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)
#14#14	Claude Opus 5high	9.2	Anthropic	$3.070	22.51s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 4 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 81.8% Majaribio yasiyo thabiti 0 Tokeni za ingizo 135,956 Tokeni za matokeo 64,624 Tokeni za hoja 30,959 Muda wa majibu (wastani) 22.51s Muda wa majibu (jumla) 495.12s Muda wa majibu (upeo) 159.01s Jibu lisilo sahihi: 2 Muundo wa ziada: 1 Hakuna jibu: 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 : 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
#18#18	Claude Fable 5.1high	9.0	Anthropic	$3.364	13.59s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 3 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 89.4% Majaribio yasiyo thabiti 1 Tokeni za ingizo 135,958 Tokeni za matokeo 7,930 Tokeni za hoja 32,141 Muda wa majibu (wastani) 13.59s Muda wa majibu (jumla) 298.90s Muda wa majibu (upeo) 40.17s Jibu lisilo sahihi: 3 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 8.4 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
#61#61	Kimi K3max	7.9	Moonshot AI	$3.467	142.84s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 6 Uaminifu 9.0 Kiwango cha kupita kwa kila jaribio 77.3% Majaribio yasiyo thabiti 2 Tokeni za ingizo 34,960 Tokeni za matokeo 2,887 Tokeni za hoja 221,241 Muda wa majibu (wastani) 142.84s Muda wa majibu (jumla) 2714.02s Muda wa majibu (upeo) 766.58s Hitilafu ya API: 2 Hakuna jibu: 2 Muundo wa ziada: 1 Muda umeisha: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 10.0 Mchanganyiko : 6.5 Uchanganuzi na uchimbaji wa data : 7.3 Mahususi kwa domeni : 5.3 Akili ya jumla : 10.0 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 10.0 Mwito wa zana : 3.0 Maarifa ya jumla : 3.0
#20#20	GPT-5.5medium	9.0	OpenAI	$4.163	38.97s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 4 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 87.9% Majaribio yasiyo thabiti 3 Tokeni za ingizo 80,668 Tokeni za matokeo 5,617 Tokeni za hoja 119,699 Muda wa majibu (wastani) 38.97s Muda wa majibu (jumla) 857.43s Muda wa majibu (upeo) 332.10s Jibu lisilo sahihi: 4 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 8.8 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 : 2.8
#267#267	Grok 4.20 Multi Agent Betamedium	4.8	X AI	$5.599 ↑	9.69s
Tazama kadi ya modeli Jumla ya majaribio 18 Majaribio yenye makosa 10 Uaminifu Haipo Kiwango cha kupita kwa kila jaribio 48.5% Majaribio yasiyo thabiti 5 Tokeni za ingizo 721,952 Tokeni za matokeo 294,668 Tokeni za hoja 305,374 Muda wa majibu (wastani) 9.69s Muda wa majibu (jumla) 155.07s Muda wa majibu (upeo) 35.28s Jibu lisilo sahihi: 4 Hitilafu ya API: 2 Muundo wa ziada: 2 Hakufuata maelekezo: 2 Mbinu za kupinga AI : 6.9 Uandishi wa msimbo : 3.3 Mchanganyiko : 1.5 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 2.9 Akili ya jumla : 5.8 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 6.7 Mwito wa zana : 3.0 Maarifa ya jumla : 0.0

←

1 12 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