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: 2026-10-17 Modeli zilizotathminiwa: 442

Miundo inayopendekezwa

GPT-6.1 Sol xhigh Yenye akili Kiwango cha kupita kwa kila jaribio 97.1% Majaribio sahihi 22 / 23 Alama 9.9/10 Gemini 3.7 Flash low Haraka Muda wa majibu (wastani) 6.24s Jumla ya tokeni za matokeo 38,453 Alama 9.4/10 GPT-6 Luna high Nafuu Bei ya ingizo $0.100 / 1M Bei ya toleo $0.500 / 1M Bei ya kusoma akiba $0.010 / 1M Bei ya kuandika akiba $0.125 / 1M Alama 7.7/10

442/442

Nafasi	Modeli	Alama	Kampuni	Jumla ya gharama	Muda wa majibu (wastani)
#34#34	Claude Sonnet 5.5max	9.2	Anthropic	$8.557	84.26s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 5 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 82.6% Majaribio yasiyo thabiti 2 Tokeni za ingizo 484,627 Tokeni za matokeo 11,026 Tokeni za hoja 747,681 Muda wa majibu (wastani) 84.26s Muda wa majibu (jumla) 1937.91s Muda wa majibu (upeo) 488.39s Hakuna jibu: 3 Hakufuata maelekezo: 2 Kazi za mawakala : 10.0 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 : 5.1 Ufuataji wa maagizo : 8.5 Utatuzi wa mafumbo : 10.0 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#8#8	GPT-6 Astraxhigh	9.9	OpenAI	$6.213	29.67s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 1 Uaminifu 9.9 Kiwango cha kupita kwa kila jaribio 97.1% Majaribio yasiyo thabiti 1 Tokeni za ingizo 170,731 Tokeni za matokeo 5,865 Tokeni za hoja 84,230 Muda wa majibu (wastani) 29.67s Muda wa majibu (jumla) 682.42s Muda wa majibu (upeo) 381.11s Jibu lisilo sahihi: 1 Kazi za mawakala : 10.0 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 : 10.0 Maarifa ya jumla : 10.0
#391#391	Grok 4.20 Multi Agent Betamedium	3.9	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 46.4% 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 Kazi za mawakala : 0.0 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
#57#57	Claude Fable 5medium	8.9	Anthropic	$5.089	16.84s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 5 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 79.7% Majaribio yasiyo thabiti 1 Tokeni za ingizo 272,411 Tokeni za matokeo 35,497 Tokeni za hoja 11,788 Muda wa majibu (wastani) 16.84s Muda wa majibu (jumla) 387.26s Muda wa majibu (upeo) 80.80s Hakuna jibu: 3 Mwito wa zana si sahihi: 1 Jibu lisilo sahihi: 1 Kazi za mawakala : 10.0 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 10.0 Mchanganyiko : 6.5 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 : 7.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#5#5	GPT-6 Astramax	9.9	OpenAI	$5.044	61.63s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 1 Uaminifu 9.6 Kiwango cha kupita kwa kila jaribio 95.7% Majaribio yasiyo thabiti 0 Tokeni za ingizo 181,223 Tokeni za matokeo 5,707 Tokeni za hoja 58,909 Muda wa majibu (wastani) 61.63s Muda wa majibu (jumla) 1417.51s Muda wa majibu (upeo) 960.01s Muda umeisha: 1 Kazi za mawakala : 10.0 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 10.0 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 7.7 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
#33#33	GPT-5.5medium	9.2	OpenAI	$4.809	39.86s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 4 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 88.4% Majaribio yasiyo thabiti 3 Tokeni za ingizo 180,959 Tokeni za matokeo 6,472 Tokeni za hoja 123,635 Muda wa majibu (wastani) 39.86s Muda wa majibu (jumla) 916.82s Muda wa majibu (upeo) 332.10s Jibu lisilo sahihi: 4 Kazi za mawakala : 10.0 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
