AI Benchy لیڈر بورڈ

Name: AI BENCHY ماڈل بینچ مارک نتائج
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

بینچ مارکس AI BENCHY ٹیسٹ سوئٹس سے اس وقت تیار کیے گئے: 2026-10-01 جانچے گئے ماڈلز: 382

تجویز کردہ ماڈلز

GPT-6.1 Sol xhigh ذہین فی کوشش کامیابی کی شرح 97.1% درست ٹیسٹس 22 / 23 اسکور 9.9/10 Gemini 3.7 Flash low تیز ردِعمل کا وقت (اوسط) 6.24s کل آؤٹ پٹ ٹوکنز 38,453 اسکور 9.4/10 GPT-6 Luna high کم قیمت ان پٹ قیمت $0.100 / 1M آؤٹ پٹ قیمت $0.500 / 1M کیش پڑھنے کی قیمت $0.010 / 1M کیش میں لکھنے کی قیمت $0.125 / 1M اسکور 7.7/10

382/382

درجہ	ماڈل	اسکور	کمپنی	کل لاگت	ردِعمل کا وقت (اوسط)
#82#82	Grok 4.5high	8.2	X AI	$2.687 ↑	72.50s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 6 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 82.6% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 342,124 آؤٹ پٹ ٹوکنز 7,135 ریزننگ ٹوکنز 326,497 ردِعمل کا وقت (اوسط) 72.50s ردِعمل کا وقت (کل) 1667.51s ردِعمل کا وقت (زیادہ سے زیادہ) 676.83s غلط جواب: 3 کوئی جواب نہیں: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 4.1 عمومی ذہانت : 4.7 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#81#81	Qwen3.7 Plusmedium	8.3	Qwen	$0.415 ↓	59.73s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 76.8% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 350,546 آؤٹ پٹ ٹوکنز 8,576 ریزننگ ٹوکنز 206,984 ردِعمل کا وقت (اوسط) 59.73s ردِعمل کا وقت (کل) 1373.73s ردِعمل کا وقت (زیادہ سے زیادہ) 315.30s غلط جواب: 6 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 6.1 مشترکہ : 8.2 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.6 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#79#79	GPT-6 Lunamedium	8.3	OpenAI	$0.047	18.07s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 73.9% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 203,193 آؤٹ پٹ ٹوکنز 5,751 ریزننگ ٹوکنز 47,410 ردِعمل کا وقت (اوسط) 18.07s ردِعمل کا وقت (کل) 415.53s ردِعمل کا وقت (زیادہ سے زیادہ) 66.44s غلط جواب: 7 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 6.6 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.9 عمومی ذہانت : 4.4 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#80#80	Claude Opus 4.8medium	8.3	Anthropic	$3.490	16.72s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 6 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 82.6% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 360,294 آؤٹ پٹ ٹوکنز 43,441 ریزننگ ٹوکنز 24,401 ردِعمل کا وقت (اوسط) 16.72s ردِعمل کا وقت (کل) 384.66s ردِعمل کا وقت (زیادہ سے زیادہ) 99.37s غلط جواب: 5 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 9.9 ڈیٹا پارسنگ اور استخراج : 7.1 ڈومین مخصوص : 3.6 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#78#78	Kimi K3max	8.3	Moonshot AI	$2.447 ↓	139.41s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 6 اعتماد پذیری 9.3 فی کوشش کامیابی کی شرح 78.3% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 170,700 آؤٹ پٹ ٹوکنز 7,719 ریزننگ ٹوکنز 225,608 ردِعمل کا وقت (اوسط) 139.41s ردِعمل کا وقت (کل) 2788.26s ردِعمل کا وقت (زیادہ سے زیادہ) 766.58s API خرابی: 2 کوئی جواب نہیں: 2 اضافی فارمیٹنگ: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#77#77	Gemini 3.5 Flashhigh	8.3	Google	$2.737	18.59s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 4 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 85.5% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 348,103 آؤٹ پٹ ٹوکنز 11,045 ریزننگ ٹوکنز 234,967 ردِعمل کا وقت (اوسط) 18.59s ردِعمل کا وقت (کل) 427.52s ردِعمل کا وقت (زیادہ سے زیادہ) 145.92s غیر معتبر ٹول کال: 2 غلط جواب: 2 خودمختار ایجنٹ کے کام : 3.4 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 8.2 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 9.8 معلومات عامہ : 10.0
