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)
#362#362	Granite 4.2 8Bhigh	4.7	IBM Granite	$0.111	235.35s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 19 اعتماد پذیری 8.2 فی کوشش کامیابی کی شرح 37.7% غیر مستحکم ٹیسٹ 10 ان پٹ ٹوکنز 282,658 آؤٹ پٹ ٹوکنز 198,563 ریزننگ ٹوکنز 462,804 ردِعمل کا وقت (اوسط) 235.35s ردِعمل کا وقت (کل) 5413.09s ردِعمل کا وقت (زیادہ سے زیادہ) 685.87s ٹائم آؤٹ: 10 غلط جواب: 7 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 6.9 کوڈنگ : 3.8 مشترکہ : 5.0 ڈیٹا پارسنگ اور استخراج : 3.8 ڈومین مخصوص : 2.9 عمومی ذہانت : 5.5 ہدایات کی پیروی : 6.4 پہیلی حل کرنا : 2.9 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#368#368	Laguna S 2.1low	4.6	Poolside	$0.108 ↓	88.24s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 20 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 23.2% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 232,641 آؤٹ پٹ ٹوکنز 69,335 ریزننگ ٹوکنز 426,182 ردِعمل کا وقت (اوسط) 88.24s ردِعمل کا وقت (کل) 2029.57s ردِعمل کا وقت (زیادہ سے زیادہ) 814.73s غلط جواب: 16 ہدایات پر عمل نہیں کیا: 2 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 2.8 اینٹی اے آئی چالیں : 3.4 کوڈنگ : 3.8 مشترکہ : 3.2 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.8 ہدایات کی پیروی : 4.3 پہیلی حل کرنا : 3.1 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#390#390	Qwen3.5-9Bmedium	4.0	Qwen	$0.106	110.18s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 20 اعتماد پذیری 8.7 فی کوشش کامیابی کی شرح 26.1% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 387,323 آؤٹ پٹ ٹوکنز 48,562 ریزننگ ٹوکنز 410,431 ردِعمل کا وقت (اوسط) 110.18s ردِعمل کا وقت (کل) 1873.00s ردِعمل کا وقت (زیادہ سے زیادہ) 569.97s ٹائم آؤٹ: 11 کوئی جواب نہیں: 3 غلط جواب: 2 API خرابی: 1 اضافی فارمیٹنگ: 1 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 5.2 اینٹی اے آئی چالیں : 5.1 کوڈنگ : 2.9 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 3.6 ڈومین مخصوص : 3.6 عمومی ذہانت : 2.8 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 3.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#435#435	Gemini 3 Flash Previewhigh	1.8	Google	$0.105	52.45s
ماڈل کارڈ دیکھیں کل ٹیسٹس 1 غلط ٹیسٹس 0 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 4.4% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 134,050 آؤٹ پٹ ٹوکنز 1,029 ریزننگ ٹوکنز 11,528 ردِعمل کا وقت (اوسط) 52.45s ردِعمل کا وقت (کل) 52.45s ردِعمل کا وقت (زیادہ سے زیادہ) 52.45s خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 0.0 کوڈنگ : 0.0 مشترکہ : 0.0 ڈیٹا پارسنگ اور استخراج : 0.0 ڈومین مخصوص : 0.0 عمومی ذہانت : 0.0 ہدایات کی پیروی : 0.0 پہیلی حل کرنا : 0.0 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#319#319	Step 3.5 Flashmedium	5.4	Stepfun	$0.105	190.48s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 49.3% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 139,086 آؤٹ پٹ ٹوکنز 193,584 ریزننگ ٹوکنز 413,546 ردِعمل کا وقت (اوسط) 190.48s ردِعمل کا وقت (کل) 3238.23s ردِعمل کا وقت (زیادہ سے زیادہ) 1597.85s غلط جواب: 6 ہدایات پر عمل نہیں کیا: 3 API خرابی: 1 کوئی جواب نہیں: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 2.8 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 2.4 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.5 عمومی ذہانت : 5.5 ہدایات کی پیروی : 8.3 پہیلی حل کرنا : 5.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#327#327	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.105 ↑	8.43s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 19 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 29.0% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 272,479 آؤٹ پٹ ٹوکنز 40,677 ریزننگ ٹوکنز 23,104 ردِعمل کا وقت (اوسط) 8.43s ردِعمل کا وقت (کل) 176.93s ردِعمل کا وقت (زیادہ سے زیادہ) 65.61s غلط جواب: 13 API خرابی: 2 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.2 اینٹی اے آئی چالیں : 3.6 کوڈنگ : 5.5 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 4.4 ہدایات کی پیروی : 6.2 پہیلی حل کرنا : 3.2 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#244#244	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