#122#122	Muse Wondermax	7.9	Meta	$4.766	44.39s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 7 Uaminifu 9.0 Kiwango cha kupita kwa kila jaribio 75.4% Majaribio yasiyo thabiti 3 Tokeni za ingizo 93,126 Tokeni za matokeo 10,497 Tokeni za hoja 209,138 Muda wa majibu (wastani) 44.39s Muda wa majibu (jumla) 1021.02s Muda wa majibu (upeo) 287.79s Hitilafu ya API: 4 Jibu lisilo sahihi: 2 Hakufuata maelekezo: 1 Kazi za mawakala : 3.0 Mbinu za kupinga AI : 10.0 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 : 7.5 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 10.0 Maarifa ya jumla : 2.8
#89#89	GLM 5.2high	8.4	Z.ai	$4.632 ↑	69.11s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 8 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 71.0% Majaribio yasiyo thabiti 3 Tokeni za ingizo 288,913 Tokeni za matokeo 79,462 Tokeni za hoja 303,120 Muda wa majibu (wastani) 69.11s Muda wa majibu (jumla) 1589.43s Muda wa majibu (upeo) 599.43s Jibu lisilo sahihi: 5 Hakuna jibu: 2 Hakufuata maelekezo: 1 Kazi za mawakala : 10.0 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
#27#27	Claude Opus 5high	9.4	Anthropic	$4.524	25.31s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 4 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 82.6% Majaribio yasiyo thabiti 0 Tokeni za ingizo 376,421 Tokeni za matokeo 67,688 Tokeni za hoja 37,974 Muda wa majibu (wastani) 25.31s Muda wa majibu (jumla) 582.11s Muda wa majibu (upeo) 159.01s Jibu lisilo sahihi: 2 Muundo wa ziada: 1 Hakuna jibu: 1 Kazi za mawakala : 10.0 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
#185#185	Step 5 Previewhigh	7.0	Stepfun	$4.513	154.41s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 13 Uaminifu 9.5 Kiwango cha kupita kwa kila jaribio 52.2% Majaribio yasiyo thabiti 4 Tokeni za ingizo 243,381 Tokeni za matokeo 1,581,325 Tokeni za hoja 0 Muda wa majibu (wastani) 154.41s Muda wa majibu (jumla) 3551.40s Muda wa majibu (upeo) 455.72s Hakuna jibu: 7 Jibu lisilo sahihi: 3 Hitilafu ya API: 2 Hakufuata maelekezo: 1 Kazi za mawakala : 10.0 Mbinu za kupinga AI : 6.5 Uandishi wa msimbo : 2.9 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.0 Akili ya jumla : 3.4 Ufuataji wa maagizo : 7.3 Utatuzi wa mafumbo : 5.8 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#7#7	GPT-6 Astrahigh	9.9	OpenAI	$4.458	20.16s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 1 Uaminifu 9.9 Kiwango cha kupita kwa kila jaribio 97.1% Majaribio yasiyo thabiti 1 Tokeni za ingizo 167,805 Tokeni za matokeo 5,651 Tokeni za hoja 49,944 Muda wa majibu (wastani) 20.16s Muda wa majibu (jumla) 463.68s Muda wa majibu (upeo) 254.93s Jibu lisilo sahihi: 1 Kazi za mawakala : 10.0 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 : 10.0 Maarifa ya jumla : 10.0
#271#271	Step 5 Previewmedium	6.1	Stepfun	$4.136	136.10s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 13 Uaminifu 9.6 Kiwango cha kupita kwa kila jaribio 53.6% Majaribio yasiyo thabiti 5 Tokeni za ingizo 261,842 Tokeni za matokeo 1,434,621 Tokeni za hoja 0 Muda wa majibu (wastani) 136.10s Muda wa majibu (jumla) 3130.27s Muda wa majibu (upeo) 438.09s Hakuna jibu: 6 Jibu lisilo sahihi: 3 Hakufuata maelekezo: 2 Hitilafu ya API: 1 Mwito wa zana si sahihi: 1 Kazi za mawakala : 6.1 Mbinu za kupinga AI : 6.4 Uandishi wa msimbo : 2.8 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 : 7.8 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#302#302	Step 5 Previewlow	5.6	Stepfun	$4.110	138.27s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 13 Uaminifu 9.7 Kiwango cha kupita kwa kila jaribio 58.0% Majaribio yasiyo thabiti 7 Tokeni za ingizo 261,256 Tokeni za matokeo 1,425,268 Tokeni za hoja 0 Muda wa majibu (wastani) 138.27s Muda wa majibu (jumla) 3180.10s Muda wa majibu (upeo) 436.56s Hakuna jibu: 7 Hitilafu ya API: 2 Jibu lisilo sahihi: 2 Hakufuata maelekezo: 1 Mwito wa zana si sahihi: 1 Kazi za mawakala : 3.4 Mbinu za kupinga AI : 6.9 Uandishi wa msimbo : 2.7 Mchanganyiko : 7.3 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.6 