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)
#232#232	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.862	84.01s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 49.3% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 319,352 آؤٹ پٹ ٹوکنز 158,447 ریزننگ ٹوکنز 875,524 ردِعمل کا وقت (اوسط) 84.01s ردِعمل کا وقت (کل) 1932.24s ردِعمل کا وقت (زیادہ سے زیادہ) 525.14s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 4 غیر معتبر ٹول کال: 2 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 6.8 کوڈنگ : 7.5 مشترکہ : 2.9 ڈیٹا پارسنگ اور استخراج : 6.3 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 4.4 پہیلی حل کرنا : 5.2 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#231#231	Gemini 3.5 Flashnone	6.1	Google	$1.752	14.13s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 9 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 68.1% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 246,061 آؤٹ پٹ ٹوکنز 153,595 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 14.13s ردِعمل کا وقت (کل) 268.55s ردِعمل کا وقت (زیادہ سے زیادہ) 85.26s API خرابی: 4 غلط جواب: 4 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 2.8 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.8 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 10.0 ٹول کالنگ : 3.0 معلومات عامہ : 2.8
#230#230	Claude Fable 5.1low	6.2	Anthropic	$3.395	11.40s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 55.1% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 209,116 آؤٹ پٹ ٹوکنز 10,031 ریزننگ ٹوکنز 16,042 ردِعمل کا وقت (اوسط) 11.40s ردِعمل کا وقت (کل) 262.14s ردِعمل کا وقت (زیادہ سے زیادہ) 34.77s اضافی فارمیٹنگ: 4 غلط جواب: 4 ہدایات پر عمل نہیں کیا: 3 API خرابی: 1 خودمختار ایجنٹ کے کام : 2.8 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 3.4 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 4.1 عمومی ذہانت : 10.0 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#229#229	Gemini 3.1 Flash Lite Previewnone	6.2	Google	$0.090	3.60s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 11 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 55.1% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 261,962 آؤٹ پٹ ٹوکنز 15,760 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 3.60s ردِعمل کا وقت (کل) 82.91s ردِعمل کا وقت (زیادہ سے زیادہ) 48.59s غلط جواب: 8 ہدایات پر عمل نہیں کیا: 2 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 7.5 کوڈنگ : 5.5 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#228#228	DeepSeek V4 Flash 0731none	6.2	DeepSeek	$0.055 ↑	27.42s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 18 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 30.4% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 349,876 آؤٹ پٹ ٹوکنز 39,789 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 27.42s ردِعمل کا وقت (کل) 630.70s ردِعمل کا وقت (زیادہ سے زیادہ) 387.15s غلط جواب: 13 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 2 اضافی فارمیٹنگ: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 3.4 کوڈنگ : 4.3 مشترکہ : 3.7 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.4 ہدایات کی پیروی : 5.0 پہیلی حل کرنا : 3.2 ٹول کالنگ : 9.5 معلومات عامہ : 3.0
#227#227	GLM 5 Turbomedium	6.2	Z.ai	$0.323 ↑	23.00s
ماڈل کارڈ دیکھیں کل ٹیسٹس 21 غلط ٹیسٹس 7 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 68.1% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 35,593 آؤٹ پٹ ٹوکنز 12,245 ریزننگ ٹوکنز 62,277 ردِعمل کا وقت (اوسط) 23.00s ردِعمل کا وقت (کل) 482.97s ردِعمل کا وقت (زیادہ سے زیادہ) 194.23s غلط جواب: 4 ہدایات پر عمل نہیں کیا: 1 کوئی جواب نہیں: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.2 مشترکہ : 5.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 6.1 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 8.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#226#226	KAT-Coder-Pro V2.5medium	6.2	Kwaipilot	$0.669 ↑	23.94s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 62.3% غیر مستحکم ٹیسٹ 8 ان پٹ ٹوکنز 87,916 آؤٹ پٹ ٹوکنز 7,213 ریزننگ ٹوکنز 132,162 ردِعمل کا وقت (اوسط) 23.94s ردِعمل کا وقت (کل) 550.52s ردِعمل کا وقت (زیادہ سے زیادہ) 257.00s غلط جواب: 9 API خرابی: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 8.2 کوڈنگ : 7.8 مشترکہ : 6.4 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 2.9 عمومی ذہانت : 4.7 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 5.9 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#225#225	Space Bunny Alphaxhigh	6.2	Stealth	$0.000	60.03s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 14 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 55.1% غیر مستحکم ٹیسٹ 8 ان پٹ ٹوکنز 363,310 آؤٹ پٹ ٹوکنز 381,919 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 60.03s ردِعمل کا وقت (کل) 1380.67s ردِعمل کا وقت (زیادہ سے زیادہ) 459.99s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 2 کوئی جواب نہیں: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 5.2 اینٹی اے آئی چالیں : 6.4 کوڈنگ : 6.6 مشترکہ : 3.2 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.9 عمومی ذہانت : 5.0 ہدایات کی پیروی : 5.6 پہیلی حل کرنا : 7.9 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#223#223	DeepSeek V4 Flash 0423none	6.3	DeepSeek	$0.027 ↓	38.64s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 18 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 