#291#291	Ring 2.6 1tmedium	5.7	Inclusionai	$0.102 ↑	65.52s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 56.5% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 113,613 آؤٹ پٹ ٹوکنز 122,706 ریزننگ ٹوکنز 42,325 ردِعمل کا وقت (اوسط) 65.52s ردِعمل کا وقت (کل) 1376.01s ردِعمل کا وقت (زیادہ سے زیادہ) 304.19s غلط جواب: 6 API خرابی: 3 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 5.3 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.6 عمومی ذہانت : 4.1 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 5.9 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#157#157	Gemma 4 26B A4Bmedium	7.3	Google	$0.101 ↓	105.03s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 71.0% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 224,367 آؤٹ پٹ ٹوکنز 27,095 ریزننگ ٹوکنز 242,256 ردِعمل کا وقت (اوسط) 105.03s ردِعمل کا وقت (کل) 2310.63s ردِعمل کا وقت (زیادہ سے زیادہ) 912.19s کوئی جواب نہیں: 2 ٹائم آؤٹ: 2 غلط جواب: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 2.9 مشترکہ : 6.3 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 : 3.0
#206#206	Solar Pro 4low	6.7	Upstage	$0.101 ↑	145.21s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 60.9% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 384,974 آؤٹ پٹ ٹوکنز 13,946 ریزننگ ٹوکنز 371,916 ردِعمل کا وقت (اوسط) 145.21s ردِعمل کا وقت (کل) 3339.87s ردِعمل کا وقت (زیادہ سے زیادہ) 640.89s غلط جواب: 7 ہدایات پر عمل نہیں کیا: 2 API خرابی: 1 کوئی جواب نہیں: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 8.2 کوڈنگ : 5.5 مشترکہ : 6.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 5.5 ہدایات کی پیروی : 8.0 پہیلی حل کرنا : 9.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#235#235	Solar Pro 4medium	6.4	Upstage	$0.098 ↑	133.93s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 11 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 60.9% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 299,558 آؤٹ پٹ ٹوکنز 33,248 ریزننگ ٹوکنز 374,819 ردِعمل کا وقت (اوسط) 133.93s ردِعمل کا وقت (کل) 3080.36s ردِعمل کا وقت (زیادہ سے زیادہ) 519.91s غلط جواب: 6 ہدایات پر عمل نہیں کیا: 2 API خرابی: 1 اضافی فارمیٹنگ: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 4.7 اینٹی اے آئی چالیں : 8.2 کوڈنگ : 5.5 مشترکہ : 6.4 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 3.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 9.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#340#340	Laguna S 2.1medium	5.0	Poolside	$0.092 ↑	63.06s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 19 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 24.6% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 230,291 آؤٹ پٹ ٹوکنز 99,030 ریزننگ ٹوکنز 287,794 ردِعمل کا وقت (اوسط) 63.06s ردِعمل کا وقت (کل) 1450.31s ردِعمل کا وقت (زیادہ سے زیادہ) 560.31s غلط جواب: 14 غیر معتبر ٹول کال: 2 کوئی جواب نہیں: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 3.4 اینٹی اے آئی چالیں : 3.4 کوڈنگ : 5.3 مشترکہ : 3.2 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.6 ہدایات کی پیروی : 4.2 پہیلی حل کرنا : 3.1 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#263#263	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 12,799 ریزننگ ٹوکنز 2,961 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
