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)
#76#76	Qwen3.8 27Bmedium	7.8	Qwen	~$0.058	33.05s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 8 Uaminifu 9.6 Kiwango cha kupita kwa kila jaribio 66.7% Majaribio yasiyo thabiti 1 Tokeni za ingizo 98,266 Tokeni za matokeo 1,861 Tokeni za hoja 134,301 Muda wa majibu (wastani) 33.05s Muda wa majibu (jumla) 694.04s Muda wa majibu (upeo) 214.63s Jibu lisilo sahihi: 3 Hakufuata maelekezo: 2 Hitilafu ya API: 1 Mwito wa zana si sahihi: 1 Hakuna jibu: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 10.0 Mchanganyiko : 8.7 Uchanganuzi na uchimbaji wa data : 6.5 Mahususi kwa domeni : 5.3 Akili ya jumla : 5.0 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 8.3 Mwito wa zana : 3.0 Maarifa ya jumla : 3.0
#158#158	Qwen3.5-27Bnone	6.6	Qwen	$0.058 ↓	4.77s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 13 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 45.5% Majaribio yasiyo thabiti 2 Tokeni za ingizo 102,325 Tokeni za matokeo 24,323 Tokeni za hoja 0 Muda wa majibu (wastani) 4.77s Muda wa majibu (jumla) 105.00s Muda wa majibu (upeo) 69.46s Jibu lisilo sahihi: 11 Hakufuata maelekezo: 2 Mbinu za kupinga AI : 4.8 Uandishi wa msimbo : 5.8 Mchanganyiko : 6.4 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 Akili ya jumla : 5.0 Ufuataji wa maagizo : 6.3 Utatuzi wa mafumbo : 6.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#35#35	GLM 5.3 Flashmax	8.7	Z.ai	$0.059	52.10s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 6 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 81.8% Majaribio yasiyo thabiti 3 Tokeni za ingizo 96,873 Tokeni za matokeo 7,637 Tokeni za hoja 196,703 Muda wa majibu (wastani) 52.10s Muda wa majibu (jumla) 1146.24s Muda wa majibu (upeo) 333.47s Jibu lisilo sahihi: 2 Muundo wa ziada: 1 Hakufuata maelekezo: 1 Mwito wa zana si sahihi: 1 Hakuna jibu: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 10.0 Mchanganyiko : 7.3 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.6 Akili ya jumla : 10.0 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 8.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#190#190	Qwen3.6 Flashnone	6.1	Qwen	$0.062 ↓	3.73s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 15 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 34.9% Majaribio yasiyo thabiti 1 Tokeni za ingizo 139,797 Tokeni za matokeo 30,947 Tokeni za hoja 0 Muda wa majibu (wastani) 3.73s Muda wa majibu (jumla) 81.95s Muda wa majibu (upeo) 48.79s Jibu lisilo sahihi: 12 Mwito wa zana si sahihi: 2 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 3.1 Uandishi wa msimbo : 5.4 Mchanganyiko : 3.8 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 Akili ya jumla : 10.0 Ufuataji wa maagizo : 6.3 Utatuzi wa mafumbo : 3.5 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#304#304	Qwen3.5-9Bmedium	3.8	Qwen	$0.062 ↑	107.51s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 19 Uaminifu 6.0 Kiwango cha kupita kwa kila jaribio 25.8% Majaribio yasiyo thabiti 5 Tokeni za ingizo 17,195 Tokeni za matokeo 46,735 Tokeni za hoja 366,707 Muda wa majibu (wastani) 107.51s Muda wa majibu (jumla) 1720.15s Muda wa majibu (upeo) 569.97s Muda umeisha: 11 Hakuna jibu: 3 Jibu lisilo sahihi: 2 Hitilafu ya API: 1 Muundo wa ziada: 1 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 5.1 Uandishi wa msimbo : 2.9 Mchanganyiko : 3.0 Uchanganuzi na uchimbaji wa data : 3.6 Mahususi kwa domeni : 3.6 Akili ya jumla : 2.8 Ufuataji wa maagizo : 6.5 Utatuzi wa mafumbo : 3.0 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#137#137	Qwen3.7 Flashmedium	6.9	Qwen	$0.065	47.38s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 12 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 63.6% Majaribio yasiyo thabiti 7 Tokeni za ingizo 114,477 Tokeni za matokeo 12,786 Tokeni za hoja 457,290 Muda wa majibu (wastani) 47.38s Muda wa majibu (jumla) 1042.43s Muda wa majibu (upeo) 593.64s Jibu lisilo sahihi: 8 Hakufuata maelekezo: 3 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 6.2 Mchanganyiko : 6.4 