Akili ya jumla : 3.5 Ufuataji wa maagizo : 10.0 Utatuzi wa mafumbo : 7.6 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#82#82	Qwen3.8 2.4T A95Blow	8.4	Qwen	$4.016 ↑	120.40s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 7 Uaminifu 9.6 Kiwango cha kupita kwa kila jaribio 73.9% Majaribio yasiyo thabiti 2 Tokeni za ingizo 313,881 Tokeni za matokeo 123,706 Tokeni za hoja 388,328 Muda wa majibu (wastani) 120.40s Muda wa majibu (jumla) 2769.16s Muda wa majibu (upeo) 534.21s Jibu lisilo sahihi: 5 Mwito wa zana si sahihi: 1 Hakuna jibu: 1 Kazi za mawakala : 10.0 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 7.8 Mchanganyiko : 8.2 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.2 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
#139#139	Muse Wonderxhigh	7.7	Meta	$4.012	34.40s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 9 Uaminifu 9.1 Kiwango cha kupita kwa kila jaribio 65.2% Majaribio yasiyo thabiti 2 Tokeni za ingizo 93,060 Tokeni za matokeo 10,305 Tokeni za hoja 171,683 Muda wa majibu (wastani) 34.40s Muda wa majibu (jumla) 791.16s Muda wa majibu (upeo) 236.64s Hitilafu ya API: 6 Jibu lisilo sahihi: 3 Kazi za mawakala : 3.0 Mbinu za kupinga AI : 8.3 Uandishi wa msimbo : 10.0 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.6 Akili ya jumla : 10.0 Ufuataji wa maagizo : 6.5 Utatuzi wa mafumbo : 5.3 Mwito wa zana : 10.0 Maarifa ya jumla : 2.8
#169#169	Claude Opus 4.8low	7.2	Anthropic	$3.787	17.13s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 7 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 78.3% Majaribio yasiyo thabiti 4 Tokeni za ingizo 409,947 Tokeni za matokeo 46,060 Tokeni za hoja 23,429 Muda wa majibu (wastani) 17.13s Muda wa majibu (jumla) 394.01s Muda wa majibu (upeo) 127.97s Jibu lisilo sahihi: 5 Muundo wa ziada: 1 Hakuna jibu: 1 Kazi za mawakala : 4.7 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 6.6 Mchanganyiko : 9.9 Uchanganuzi na uchimbaji wa data : 6.3 Mahususi kwa domeni : 5.3 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
#105#105	Claude Opus 4.7medium	8.1	Anthropic	$3.636	14.12s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 5 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 81.2% Majaribio yasiyo thabiti 2 Tokeni za ingizo 437,293 Tokeni za matokeo 29,102 Tokeni za hoja 28,876 Muda wa majibu (wastani) 14.12s Muda wa majibu (jumla) 310.55s Muda wa majibu (upeo) 150.60s Jibu lisilo sahihi: 3 Mwito wa zana si sahihi: 1 Muda umeisha: 1 Kazi za mawakala : 5.2 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
#95#95	Claude Opus 4.8medium	8.3	Anthropic	$3.490	16.72s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 6 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 82.6% Majaribio yasiyo thabiti 3 Tokeni za ingizo 360,294 Tokeni za matokeo 43,441 Tokeni za hoja 24,401 Muda wa majibu (wastani) 16.72s Muda wa majibu (jumla) 384.66s Muda wa majibu (upeo) 99.37s Jibu lisilo sahihi: 5 Hakuna jibu: 1 Kazi za mawakala : 6.1 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 10.0 Mchanganyiko : 9.9 Uchanganuzi na uchimbaji wa data : 7.1 Mahususi kwa domeni : 3.6 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
#116#116	Claude Fable 5.1high	7.9	Anthropic	$3.471	13.30s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 4 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 85.5% Majaribio yasiyo thabiti 1 Tokeni za ingizo 144,676 Tokeni za matokeo 8,184 Tokeni za hoja 32,282 Muda wa majibu (wastani) 13.30s Muda wa majibu (jumla) 305.83s Muda wa majibu (upeo) 40.17s Jibu lisilo sahihi: 3 Hitilafu ya API: 1 Kazi za mawakala : 3.0 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