30.4% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 403,455 آؤٹ پٹ ٹوکنز 115,591 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 38.64s ردِعمل کا وقت (کل) 888.69s ردِعمل کا وقت (زیادہ سے زیادہ) 247.27s غلط جواب: 13 اضافی فارمیٹنگ: 2 غیر معتبر ٹول کال: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 3.0 کوڈنگ : 4.2 مشترکہ : 4.6 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.2 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 3.1 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#224#224	Grok 4.20medium	6.3	X AI	$1.246 ↓	36.73s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 58.0% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 392,127 آؤٹ پٹ ٹوکنز 7,754 ریزننگ ٹوکنز 294,333 ردِعمل کا وقت (اوسط) 36.73s ردِعمل کا وقت (کل) 844.68s ردِعمل کا وقت (زیادہ سے زیادہ) 199.66s غلط جواب: 7 اضافی فارمیٹنگ: 2 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 8.2 کوڈنگ : 6.3 مشترکہ : 8.7 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 3.9 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 7.7 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#222#222	Trinity Large Thinkinglow	6.3	Arcee AI	$0.918 ↑	95.16s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 47.8% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 347,980 آؤٹ پٹ ٹوکنز 121,898 ریزننگ ٹوکنز 720,302 ردِعمل کا وقت (اوسط) 95.16s ردِعمل کا وقت (کل) 2188.74s ردِعمل کا وقت (زیادہ سے زیادہ) 540.96s غلط جواب: 7 ہدایات پر عمل نہیں کیا: 3 API خرابی: 2 غیر معتبر ٹول کال: 2 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 7.4 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 5.3 مشترکہ : 5.2 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 2.9 عمومی ذہانت : 10.0 ہدایات کی پیروی : 4.4 پہیلی حل کرنا : 6.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#221#221	DeepSeek V3.2medium	6.3	DeepSeek	$0.152 ↑	70.08s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 62.3% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 306,662 آؤٹ پٹ ٹوکنز 17,819 ریزننگ ٹوکنز 125,341 ردِعمل کا وقت (اوسط) 70.08s ردِعمل کا وقت (کل) 1611.86s ردِعمل کا وقت (زیادہ سے زیادہ) 376.10s غلط جواب: 6 API خرابی: 2 ٹائم آؤٹ: 2 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 8.2 کوڈنگ : 6.0 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 3.4 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 7.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#220#220	Space Bunny Alphamedium	6.3	Stealth	$0.000	32.88s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 13 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 55.1% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 267,840 آؤٹ پٹ ٹوکنز 192,115 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 32.88s ردِعمل کا وقت (کل) 756.28s ردِعمل کا وقت (زیادہ سے زیادہ) 197.32s غلط جواب: 11 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 5.2 کوڈنگ : 5.4 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.4 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 7.9 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#219#219	Claude Opus 4.6medium	6.3	Anthropic	$2.961	32.23s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 9 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 60.9% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 108,573 آؤٹ پٹ ٹوکنز 69,994 ریزننگ ٹوکنز 26,728 ردِعمل کا وقت (اوسط) 32.23s ردِعمل کا وقت (کل) 515.65s ردِعمل کا وقت (زیادہ سے زیادہ) 151.51s اضافی فارمیٹنگ: 4 غلط جواب: 4 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 6.4 کوڈنگ : 5.7 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#218#218	Qwen3.5 Plus 2026-02-15none	6.3	Qwen	$0.176	20.07s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 52.2% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 346,064 آؤٹ پٹ ٹوکنز 53,060 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 20.07s ردِعمل کا وقت (کل) 341.27s ردِعمل کا وقت (زیادہ سے زیادہ) 183.50s غلط جواب: 11 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 5.2 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 4.3 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 7.7 عمومی ذہانت : 4.4 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#217#217	Solar Pro 4high	6.3	Upstage	$0.077 ↑	128.91s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 60.9% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 209,002 آؤٹ پٹ ٹوکنز 24,675 ریزننگ ٹوکنز 377,528 ردِعمل کا وقت (اوسط) 128.91s ردِعمل کا وقت (کل) 2965.04s ردِعمل کا وقت (زیادہ سے زیادہ) 491.07s غلط جواب: 6 ہدایات پر عمل نہیں کیا: 3 API خرابی: 1 اضافی فارمیٹنگ: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 2.8 اینٹی اے آئی چالیں : 8.7 کوڈنگ : 5.7 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.6 عمومی ذہانت : 5.5 ہدایات کی پیروی : 7.9 پہیلی حل کرنا : 8.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#216#216	Gemini 3.1 Flash Litelow	6.3	Google	$0.717	19.02s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 10 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 60.9% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 312,368 آؤٹ پٹ ٹوکنز 9,429 ریزننگ ٹوکنز 416,147 ردِعمل کا وقت (اوسط) 19.02s ردِعمل کا وقت (کل) 437.38s ردِعمل کا وقت (زیادہ سے زیادہ) 318.02s غلط جواب: 9 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 7.3 کوڈنگ : 5.5 مشترکہ : 3.2 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 7.7 عمومی ذہانت : 4.