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 2.9 Akili ya jumla : 5.5 Ufuataji wa maagizo : 5.8 Utatuzi wa mafumbo : 7.1 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#178#178	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.066	4.37s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 14 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 40.9% Majaribio yasiyo thabiti 3 Tokeni za ingizo 142,206 Tokeni za matokeo 14,744 Tokeni za hoja 0 Muda wa majibu (wastani) 4.37s Muda wa majibu (jumla) 96.20s Muda wa majibu (upeo) 44.58s Jibu lisilo sahihi: 13 Hakuna jibu: 1 Mbinu za kupinga AI : 3.0 Uandishi wa msimbo : 5.6 Mchanganyiko : 3.0 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 : 5.3 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#114#114	DeepSeek V4 Flash 0731medium	7.3	DeepSeek	$0.066 ↓	84.66s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 11 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 71.2% Majaribio yasiyo thabiti 8 Tokeni za ingizo 89,819 Tokeni za matokeo 58,398 Tokeni za hoja 492,457 Muda wa majibu (wastani) 84.66s Muda wa majibu (jumla) 1862.46s Muda wa majibu (upeo) 288.78s Jibu lisilo sahihi: 5 Hakuna jibu: 3 Muundo wa ziada: 1 Mwito wa zana si sahihi: 1 Muda umeisha: 1 Mbinu za kupinga AI : 8.2 Uandishi wa msimbo : 6.4 Mchanganyiko : 7.3 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 2.9 Akili ya jumla : 6.1 Ufuataji wa maagizo : 8.5 Utatuzi wa mafumbo : 8.2 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#166#166	Laguna XS 2.1medium	6.5	Poolside	$0.068	48.18s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 13 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 45.5% Majaribio yasiyo thabiti 2 Tokeni za ingizo 118,998 Tokeni za matokeo 30,750 Tokeni za hoja 491,730 Muda wa majibu (wastani) 48.18s Muda wa majibu (jumla) 1059.93s Muda wa majibu (upeo) 422.72s Jibu lisilo sahihi: 10 Hakuna jibu: 2 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 4.8 Uandishi wa msimbo : 5.5 Mchanganyiko : 6.3 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.5 Akili ya jumla : 5.0 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 5.3 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#237#237	MiMo-V2.5-Pronone	5.4	Xiaomi	$0.068 ↓	4.24s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 17 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 33.3% Majaribio yasiyo thabiti 4 Tokeni za ingizo 124,808 Tokeni za matokeo 15,362 Tokeni za hoja 0 Muda wa majibu (wastani) 4.24s Muda wa majibu (jumla) 93.28s Muda wa majibu (upeo) 53.13s Jibu lisilo sahihi: 12 Hakufuata maelekezo: 4 Hakuna jibu: 1 Mbinu za kupinga AI : 3.3 Uandishi wa msimbo : 4.3 Mchanganyiko : 3.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.0 Akili ya jumla : 4.0 Ufuataji wa maagizo : 6.4 Utatuzi wa mafumbo : 6.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#278#278	Grok 4.1 Fastmedium	4.7	X AI	$0.069 ↑	23.85s
Tazama kadi ya modeli Jumla ya majaribio 19 Majaribio yenye makosa 10 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 53.0% Majaribio yasiyo thabiti 6 Tokeni za ingizo 42,845 Tokeni za matokeo 2,006 Tokeni za hoja 96,334 Muda wa majibu (wastani) 23.85s Muda wa majibu (jumla) 286.16s Muda wa majibu (upeo) 121.79s Hakufuata maelekezo: 4 Jibu lisilo sahihi: 4 Hakuna jibu: 1 Muda umeisha: 1 Mbinu za kupinga AI : 8.7 Uandishi wa msimbo : 7.8 Mchanganyiko : 5.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.8 Akili ya jumla : 4.2 Ufuataji wa maagizo : 6.5 Utatuzi wa mafumbo : 5.3 Mwito wa zana : 2.8 Maarifa ya jumla : 3.0
