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: 311

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

311/311

Nafasi	Modeli	Alama	Kampuni	Jumla ya gharama	Muda wa majibu (wastani)
#211#211	North Mini Codemedium	5.7	Cohere	$0.000	141.99s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 14 Uaminifu 8.5 Kiwango cha kupita kwa kila jaribio 43.9% Majaribio yasiyo thabiti 4 Tokeni za ingizo 81,742 Tokeni za matokeo 423,884 Tokeni za hoja 1,340,907 Muda wa majibu (wastani) 141.99s Muda wa majibu (jumla) 3123.87s Muda wa majibu (upeo) 786.72s Jibu lisilo sahihi: 9 Muundo wa ziada: 2 Hitilafu ya API: 1 Mwito wa zana si sahihi: 1 Muda umeisha: 1 Mbinu za kupinga AI : 8.4 Uandishi wa msimbo : 4.5 Mchanganyiko : 2.9 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 2.9 Akili ya jumla : 5.1 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 3.3 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#66#66	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
#104#104	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 10 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 59.1% Majaribio yasiyo thabiti 2 Tokeni za ingizo 97,324 Tokeni za matokeo 44,383 Tokeni za hoja 346,490 Muda wa majibu (wastani) 143.55s Muda wa majibu (jumla) 3158.11s Muda wa majibu (upeo) 939.52s Jibu lisilo sahihi: 7 Hitilafu ya API: 1 Hakuna jibu: 1 Muda umeisha: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 10.0 Mchanganyiko : 7.3 Uchanganuzi na uchimbaji wa data : 6.3 Mahususi kwa domeni : 3.0 Akili ya jumla : 4.8 Ufuataji wa maagizo : 6.5 Utatuzi wa mafumbo : 5.4 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#155#155	LongCat 2.0high	6.7	Meituan	$0.492	153.29s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 13 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 51.5% Majaribio yasiyo thabiti 4 Tokeni za ingizo 93,411 Tokeni za matokeo 30,470 Tokeni za hoja 356,172 Muda wa majibu (wastani) 153.29s Muda wa majibu (jumla) 3372.36s Muda wa majibu (upeo) 941.66s Jibu lisilo sahihi: 7 Hakufuata maelekezo: 2 Hakuna jibu: 2 Muda umeisha: 2 Mbinu za kupinga AI : 8.9 Uandishi wa msimbo : 7.8 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 3.6 Mahususi kwa domeni : 3.6 Akili ya jumla : 5.1 Ufuataji wa maagizo : 6.5 Utatuzi wa mafumbo : 3.1 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#18#18	Seed 2.1 Turbolow	9.1	Bytedance Seed	$1.546	163.90s
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 2 Tokeni za ingizo 104,464 Tokeni za matokeo 6,844 Tokeni za hoja 590,392 Muda wa majibu (wastani) 163.90s Muda wa majibu (jumla) 3605.87s Muda wa majibu (upeo) 739.98s Jibu lisilo sahihi: 3 Hakuna jibu: 2 Mbinu za kupinga AI : 8.2 Uandishi wa msimbo : 10.0 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 2.9 Akili ya jumla : 10.0 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 10.0 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#49#49	Qwen3.8 27Bhigh	8.4	Qwen	~$0.287	167.89s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 6 Uaminifu 9.6 Kiwango cha kupita kwa kila jaribio 77.3% Majaribio yasiyo thabiti 2 Tokeni za ingizo 100,179 Tokeni za matokeo 904 Tokeni za hoja 655,731 Muda wa majibu (wastani) 167.89s Muda wa majibu (jumla) 3693.54s Muda wa majibu (upeo) 640.85s Hakufuata maelekezo: 2 Hakuna jibu: 2 Jibu lisilo sahihi: 2 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 8.1 Mchanganyiko : 10.0 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 : 7.6 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#29#29	