AI BENCHY

Ubao wa Viwango wa Benchmark ya AI

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: 2026-06-03 Modeli zilizotathminiwa: 161

161/161

Nafasi	Modeli	Alama	Kampuni	Jumla ya gharama	Muda wa majibu (wastani)
#66#66	Step 3.7 Flashhigh	7.2	Stepfun	$0.960	49.43s
Tazama kadi ya modeli Jumla ya majaribio 20 Majaribio yenye makosa 9 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 63.3% Majaribio yasiyo thabiti 3 Tokeni za ingizo 35,763 Tokeni za matokeo 828,084 Tokeni za hoja 0 Muda wa majibu (wastani) 49.43s Muda wa majibu (jumla) 988.58s Muda wa majibu (upeo) 192.75s Jibu lisilo sahihi: 6 Hakuna jibu: 3 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 3.7 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 4.1 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
#2🥈 #2	Gemini 3.5 Flashhigh	9.6	Google	$0.994	8.30s
Tazama kadi ya modeli Jumla ya majaribio 20 Majaribio yenye makosa 1 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 96.7% Majaribio yasiyo thabiti 1 Tokeni za ingizo 34,591 Tokeni za matokeo 1,969 Tokeni za hoja 102,679 Muda wa majibu (wastani) 8.30s Muda wa majibu (jumla) 165.92s Muda wa majibu (upeo) 34.82s 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 : 7.6 Akili ya jumla : 10.0 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 10.0 Mwito wa zana : 9.8 Maarifa ya jumla : 10.0
#11#11	Claude Opus 4.8medium	8.7	Anthropic	$1.006	9.34s
Tazama kadi ya modeli Jumla ya majaribio 20 Majaribio yenye makosa 4 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 83.3% Majaribio yasiyo thabiti 1 Tokeni za ingizo 57,185 Tokeni za matokeo 23,201 Tokeni za hoja 5,901 Muda wa majibu (wastani) 9.34s Muda wa majibu (jumla) 186.84s Muda wa majibu (upeo) 38.03s Jibu lisilo sahihi: 3 Hakuna jibu: 1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 10.0 Mchanganyiko : 9.8 Uchanganuzi na uchimbaji wa data : 7.1 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
#4#4	Gemini 3.1 Pro Previewmedium	9.3	Google	$1.006	20.77s
Tazama kadi ya modeli Jumla ya majaribio 20 Majaribio yenye makosa 2 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 90.0% Majaribio yasiyo thabiti 0 Tokeni za ingizo 38,614 Tokeni za matokeo 1,971 Tokeni za hoja 75,384 Muda wa majibu (wastani) 20.77s Muda wa majibu (jumla) 269.96s Muda wa majibu (upeo) 88.68s Jibu lisilo sahihi: 2 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 7.0 Mchanganyiko : 9.5 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
#27#27	GPT-5.4medium	7.9	OpenAI	$1.140	22.31s
Tazama kadi ya modeli Jumla ya majaribio 20 Majaribio yenye makosa 7 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 75.0% Majaribio yasiyo thabiti 4 Tokeni za ingizo 31,489 Tokeni za matokeo 2,221 Tokeni za hoja 68,486 Muda wa majibu (wastani) 22.31s Muda wa majibu (jumla) 446.17s Muda wa majibu (upeo) 100.41s Jibu lisilo sahihi: 5 Hakufuata maelekezo: 2 Mbinu za kupinga AI : 8.3 Uandishi wa msimbo : 8.2 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.3 Akili ya jumla : 4.7 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 8.2 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#47#47	Claude Sonnet 4.6medium	7.6	Anthropic	$1.330	15.81s
Tazama kadi ya modeli Jumla ya majaribio 20 Majaribio yenye makosa 7 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 66.7% Majaribio yasiyo thabiti 1 Tokeni za ingizo 45,947 Tokeni za matokeo 49,891 Tokeni za hoja 29,565 Muda wa majibu (wastani) 15.81s Muda wa majibu (jumla) 189.71s Muda wa majibu (upeo) 46.35s Muundo wa ziada: 3 Jibu lisilo sahihi: 3 Muda umeisha: 1 Mbinu za kupinga AI : 6.5 Uandishi wa msimbo : 7.2 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 2.9 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
#64#64	Claude Opus 4.6medium	7.2	Anthropic	$1.896	25.45s
Tazama kadi ya modeli Jumla ya majaribio 20 Majaribio yenye makosa 8 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 63.3% Majaribio yasiyo thabiti 2 Tokeni za ingizo 50,062 Tokeni za matokeo 42,254 Tokeni za hoja 23,554 Muda wa majibu (wastani) 25.45s Muda wa majibu (jumla) 330.91s Muda wa majibu (upeo) 83.40s Muundo wa ziada: 4 Jibu lisilo sahihi: 3 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 6.4 Uandishi wa msimbo : 7.2 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 : 7.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#61#61	Gemini 3.1 Flash Litehigh	7.3	Google	$2.044	61.96s
Tazama kadi ya modeli Jumla ya majaribio 18 Majaribio yenye makosa 8 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 68.5% Majaribio yasiyo thabiti 4 Tokeni za ingizo 29,134 Tokeni za matokeo 1,984 Tokeni za hoja 1,355,583 Muda wa majibu (wastani) 61.96s Muda wa majibu (jumla) 1115.31s Muda wa majibu (upeo) 149.23s Jibu lisilo sahihi: 4 Hakufuata maelekezo: 3 Hakuna jibu: 1 Mbinu za kupinga AI : 8.7 Uandishi wa msimbo : 10.0 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.6 Akili ya jumla : 5.0 Ufuataji wa maagizo : 7.3 Utatuzi wa mafumbo : 5.7 Mwito wa zana : 10.0
#13#13	Gemini 3.1 Flash Lite Previewhigh	8.6	Google	$2.310	68.14s
Tazama kadi ya modeli Jumla ya majaribio 16 Majaribio yenye makosa 3 Uaminifu Haipo Kiwango cha kupita kwa kila jaribio 81.3% Majaribio yasiyo thabiti 0 Tokeni za ingizo 28,980 Tokeni za matokeo 1,283 Tokeni za hoja 1,533,310 Muda wa majibu (wastani) 68.14s Muda wa majibu (jumla) 1090.28s Muda wa majibu (upeo) 280.52s Jibu lisilo sahihi: 2 Hakufuata maelekezo: 1 Mbinu za kupinga AI : 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 : 9.8 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 10.0
#10#10	GPT-5.5medium	8.7	OpenAI	$3.502	37.88s
Tazama kadi ya modeli Jumla ya majaribio 20 Majaribio yenye makosa 4 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 86.7% Majaribio yasiyo thabiti 3 Tokeni za ingizo 31,593 Tokeni za matokeo 1,964 Tokeni za hoja 109,481 Muda wa majibu (wastani) 37.88s Muda wa majibu (jumla) 757.66s Muda wa majibu (upeo) 332.10s Jibu lisilo sahihi: 4 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 8.2 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
#86#86	Grok 4.20 Multi Agent Betamedium	6.6	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 59.3% 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 : 10.0 Mchanganyiko : 3.0 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

Ulinganisho wa haraka

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

Ubao wa Viwango wa Benchmark ya AI

Chuja miundo

Ulinganisho wa haraka