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#215#215	Gemini 3.1 Flash Lite Previewlow	6.3	Google	$0.736	19.04s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 9 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 60.9% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 309,715 آؤٹ پٹ ٹوکنز 16,170 ریزننگ ٹوکنز 422,721 ردِعمل کا وقت (اوسط) 19.04s ردِعمل کا وقت (کل) 437.98s ردِعمل کا وقت (زیادہ سے زیادہ) 309.35s غلط جواب: 7 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 5.5 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 7.7 عمومی ذہانت : 4.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#214#214	Gemini 3.5 Flash Litelow	6.3	Google	$0.183	4.79s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 11 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 66.7% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 275,779 آؤٹ پٹ ٹوکنز 14,401 ریزننگ ٹوکنز 25,511 ردِعمل کا وقت (اوسط) 4.79s ردِعمل کا وقت (کل) 110.24s ردِعمل کا وقت (زیادہ سے زیادہ) 53.91s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 9.0 کوڈنگ : 4.3 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.9 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 7.6 ٹول کالنگ : 10.0 معلومات عامہ : 4.7
#213#213	Qwen3.6 27Bnone	6.3	Qwen	$0.147 ↓	12.71s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 47.8% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 250,919 آؤٹ پٹ ٹوکنز 20,816 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 12.71s ردِعمل کا وقت (کل) 292.29s ردِعمل کا وقت (زیادہ سے زیادہ) 156.31s غلط جواب: 11 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 2 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 3.8 کوڈنگ : 5.5 مشترکہ : 3.2 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 7.7 عمومی ذہانت : 5.2 ہدایات کی پیروی : 6.2 پہیلی حل کرنا : 5.3 ٹول کالنگ : 9.5 معلومات عامہ : 3.0
#212#212	Qwen3.5-35B-A3Bmedium	6.3	Qwen	$1.249 ↑	111.54s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 65.2% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 378,048 آؤٹ پٹ ٹوکنز 56,477 ریزننگ ٹوکنز 865,151 ردِعمل کا وقت (اوسط) 111.54s ردِعمل کا وقت (کل) 2565.38s ردِعمل کا وقت (زیادہ سے زیادہ) 950.25s کوئی جواب نہیں: 3 ٹائم آؤٹ: 3 غلط جواب: 3 API خرابی: 1 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 7.4 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 5.9 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 3.5 عمومی ذہانت : 2.8 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 8.2 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#211#211	LongCat 2.0none	6.4	Meituan	$0.104	8.50s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 42.0% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 276,199 آؤٹ پٹ ٹوکنز 17,473 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 8.50s ردِعمل کا وقت (کل) 195.60s ردِعمل کا وقت (زیادہ سے زیادہ) 81.77s غلط جواب: 13 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 5.5 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.0 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 4.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#209#209	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	70.48s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 13 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 59.4% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 255,887 آؤٹ پٹ ٹوکنز 154,879 ریزننگ ٹوکنز 603,518 ردِعمل کا وقت (اوسط) 70.48s ردِعمل کا وقت (کل) 1620.93s ردِعمل کا وقت (زیادہ سے زیادہ) 480.52s غلط جواب: 9 کوئی جواب نہیں: 2 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 8.7 کوڈنگ : 5.8 مشترکہ : 6.9 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 5.3 عمومی ذہانت : 3.4 ہدایات کی پیروی : 8.3 پہیلی حل کرنا : 5.5 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#210#210	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	66.13s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 13 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 58.0% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 260,850 آؤٹ پٹ ٹوکنز 125,908 ریزننگ ٹوکنز 516,424 ردِعمل کا وقت (اوسط) 66.13s ردِعمل کا وقت (کل) 1520.96s ردِعمل کا وقت (زیادہ سے زیادہ) 417.36s غلط جواب: 8 ہدایات پر عمل نہیں کیا: 2 کوئی جواب نہیں: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 5.9 مشترکہ : 6.9 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 3.6 عمومی ذہانت : 4.0 ہدایات کی پیروی : 7.9 پہیلی حل کرنا : 5.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#208#208	MiMo-V2.5-Promedium	6.4	Xiaomi	$0.332 ↓	56.72s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 63.8% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 253,462 آؤٹ پٹ ٹوکنز 40,269 ریزننگ ٹوکنز 185,716 ردِعمل کا وقت (اوسط) 56.72s ردِعمل کا وقت (کل) 1304.54s ردِعمل کا وقت (زیادہ سے زیادہ) 333.34s غلط جواب: 4 اضافی فارمیٹنگ: 3 ہدایات پر عمل نہیں کیا: 2 API خرابی: 1 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 4.7 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 6.2 مشترکہ : 6.9 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 2.9 عمومی ذہانت : 5.5 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 6.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0

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