Seed 2.1 Turbohigh	8.9	Bytedance Seed	$1.797	173.96s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 6 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 78.8% Majaribio yasiyo thabiti 3 Tokeni za ingizo 104,695 Tokeni za matokeo 6,645 Tokeni za hoja 691,086 Muda wa majibu (wastani) 173.96s Muda wa majibu (jumla) 3827.19s Muda wa majibu (upeo) 584.71s Jibu lisilo sahihi: 4 Hakufuata maelekezo: 1 Hakuna jibu: 1 Mbinu za kupinga AI : 8.2 Uandishi wa msimbo : 10.0 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 2.9 Akili ya jumla : 6.5 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 10.0 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#202#202	Step 3.5 Flashmedium	5.9	Stepfun	$0.132 ↑	191.63s
Tazama kadi ya modeli Jumla ya majaribio 21 Majaribio yenye makosa 11 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 50.0% Majaribio yasiyo thabiti 2 Tokeni za ingizo 65,716 Tokeni za matokeo 189,424 Tokeni za hoja 379,112 Muda wa majibu (wastani) 191.63s Muda wa majibu (jumla) 3066.07s Muda wa majibu (upeo) 1597.85s Jibu lisilo sahihi: 5 Hakufuata maelekezo: 3 Hitilafu ya API: 1 Hakuna jibu: 1 Muda umeisha: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 2.4 Mchanganyiko : 6.5 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.5 Akili ya jumla : 5.5 Ufuataji wa maagizo : 8.3 Utatuzi wa mafumbo : 5.3 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#50#50	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 7 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 78.8% Majaribio yasiyo thabiti 5 Tokeni za ingizo 104,433 Tokeni za matokeo 6,511 Tokeni za hoja 752,680 Muda wa majibu (wastani) 193.59s Muda wa majibu (jumla) 4258.98s Muda wa majibu (upeo) 885.33s Jibu lisilo sahihi: 5 Hakufuata maelekezo: 1 Hakuna jibu: 1 Mbinu za kupinga AI : 8.2 Uandishi wa msimbo : 8.2 Mchanganyiko : 10.0 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 : 9.9 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#228#228	Hy4 previewlow	5.6	Tencent	$1.745	214.25s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 19 Uaminifu 5.4 Kiwango cha kupita kwa kila jaribio 19.7% Majaribio yasiyo thabiti 3 Tokeni za ingizo 45,154 Tokeni za matokeo 4,022 Tokeni za hoja 678,516 Muda wa majibu (wastani) 214.25s Muda wa majibu (jumla) 4713.56s Muda wa majibu (upeo) 597.45s Hitilafu ya API: 14 Jibu lisilo sahihi: 3 Hakufuata maelekezo: 1 Hakuna jibu: 1 Mbinu za kupinga AI : 6.0 Uandishi wa msimbo : 5.2 Mchanganyiko : 2.9 Uchanganuzi na uchimbaji wa data : 8.7 Mahususi kwa domeni : 4.5 Akili ya jumla : 7.5 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 5.3 Mwito wa zana : 3.0 Maarifa ya jumla : 3.0
#282#282	Granite 4.2 8Bhigh	4.6	IBM Granite	$0.084	235.89s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 18 Uaminifu 7.6 Kiwango cha kupita kwa kila jaribio 39.4% Majaribio yasiyo thabiti 10 Tokeni za ingizo 43,278 Tokeni za matokeo 181,083 Tokeni za hoja 431,132 Muda wa majibu (wastani) 235.89s Muda wa majibu (jumla) 5189.64s Muda wa majibu (upeo) 685.87s Muda umeisha: 10 Jibu lisilo sahihi: 6 Mwito wa zana si sahihi: 1 Hakuna jibu: 1 Mbinu za kupinga AI : 6.9 Uandishi wa msimbo : 3.8 Mchanganyiko : 5.0 Uchanganuzi na uchimbaji wa data : 3.8 Mahususi kwa domeni : 2.9 Akili ya jumla : 5.5 Ufuataji wa maagizo : 6.4 Utatuzi wa mafumbo : 2.9 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0

←

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 3.8 Flashhigh Gemini 3.8 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