#274#274	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.070	12.46s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 17 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 36.4% Majaribio yasiyo thabiti 7 Tokeni za ingizo 69,376 Tokeni za matokeo 97,752 Tokeni za hoja 0 Muda wa majibu (wastani) 12.46s Muda wa majibu (jumla) 274.11s Muda wa majibu (upeo) 121.05s Jibu lisilo sahihi: 13 Muundo wa ziada: 3 Hitilafu ya API: 1 Mbinu za kupinga AI : 5.3 Uandishi wa msimbo : 3.3 Mchanganyiko : 3.8 Uchanganuzi na uchimbaji wa data : 6.3 Mahususi kwa domeni : 3.0 Akili ya jumla : 5.0 Ufuataji wa maagizo : 9.9 Utatuzi wa mafumbo : 2.9 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#69#69	Qwen3.8 27Blow	7.9	Qwen	~$0.071	39.11s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 7 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 68.2% Majaribio yasiyo thabiti 0 Tokeni za ingizo 99,705 Tokeni za matokeo 1,545 Tokeni za hoja 167,784 Muda wa majibu (wastani) 39.11s Muda wa majibu (jumla) 860.51s Muda wa majibu (upeo) 376.04s Jibu lisilo sahihi: 4 Hakuna jibu: 2 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 7.7 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 Akili ya jumla : 5.0 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 3.0 Maarifa ya jumla : 3.0
#103#103	GPT-5.6 Lunamedium	7.4	OpenAI	$0.072 ↓	7.43s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 9 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 62.1% Majaribio yasiyo thabiti 2 Tokeni za ingizo 89,685 Tokeni za matokeo 5,701 Tokeni za hoja 38,824 Muda wa majibu (wastani) 7.43s Muda wa majibu (jumla) 163.54s Muda wa majibu (upeo) 29.85s Jibu lisilo sahihi: 9 Mbinu za kupinga AI : 8.3 Uandishi wa msimbo : 5.4 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 2.9 Akili ya jumla : 5.1 Ufuataji wa maagizo : 9.9 Utatuzi wa mafumbo : 7.8 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#164#164	Qwen3.5 Plus 2026-02-15none	6.6	Qwen	$0.073 ↓	9.86s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 11 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 53.0% Majaribio yasiyo thabiti 2 Tokeni za ingizo 102,655 Tokeni za matokeo 29,370 Tokeni za hoja 0 Muda wa majibu (wastani) 9.86s Muda wa majibu (jumla) 157.77s Muda wa majibu (upeo) 123.00s Jibu lisilo sahihi: 11 Mbinu za kupinga AI : 4.8 Uandishi wa msimbo : 4.3 Mchanganyiko : 6.5 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 7.7 Akili ya jumla : 4.4 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#200#200	Qwen3.5-Flashnone	6.0	Qwen	$0.073 ↓	25.28s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 15 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 34.9% Majaribio yasiyo thabiti 2 Tokeni za ingizo 282,356 Tokeni za matokeo 209,201 Tokeni za hoja 0 Muda wa majibu (wastani) 25.28s Muda wa majibu (jumla) 556.14s Muda wa majibu (upeo) 480.96s Jibu lisilo sahihi: 14 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 3.5 Uandishi wa msimbo : 5.5 Mchanganyiko : 2.9 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 Akili ya jumla : 10.0 Ufuataji wa maagizo : 6.3 Utatuzi wa mafumbo : 3.1 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#220#220	KAT-Coder-Air V2.5high	5.6	Kwaipilot	$0.077	15.87s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 15 Uaminifu 9.8 Kiwango cha kupita kwa kila jaribio 42.4% Majaribio yasiyo thabiti 5 Tokeni za ingizo 50,423 Tokeni za matokeo 4,144 Tokeni za hoja 110,510 Muda wa majibu (wastani) 15.87s Muda wa majibu (jumla) 349.16s Muda wa majibu (upeo) 118.35s Jibu lisilo sahihi: 9 Hitilafu ya API: 3 Muundo wa ziada: 3 Mbinu za kupinga AI : 6.9 Uandishi wa msimbo : 4.3 Mchanganyiko : 6.5 Uchanganuzi na uchimbaji wa data : 6.5 Mahususi kwa domeni : 3.0 Akili ya jumla : 5.1 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 3.5 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#128#128	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
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 7 Tokeni za ingizo 101,056 Tokeni za matokeo 11,832 Tokeni za hoja 116,955 Muda wa majibu (wastani) 68.43s Muda wa majibu (jumla) 1505.53s Muda wa majibu (upeo) 376.10s Jibu lisilo sahihi: 5 Hitilafu ya API: 2 Muda umeisha: 2 Hakufuata maelekezo: 1 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 8.2 Uandishi wa msimbo : 6.0 Mchanganyiko : 7.3 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 : 7.0 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#261#261	Laguna S 2.1low	5.0	Poolside	$0.082 ↓	85.34s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 19 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 22.7% Majaribio yasiyo thabiti 5 Tokeni za ingizo 118,752 Tokeni za matokeo 67,823 Tokeni za hoja 383,885 Muda wa majibu (wastani) 85.34s Muda wa majibu (jumla) 1877.49s Muda wa majibu (upeo) 814.73s Jibu lisilo sahihi: 15 Hitilafu ya API: 1 Muundo wa ziada: 1 Hakufuata maelekezo: 1 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 3.4 Uandishi wa msimbo : 3.8 Mchanganyiko : 3.2 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.0 Akili ya jumla : 4.8 Ufuataji wa maagizo : 4.3 Utatuzi wa mafumbo : 3.1 Mwito wa zana : 10.0 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
#193#193	Nemotron 3 Ultranone	6.1	NVIDIA	$0.084 ↕	3.88s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 14 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 42.4% Majaribio yasiyo thabiti 2 Tokeni za ingizo 101,168 Tokeni za matokeo 9,470 Tokeni za hoja 0 Muda wa majibu (wastani) 3.88s Muda wa majibu (jumla) 85.33s Muda wa majibu (upeo) 37.50s Jibu lisilo sahihi: 11 Hitilafu ya API: 2 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 3.5 Uandishi wa msimbo : 5.5 Mchanganyiko : 3.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 Akili ya jumla : 5.0 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 5.9 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#62#62	DeepSeek V4 Flash 0731high	8.0	DeepSeek	$0.084 ↓	114.94s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 8 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 75.8% Majaribio yasiyo thabiti 5 Tokeni za ingizo 96,702 Tokeni za matokeo 16,966 Tokeni za hoja 496,341 Muda wa majibu (wastani) 114.94s Muda wa majibu (jumla) 2528.65s Muda wa majibu (upeo) 600.61s Jibu lisilo sahihi: 4 Hakufuata maelekezo: 2 Hitilafu ya API: 1 Hakuna jibu: 1 Mbinu za kupinga AI : 8.7 Uandishi wa msimbo : 6.3 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.5 Akili ya jumla : 10.0 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 8.2 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#148#148	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.82s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 9 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 65.2% Majaribio yasiyo thabiti 3 Tokeni za ingizo 104,217 Tokeni za matokeo 10,710 Tokeni za hoja 0 Muda wa majibu (wastani) 2.82s Muda wa majibu (jumla) 45.05s Muda wa majibu (upeo) 21.19s Jibu lisilo sahihi: 8 Hakuna jibu: 1 Mbinu za kupinga AI : 8.3 Uandishi wa msimbo : 5.5 Mchanganyiko : 3.8 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 7.7 Akili ya jumla : 10.0 Ufuataji wa maagizo : 6.4 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#286#286	Grok 4.20 Betanone	4.4	X AI	$0.087 ↓	1.19s
Tazama kadi ya modeli Jumla ya majaribio 18 Majaribio yenye makosa 12 Uaminifu Haipo Kiwango cha kupita kwa kila jaribio 30.3% Majaribio yasiyo thabiti 1 Tokeni za ingizo 40,597 Tokeni za matokeo 1,657 Tokeni za hoja 0 Muda wa majibu (wastani) 1.19s Muda wa majibu (jumla) 21.43s Muda wa majibu (upeo) 6.48s Jibu lisilo sahihi: 10 Hakufuata maelekezo: 1 Mwito wa zana si sahihi: 1 Mbinu za kupinga AI : 4.0 Uandishi wa msimbo : 1.8 Mchanganyiko : 1.5 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.0 Akili ya jumla : 5.0 Ufuataji wa maagizo : 6.3 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 10.0 Maarifa ya jumla : 0.0
#208#208	Seed 2.1 Turbonone	5.9	Bytedance Seed	$0.092	6.84s
Tazama kadi ya modeli Jumla ya majaribio 22 Majaribio yenye makosa 12 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 54.6% Majaribio yasiyo thabiti 3 Tokeni za ingizo 129,150 Tokeni za matokeo 10,643 Tokeni za hoja 0 Muda wa majibu (wastani) 6.84s Muda wa majibu (jumla) 150.46s Muda wa majibu (upeo) 55.92s Jibu lisilo sahihi: 11 Hakuna jibu: 1 Mbinu za kupinga AI : 4.8 Uandishi wa msimbo : 4.5 Mchanganyiko : 3.8 Uchanganuzi na uchimbaji wa data : 7.1 Mahususi kwa domeni : 7.7 Akili ya jumla : 5.0 Ufuataji wa maagizo : 9.8 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 3.8 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