#76#76	GPT-5.6 Terrahigh	8.3	OpenAI	$0.698 ↓	13.62s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 69.6% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 197,239 آؤٹ پٹ ٹوکنز 6,083 ریزننگ ٹوکنز 53,982 ردِعمل کا وقت (اوسط) 13.62s ردِعمل کا وقت (کل) 313.21s ردِعمل کا وقت (زیادہ سے زیادہ) 91.49s غلط جواب: 7 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 7.6 مشترکہ : 8.7 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.1 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#75#75	GLM 5.2high	8.4	Z.ai	$1.644 ↑	69.11s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 71.0% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 288,913 آؤٹ پٹ ٹوکنز 79,462 ریزننگ ٹوکنز 303,120 ردِعمل کا وقت (اوسط) 69.11s ردِعمل کا وقت (کل) 1589.43s ردِعمل کا وقت (زیادہ سے زیادہ) 599.43s غلط جواب: 5 کوئی جواب نہیں: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 6.4 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.1 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 6.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#74#74	DeepSeek V4 Flash 0731high	8.4	DeepSeek	$0.578 ↑	118.83s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 76.8% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 281,863 آؤٹ پٹ ٹوکنز 24,535 ریزننگ ٹوکنز 507,976 ردِعمل کا وقت (اوسط) 118.83s ردِعمل کا وقت (کل) 2733.01s ردِعمل کا وقت (زیادہ سے زیادہ) 600.61s غلط جواب: 5 ہدایات پر عمل نہیں کیا: 2 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.7 کوڈنگ : 6.3 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.5 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 8.2 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#73#73	Muse Spark 1.1high	8.4	Meta	$2.570	37.41s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 10 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 69.6% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 336,310 آؤٹ پٹ ٹوکنز 10,838 ریزننگ ٹوکنز 494,728 ردِعمل کا وقت (اوسط) 37.41s ردِعمل کا وقت (کل) 860.39s ردِعمل کا وقت (زیادہ سے زیادہ) 196.03s غلط جواب: 3 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 2 API خرابی: 1 اضافی فارمیٹنگ: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 7.5 کوڈنگ : 10.0 مشترکہ : 5.9 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 10.0 ہدایات کی پیروی : 6.4 پہیلی حل کرنا : 7.8 ٹول کالنگ : 9.6 معلومات عامہ : 3.0
#72#72	Inklinghigh	8.4	Thinkingmachines	$1.394 ↑	62.72s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 78.3% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 240,395 آؤٹ پٹ ٹوکنز 7,169 ریزننگ ٹوکنز 242,073 ردِعمل کا وقت (اوسط) 62.72s ردِعمل کا وقت (کل) 1442.48s ردِعمل کا وقت (زیادہ سے زیادہ) 327.51s غلط جواب: 4 غیر معتبر ٹول کال: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.5 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 7.7 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 6.9 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#71#71	Gemini 3.1 Pro Previewmedium	8.4	Google	$1.585	22.71s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 3 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 89.9% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 176,208 آؤٹ پٹ ٹوکنز 6,093 ریزننگ ٹوکنز 96,598 ردِعمل کا وقت (اوسط) 22.71s ردِعمل کا وقت (کل) 386.11s ردِعمل کا وقت (زیادہ سے زیادہ) 88.68s غلط جواب: 2 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 4.7 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 7.9 مشترکہ : 9.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 7.7 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 10.0
#70#70	Muse Glimmer 30Bxhigh	8.4	Meta	$0.823 ↑	97.70s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 9 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 71.0% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 287,538 آؤٹ پٹ ٹوکنز 118,266 ریزننگ ٹوکنز 346,758 ردِعمل کا وقت (اوسط) 97.70s ردِعمل کا وقت (کل) 2247.18s ردِعمل کا وقت (زیادہ سے زیادہ) 576.79s غلط جواب: 4 کوئی جواب نہیں: 3 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 6.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 5.5 ہدایات کی پیروی : 8.4 پہیلی حل کرنا : 7.8 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#69#69	GPT-5 Minimedium	8.4	OpenAI	$0.315 ↑	29.42s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 10 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 66.7% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 214,645 آؤٹ پٹ ٹوکنز 15,532 ریزننگ ٹوکنز 103,679 ردِعمل کا وقت (اوسط) 29.42s ردِعمل کا وقت (کل) 676.56s ردِعمل کا وقت (زیادہ سے زیادہ) 111.48s غلط جواب: 5 ہدایات پر عمل نہیں کیا: 3 کوئی جواب نہیں: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 7.1 کوڈنگ : 10.0 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.5 عمومی ذہانت : 4.5 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 5.6 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#68#68	Qwen3.8 2.4T A95Blow	8.4	Qwen	$4.016 ↑	120.40s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 73.9% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 313,881 آؤٹ پٹ ٹوکنز 123,706 ریزننگ ٹوکنز 388,328 ردِعمل کا وقت (اوسط) 120.40s ردِعمل کا وقت (کل) 2769.16s ردِعمل کا وقت (زیادہ سے زیادہ) 534.21s غلط جواب: 5 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 7.8 مشترکہ : 8.2 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.2 عمومی ذہانت : 6.1 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#67#67	Qwen3.7 Maxmedium	8.5	Qwen	$1.689 ↓	48.35s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 6 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 85.5% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 367,848 آؤٹ پٹ ٹوکنز 8,753 ریزننگ ٹوکنز 250,279 ردِعمل کا وقت (اوسط) 48.35s ردِعمل کا وقت (کل) 1112.11s ردِعمل کا وقت (زیادہ سے زیادہ) 556.06s غلط جواب: 5 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 8.7 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 4.1 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#66#66	Claude Sonnet 5medium	8.5	Anthropic	$1.438	15.01s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 76.8% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 353,658 آؤٹ پٹ ٹوکنز 54,891 ریزننگ ٹوکنز 18,370 ردِعمل کا وقت (اوسط) 15.01s ردِعمل کا وقت (کل) 345.16s ردِعمل کا وقت (زیادہ سے زیادہ) 69.26s غلط جواب: 5 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 9.0 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.8 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#65#65	Muse Spark 1.3low	8.5	Meta	$0.911	17.73s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 82.6% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 270,231 آؤٹ پٹ ٹوکنز 13,363 ریزننگ ٹوکنز 121,332 ردِعمل کا وقت (اوسط) 17.73s ردِعمل کا وقت (کل) 407.75s ردِعمل کا وقت (زیادہ سے زیادہ) 78.72s غلط جواب: 4 API خرابی: 1 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.2 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.5 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 8.2 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#64#64	Grok 4.6high	8.5	X AI	$2.629	87.48s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 4 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 82.6% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 376,233 آؤٹ پٹ ٹوکنز 6,687 ریزننگ ٹوکنز 305,927 ردِعمل کا وقت (اوسط) 87.48s ردِعمل کا وقت (کل) 2012.15s ردِعمل کا وقت (زیادہ سے زیادہ) 618.49s غلط جواب: 3 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#63#63	Qwen3.8 Max (0902)low	8.6	Qwen	$1.131	29.07s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 5 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 85.5% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 298,682 آؤٹ پٹ ٹوکنز 8,374 ریزننگ ٹوکنز 80,549 ردِعمل کا وقت (اوسط) 29.07s ردِعمل کا وقت (کل) 668.66s ردِعمل کا وقت (زیادہ سے زیادہ) 207.79s غلط جواب: 4 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 6.1 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#62#62	Claude Sonnet 5.5high	8.6	Anthropic	$1.175	10.79s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 81.2% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 345,687 آؤٹ پٹ ٹوکنز 13,550 ریزننگ ٹوکنز 34,743 ردِعمل کا وقت (اوسط) 10.79s ردِعمل کا وقت (کل) 248.22s ردِعمل کا وقت (زیادہ سے زیادہ) 51.53s غلط جواب: 5 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 8.2 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 3.5 عمومی ذہانت : 6.5 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#60#60	Muse Spark 1.1low	8.6	Meta	$0.885	13.21s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 9 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 72.5% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 291,368 آؤٹ پٹ ٹوکنز 13,469 ریزننگ ٹوکنز 108,952 ردِعمل کا وقت (اوسط) 13.21s ردِعمل کا وقت (کل) 303.92s ردِعمل کا وقت (زیادہ سے زیادہ) 54.15s غلط جواب: 5 ہدایات پر عمل نہیں کیا: 3 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 7.9 کوڈنگ : 10.0 مشترکہ : 6.6 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.6 عمومی ذہانت : 10.0 ہدایات کی پیروی : 7.3 پہیلی حل کرنا : 8.3 ٹول کالنگ : 9.8 معلومات عامہ : 3.0
#61#61	Claude Sonnet 5.5xhigh	8.6	Anthropic	$1.516	14.98s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 79.7% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 342,579 آؤٹ پٹ ٹوکنز 12,848 ریزننگ ٹوکنز 70,193 ردِعمل کا وقت (اوسط) 14.98s ردِعمل کا وقت (کل) 344.60s ردِعمل کا وقت (زیادہ سے زیادہ) 54.92s غلط جواب: 3 اضافی فارمیٹنگ: 1 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.2 مشترکہ : 8.7 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 6.5 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#59#59	DeepSeek V4.1 Flashmax	8.6	DeepSeek	$0.467 ↓	61.58s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 9.4 فی کوشش کامیابی کی شرح 69.6% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 414,054 آؤٹ پٹ ٹوکنز 7,635 ریزننگ ٹوکنز 900,536 ردِعمل کا وقت (اوسط) 61.58s ردِعمل کا وقت (کل) 1416.24s ردِعمل کا وقت (زیادہ سے زیادہ) 335.08s غلط جواب: 6 API خرابی: 1 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 10.0 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.6 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 5.5 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#58#58	GPT-6 Sollow	8.7	OpenAI	$0.477	8.72s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 5 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 87.0% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 172,359 آؤٹ پٹ ٹوکنز 5,026 ریزننگ ٹوکنز 8,185 ردِعمل کا وقت (اوسط) 8.72s ردِعمل کا وقت (کل) 200.61s ردِعمل کا وقت (زیادہ سے زیادہ) 48.43s غلط جواب: 5 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 6.2 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 4.7

عالمی بینچ مارک رجحانات

دیکھیں کہ موجودہ ماڈلز اسکور، لاگت، رفتار، آؤٹ پٹ کی لمبائی اور زمرہ وار کارکردگی میں کیسے توازن رکھتے ہیں۔

چارٹس →

ذہانت بمقابلہ لاگت کی پیریٹو حد

نمایاں کمپنیوں کے بہترین اسکور کی وقت کے ساتھ پیش رفت

ذہانت بمقابلہ جواب کی رفتار کی پیریٹو حد

اسکور بمقابلہ آؤٹ پٹ ٹوکنز پیریٹو فرنٹیئر

تمام ماڈلز میں زمروں کی مشکل

فوری موازنہ

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