#131#131	Muse Wonderhigh	7.7	Meta	$3.426	22.96s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 8 Uaminifu 9.3 Kiwango cha kupita kwa kila jaribio 66.7% Majaribio yasiyo thabiti 1 Tokeni za ingizo 94,153 Tokeni za matokeo 9,606 Tokeni za hoja 142,834 Muda wa majibu (wastani) 22.96s Muda wa majibu (jumla) 528.08s Muda wa majibu (upeo) 143.21s Hitilafu ya API: 6 Jibu lisilo sahihi: 2 Kazi za mawakala : 3.0 Mbinu za kupinga AI : 8.3 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 : 6.5 Utatuzi wa mafumbo : 5.3 Mwito wa zana : 9.8 Maarifa ya jumla : 2.8
#93#93	Kimi K3max	8.3	Moonshot AI	$3.409 ↓	139.41s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 6 Uaminifu 9.3 Kiwango cha kupita kwa kila jaribio 78.3% Majaribio yasiyo thabiti 2 Tokeni za ingizo 170,700 Tokeni za matokeo 7,719 Tokeni za hoja 225,608 Muda wa majibu (wastani) 139.41s Muda wa majibu (jumla) 2788.26s Muda wa majibu (upeo) 766.58s Hitilafu ya API: 2 Hakuna jibu: 2 Muundo wa ziada: 1 Muda umeisha: 1 Kazi za mawakala : 10.0 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
#203#203	Grok 4.7xhigh	6.7	X AI	$3.398	123.96s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 9 Uaminifu 9.7 Kiwango cha kupita kwa kila jaribio 73.9% Majaribio yasiyo thabiti 6 Tokeni za ingizo 310,049 Tokeni za matokeo 6,094 Tokeni za hoja 566,221 Muda wa majibu (wastani) 123.96s Muda wa majibu (jumla) 2851.07s Muda wa majibu (upeo) 775.64s Hakuna jibu: 4 Jibu lisilo sahihi: 3 Hitilafu ya API: 1 Mwito wa zana si sahihi: 1 Kazi za mawakala : 3.0 Mbinu za kupinga AI : 8.7 Uandishi wa msimbo : 5.3 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 3.5 Akili ya jumla : 4.7 Ufuataji wa maagizo : 9.8 Utatuzi wa mafumbo : 10.0 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#32#32	Muse Wondermedium	9.2	Meta	$3.397	21.58s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 6 Uaminifu 9.1 Kiwango cha kupita kwa kila jaribio 76.8% Majaribio yasiyo thabiti 1 Tokeni za ingizo 241,489 Tokeni za matokeo 11,575 Tokeni za hoja 109,971 Muda wa majibu (wastani) 21.58s Muda wa majibu (jumla) 496.40s Muda wa majibu (upeo) 162.73s Hitilafu ya API: 4 Jibu lisilo sahihi: 2 Kazi za mawakala : 10.0 Mbinu za kupinga AI : 8.3 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 : 6.6 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 10.0 Maarifa ya jumla : 4.7
#264#264	Claude Fable 5.1low	6.2	Anthropic	$3.395	11.40s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 12 Uaminifu 10.0 Kiwango cha kupita kwa kila jaribio 55.1% Majaribio yasiyo thabiti 3 Tokeni za ingizo 209,116 Tokeni za matokeo 10,031 Tokeni za hoja 16,042 Muda wa majibu (wastani) 11.40s Muda wa majibu (jumla) 262.14s Muda wa majibu (upeo) 34.77s Muundo wa ziada: 4 Jibu lisilo sahihi: 4 Hakufuata maelekezo: 3 Hitilafu ya API: 1 Kazi za mawakala : 2.8 Mbinu za kupinga AI : 6.5 Uandishi wa msimbo : 3.4 Mchanganyiko : 10.0 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 4.1 Akili ya jumla : 10.0 Ufuataji wa maagizo : 6.5 Utatuzi wa mafumbo : 7.7 Mwito wa zana : 10.0 Maarifa ya jumla : 3.0
#36#36	Qwen3.8 Max (0902)high	9.1	Qwen	$3.306	186.06s
Tazama kadi ya modeli Jumla ya majaribio 23 Majaribio yenye makosa 5 Uaminifu 9.8 Kiwango cha kupita kwa kila jaribio 87.0% Majaribio yasiyo thabiti 3 Tokeni za ingizo 328,637 Tokeni za matokeo 8,619 Tokeni za hoja 432,733 Muda wa majibu (wastani) 186.06s Muda wa majibu (jumla) 4279.49s Muda wa majibu (upeo) 912.78s Jibu lisilo sahihi: 2 Hakufuata maelekezo: 1 Mwito wa zana si sahihi: 1 Muda umeisha: 1 Kazi za mawakala : 10.0 Mbinu za kupinga AI : 10.0 Uandishi wa msimbo : 10.0 Mchanganyiko : 8.7 Uchanganuzi na uchimbaji wa data : 10.0 Mahususi kwa domeni : 5.9 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

1 2 18

→

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 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow