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: 2026-10-17 جانچے گئے ماڈلز: 442

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

442/442

درجہ	ماڈل	اسکور	کمپنی	کل لاگت	ردِعمل کا وقت (اوسط)
#361#361	Laguna S 2.1none	4.7	Poolside	$0.044 ↓	17.65s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 21 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 14.5% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 287,445 آؤٹ پٹ ٹوکنز 99,097 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 17.65s ردِعمل کا وقت (کل) 406.05s ردِعمل کا وقت (زیادہ سے زیادہ) 200.52s غلط جواب: 18 ہدایات پر عمل نہیں کیا: 2 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.4 اینٹی اے آئی چالیں : 3.1 کوڈنگ : 3.4 مشترکہ : 2.9 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.0 ہدایات کی پیروی : 4.3 پہیلی حل کرنا : 3.1 ٹول کالنگ : 4.7 معلومات عامہ : 3.0
#77#77	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
#128#128	Qwen3.7 Plusnone	7.8	Qwen	$0.178 ↓	17.80s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 10 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 56.5% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 250,495 آؤٹ پٹ ٹوکنز 76,261 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 17.80s ردِعمل کا وقت (کل) 409.51s ردِعمل کا وقت (زیادہ سے زیادہ) 206.03s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 5.5 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.3 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#94#94	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
#129#129	Grok 4.5low	7.8	X AI	$1.345	18.14s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 73.9% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 308,068 آؤٹ پٹ ٹوکنز 9,218 ریزننگ ٹوکنز 112,197 ردِعمل کا وقت (اوسط) 18.14s ردِعمل کا وقت (کل) 417.21s ردِعمل کا وقت (زیادہ سے زیادہ) 205.28s غلط جواب: 7 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 6.1 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#304#304	Qwen3.5-35B-A3Bnone	5.6	Qwen	$0.120 ↓	18.31s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 17 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 37.7% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 218,886 آؤٹ پٹ ٹوکنز 135,768 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 18.31s ردِعمل کا وقت (کل) 421.19s ردِعمل کا وقت (زیادہ سے زیادہ) 209.15s غلط جواب: 14 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.9 اینٹی اے آئی چالیں : 3.4 کوڈنگ : 5.5 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 6.5 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 3.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#108#108	GPT-5.6 Lunahigh	8.0	OpenAI	$0.118 ↓	18.39s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 71.0% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 197,896 آؤٹ پٹ ٹوکنز 6,211 ریزننگ ٹوکنز 133,184 ردِعمل کا وقت (اوسط) 18.39s ردِعمل کا وقت (کل) 422.93s ردِعمل کا وقت (زیادہ سے زیادہ) 111.09s غلط جواب: 8 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 5.5 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.0 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 7.6 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#270#270	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.216 ↓	18.49s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 44.9% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 299,984 آؤٹ پٹ ٹوکنز 69,664 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 18.49s ردِعمل کا وقت (کل) 425.33s ردِعمل کا وقت (زیادہ سے زیادہ) 206.05s غلط جواب: 12 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 3.9 مشترکہ : 6.4 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.8 ہدایات کی پیروی : 6.2 پہیلی حل کرنا : 6.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#92#92	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
#37#37	GPT-5.3-Codexmedium	9.1	OpenAI	$1.318	18.87s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 6 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 84.1% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 222,794 آؤٹ پٹ ٹوکنز 7,357 ریزننگ ٹوکنز 58,930 ردِعمل کا وقت (اوسط) 18.87s ردِعمل کا وقت (کل) 433.94s ردِعمل کا وقت (زیادہ سے زیادہ) 100.93s غلط جواب: 4 ہدایات پر عمل نہیں کیا: 2 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.7 کوڈنگ : 10.0 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.9 عمومی ذہانت : 4.6 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 9.0 ٹول کالنگ : 10.0 معلومات عامہ : 2.8
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.900 ↓	18.93s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 1 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 98.6% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 238,080 آؤٹ پٹ ٹوکنز 4,211 ریزننگ ٹوکنز 188,109 ردِعمل کا وقت (اوسط) 18.93s ردِعمل کا وقت (کل) 435.48s ردِعمل کا وقت (زیادہ سے زیادہ) 104.15s غلط جواب: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 8.2 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 10.0
#249#249	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
#17#17	Gemini 4 Argonhigh	9.5	Google	$1.802	19.03s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 2 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 97.1% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 240,264 آؤٹ پٹ ٹوکنز 5,707 ریزننگ ٹوکنز 126,366 ردِعمل کا وقت (اوسط) 19.03s ردِعمل کا وقت (کل) 437.77s ردِعمل کا وقت (زیادہ سے زیادہ) 82.53s API خرابی: 1 غلط جواب: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 8.2 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 10.0
#248#248	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
#221#221	KAT-Coder-Pro V2.5low	6.5	Kwaipilot	$0.568 ↑	19.40s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 65.2% غیر مستحکم ٹیسٹ 8 ان پٹ ٹوکنز 87,682 آؤٹ پٹ ٹوکنز 7,166 ریزننگ ٹوکنز 106,027 ردِعمل کا وقت (اوسط) 19.40s ردِعمل کا وقت (کل) 446.11s ردِعمل کا وقت (زیادہ سے زیادہ) 209.15s غلط جواب: 10 API خرابی: 2 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 6.9 کوڈنگ : 7.8 مشترکہ : 6.4 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.5 عمومی ذہانت : 4.1 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 6.4 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#348#348	Qwen3 Coder Nextdefault	4.9	Qwen	$0.067 ↑	19.73s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 18 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 24.6% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 250,329 آؤٹ پٹ ٹوکنز 45,168 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 19.73s ردِعمل کا وقت (کل) 355.09s ردِعمل کا وقت (زیادہ سے زیادہ) 208.38s غلط جواب: 15 اضافی فارمیٹنگ: 1 ہدایات پر عمل نہیں کیا: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 3.9 اینٹی اے آئی چالیں : 3.6 کوڈنگ : 4.6 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 3.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#251#251	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
#333#333	MiMo-V2-Flashmedium	5.1	Xiaomi	$0.043 ↑	20.11s
ماڈل کارڈ دیکھیں کل ٹیسٹس 21 غلط ٹیسٹس 9 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 59.4% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 40,111 آؤٹ پٹ ٹوکنز 12,476 ریزننگ ٹوکنز 125,039 ردِعمل کا وقت (اوسط) 20.11s ردِعمل کا وقت (کل) 301.59s ردِعمل کا وقت (زیادہ سے زیادہ) 96.01s غلط جواب: 5 API خرابی: 1 اضافی فارمیٹنگ: 1 ہدایات پر عمل نہیں کیا: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 8.1 کوڈنگ : 6.0 مشترکہ : 4.9 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 5.9 عمومی ذہانت : 4.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#7#7	GPT-6 Astrahigh	9.9	OpenAI	$4.458	20.16s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 1 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 97.1% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 167,805 آؤٹ پٹ ٹوکنز 5,651 ریزننگ ٹوکنز 49,944 ردِعمل کا وقت (اوسط) 20.16s ردِعمل کا وقت (کل) 463.68s ردِعمل کا وقت (زیادہ سے زیادہ) 254.93s غلط جواب: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 7.6 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 10.0
#132#132	GPT-6 Lunahigh	7.7	OpenAI	$0.074	20.37s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 73.9% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 229,986 آؤٹ پٹ ٹوکنز 6,037 ریزننگ ٹوکنز 95,550 ردِعمل کا وقت (اوسط) 20.37s ردِعمل کا وقت (کل) 468.52s ردِعمل کا وقت (زیادہ سے زیادہ) 106.93s غلط جواب: 6 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 5.2 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 7.8 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.9 عمومی ذہانت : 5.1 ہدایات کی پیروی : 8.4 پہیلی حل کرنا : 7.8 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#295#295	Mistral Large 4none	5.7	Mistral	$0.290	20.43s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 17 اعتماد پذیری 9.7 فی کوشش کامیابی کی شرح 31.9% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 257,872 آؤٹ پٹ ٹوکنز 54,388 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 20.43s ردِعمل کا وقت (کل) 469.88s ردِعمل کا وقت (زیادہ سے زیادہ) 192.80s غلط جواب: 15 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 3.6 کوڈنگ : 4.7 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.3 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 7.9 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#310#310	GPT-6 Lunanone	5.5	OpenAI	$0.026	20.48s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 16 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 40.6% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 222,357 آؤٹ پٹ ٹوکنز 6,855 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 20.48s ردِعمل کا وقت (کل) 470.96s ردِعمل کا وقت (زیادہ سے زیادہ) 98.62s غلط جواب: 13 API خرابی: 1 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 5.5 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.1 ہدایات کی پیروی : 6.2 پہیلی حل کرنا : 5.4 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#161#161	Gemini 2.5 Flashmedium	7.3	Google	$0.680 ↑	20.51s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 68.1% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 132,507 آؤٹ پٹ ٹوکنز 12,739 ریزننگ ٹوکنز 228,626 ردِعمل کا وقت (اوسط) 20.51s ردِعمل کا وقت (کل) 471.64s ردِعمل کا وقت (زیادہ سے زیادہ) 140.50s غلط جواب: 6 ہدایات پر عمل نہیں کیا: 2 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 8.4 کوڈنگ : 7.8 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.9 عمومی ذہانت : 4.8 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#173#173	Step 3.7 Flashlow	7.2	Stepfun	$0.449	20.72s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 63.8% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 292,685 آؤٹ پٹ ٹوکنز 339,108 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 20.72s ردِعمل کا وقت (کل) 476.67s ردِعمل کا وقت (زیادہ سے زیادہ) 124.75s غلط جواب: 9 غیر معتبر ٹول کال: 2 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 7.4 اینٹی اے آئی چالیں : 8.7 کوڈنگ : 8.2 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 2.9 عمومی ذہانت : 3.4 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 5.5 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#229#229	KAT-Coder-Pro V2.5high	6.5	Kwaipilot	$0.506	21.21s
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 106,085 آؤٹ پٹ ٹوکنز 9,071 ریزننگ ٹوکنز 135,288 ردِعمل کا وقت (اوسط) 21.21s ردِعمل کا وقت (کل) 487.83s ردِعمل کا وقت (زیادہ سے زیادہ) 199.97s غلط جواب: 10 API خرابی: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 7.0 کوڈنگ : 6.4 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 5.1 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 8.2 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