13s Muda wa majibu (upeo) 116.86s Hakufuata maelekezo: 3 Jibu lisilo sahihi: 3 Hakuna jibu: 1 Muda umeisha: 1 Mbinu za kupinga AI : 6.5 Uandishi wa msimbo : 10.0 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.9 Akili ya jumla : 3.7 Ufuataji wa maagizo : 9.9 Utatuzi wa mafumbo : 7.5 Mwito wa zana : 4.7 Maarifa ya jumla : 3.0
#58#58	GLM 5.2high	8.0	Z.ai	$1.188 ↑	69.86s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 8 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 69.7% Majaribio yasiyo thabiti 3 Tokeni za ingizo 83,822 Tokeni za matokeo 72,040 Tokeni za hoja 292,615 Muda wa majibu (wastani) 69.86s Muda wa majibu (jumla) 1536.98s Muda wa majibu (upeo) 599.43s Muda umeisha: 3 Hakuna jibu: 2 Jibu lisilo sahihi: 2 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 6.4 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.1 Akili ya jumla : 10.0 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 6.0 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#116#116	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.207 ↑	65.67s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 8 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 71.2% Majaribio yasiyo thabiti 4 Tokeni za ingizo 124,780 Tokeni za matokeo 47,694 Tokeni za hoja 439,825 Muda wa majibu (wastani) 65.67s Muda wa majibu (jumla) 1444.68s Muda wa majibu (upeo) 519.30s Jibu lisilo sahihi: 5 Muda umeisha: 2 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 6.0 Mchanganyiko : 6.4 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 2.9 Akili ya jumla : 3.4 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 10.0 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#135#135	Step 3.7 Flashhigh	6.8	Stepfun	$1.229	70.10s
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 4 Tokeni za ingizo 98,700 Tokeni za matokeo 1,050,900 Tokeni za hoja 0 Muda wa majibu (wastani) 70.10s Muda wa majibu (jumla) 1542.14s Muda wa majibu (upeo) 364.99s Jibu lisilo sahihi: 7 Hakuna jibu: 3 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 4.0 Mchanganyiko : 8.7 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.6 Akili ya jumla : 5.5 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 5.3 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#110#110	Kimi K2.6medium	7.2	Moonshot AI	$1.247 ↑	115.89s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 10 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 63.6% Majaribio yasiyo thabiti 4 Tokeni za ingizo 68,913 Tokeni za matokeo 64,654 Tokeni za hoja 282,865 Muda wa majibu (wastani) 115.89s Muda wa majibu (jumla) 2433.66s Muda wa majibu (upeo) 876.20s Muda umeisha: 3 Jibu lisilo sahihi: 3 Hakufuata maelekezo: 2 Mwito wa zana si sahihi: 1 Hakuna jibu: 1 Mbinu za kupinga AI : 7.0 Uandishi wa msimbo : 5.7 Mchanganyiko : 6.9 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 Akili ya jumla : 10.0 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 6.0 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#10#10	GPT-5.5low	9.3	OpenAI	$1.257	10.15s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 3 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 86.4% Majaribio yasiyo thabiti 0 Tokeni za ingizo 80,067 Tokeni za matokeo 5,378 Tokeni za hoja 23,162 Muda wa majibu (wastani) 10.15s Muda wa majibu (jumla) 223.24s Muda wa majibu (upeo) 56.19s Jibu lisilo sahihi: 3 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 10.0 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 Akili ya jumla : 10.0 Ufuataji wa maagizo : 9.9 Utatuzi wa mafumbo : 10.0 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#132#132	Seed-2.0-Codehigh	6.9	Bytedance Seed	$1.273	124.18s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 11 Uaminifu 8.6 Kiwango cha kupita kwa kila jaribio 63.6% Majaribio yasiyo thabiti 5 Tokeni za ingizo 81,970 Tokeni za matokeo 7,186 Tokeni za hoja 403,389 Muda wa majibu (wastani) 124.18s Muda wa majibu (jumla) 2732.03s Muda wa majibu (upeo) 675.30s Hitilafu ya API: 5 Jibu lisilo sahihi: 4 Hakufuata maelekezo: 1 Hakuna jibu: 1 Mbinu za kupinga AI : 8.3 Uandishi wa msimbo : 6.2 Mchanganyiko : 7.3 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.5 Akili ya jumla : 4.6 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 7.8 Mwito wa zana : 4.7 Maarifa ya jumla : 3.0
#33#33	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 8 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 74.2% Majaribio yasiyo thabiti 4 Tokeni za ingizo 123,680 Tokeni za matokeo 7,222 Tokeni za hoja 271,442 Muda wa majibu (wastani) 19.67s Muda wa majibu (jumla) 432.72s Muda wa majibu (upeo) 142.49s Hakufuata maelekezo: 3 Jibu lisilo sahihi: 3 Muundo wa ziada: 1 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 7.3 Uandishi wa msimbo : 10.0 Mchanganyiko : 8.5 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 Akili ya jumla : 6.1 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 8.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#12#12	Gemini 3.1 Pro Previewmedium	9.2	Google	$1.352	20.62s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 2 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 90.9% Majaribio yasiyo thabiti 0 Tokeni za ingizo 92,296 Tokeni za matokeo 5,232 Tokeni za hoja 92,006 Muda wa majibu (wastani) 20.62s Muda wa majibu (jumla) 329.94s Muda wa majibu (upeo) 88.68s Jibu lisilo sahihi: 2 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 7.9 Mchanganyiko : 9.8 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
#34#34	Muse Spark 1.1medium	8.6	Meta	$1.420	26.25s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 7 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 72.7% Majaribio yasiyo thabiti 2 Tokeni za ingizo 142,147 Tokeni za matokeo 7,905 Tokeni za hoja 284,247 Muda wa majibu (wastani) 26.25s Muda wa majibu (jumla) 577.47s Muda wa majibu (upeo) 165.38s Jibu lisilo sahihi: 4 Hakufuata maelekezo: 2 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 10.0 Mchanganyiko : 8.3 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.5 Akili ya jumla : 10.0 Ufuataji wa maagizo : 6.5 Utatuzi wa mafumbo : 7.9 Mwito wa zana : 9.8 Maarifa ya jumla : 3.0
#31#31	Claude Opus 4.7medium	8.7	Anthropic	$1.476	7.62s
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 145,249 Tokeni za matokeo 24,948 Tokeni za hoja 5,042 Muda wa majibu (wastani) 7.62s Muda wa majibu (jumla) 159.94s Muda wa majibu (upeo) 65.40s Jibu lisilo sahihi: 3 Muda umeisha: 1 Mbinu za kupinga AI : 8.3 Uandishi wa msimbo : 7.6 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 : 3.0

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