#205#205	Qwen3.5-Flashnone	6.7	Qwen	$0.089	26.52s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 37.7% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 463,872 آؤٹ پٹ ٹوکنز 219,122 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 26.52s ردِعمل کا وقت (کل) 609.94s ردِعمل کا وقت (زیادہ سے زیادہ) 480.96s غلط جواب: 14 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 3.5 کوڈنگ : 5.5 مشترکہ : 2.9 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 3.1 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#142#142	Qwen3.8 27Blow	7.6	Qwen	~$0.089	46.60s
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 315,290 آؤٹ پٹ ٹوکنز 1,607 ریزننگ ٹوکنز 207,536 ردِعمل کا وقت (اوسط) 46.60s ردِعمل کا وقت (کل) 1071.83s ردِعمل کا وقت (زیادہ سے زیادہ) 376.04s غلط جواب: 5 کوئی جواب نہیں: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 7.7 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 7.7 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#52#52	GLM 5.3 Flashmax	9.0	Z.ai	$0.089	54.04s
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 255,743 آؤٹ پٹ ٹوکنز 8,684 ریزننگ ٹوکنز 207,435 ردِعمل کا وقت (اوسط) 54.04s ردِعمل کا وقت (کل) 1242.97s ردِعمل کا وقت (زیادہ سے زیادہ) 333.47s غلط جواب: 2 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 : 10.0 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.6 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 8.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#91#91	Claude Haiku 5.5high	8.3	Anthropic	$0.088	10.41s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 76.8% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 346,451 آؤٹ پٹ ٹوکنز 10,136 ریزننگ ٹوکنز 95,504 ردِعمل کا وقت (اوسط) 10.41s ردِعمل کا وقت (کل) 239.38s ردِعمل کا وقت (زیادہ سے زیادہ) 52.61s غلط جواب: 4 اضافی فارمیٹنگ: 2 ہدایات پر عمل نہیں کیا: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 6.0 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 4.1 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 5.9 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#402#402	Grok 4.20 Betadefault	3.6	X AI	$0.087 ↓	1.19s
ماڈل کارڈ دیکھیں کل ٹیسٹس 18 غلط ٹیسٹس 12 اعتماد پذیری دستیاب نہیں فی کوشش کامیابی کی شرح 29.0% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 40,597 آؤٹ پٹ ٹوکنز 1,657 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 1.19s ردِعمل کا وقت (کل) 21.43s ردِعمل کا وقت (زیادہ سے زیادہ) 6.48s غلط جواب: 10 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 4.0 کوڈنگ : 1.8 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.0 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 0.0
#231#231	Laguna XS 2.1medium	6.4	Poolside	$0.083	48.97s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 14 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 46.4% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 352,516 آؤٹ پٹ ٹوکنز 33,786 ریزننگ ٹوکنز 504,506 ردِعمل کا وقت (اوسط) 48.97s ردِعمل کا وقت (کل) 1126.35s ردِعمل کا وقت (زیادہ سے زیادہ) 422.72s غلط جواب: 10 غیر معتبر ٹول کال: 2 کوئی جواب نہیں: 2 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 5.5 مشترکہ : 6.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.5 عمومی ذہانت : 5.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 5.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#155#155	DeepSeek V4 Pro 0423none	7.4	DeepSeek	$0.083 ↓	14.05s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 13 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 49.3% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 304,186 آؤٹ پٹ ٹوکنز 40,118 ریزننگ ٹوکنز 5,886 ردِعمل کا وقت (اوسط) 14.05s ردِعمل کا وقت (کل) 323.17s ردِعمل کا وقت (زیادہ سے زیادہ) 119.44s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 2 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 3.2 کوڈنگ : 5.6 مشترکہ : 7.9 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.0 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#306#306	Nemotron 3 Supermedium	5.5	NVIDIA	$0.081 ↑	56.40s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 9.5 فی کوشش کامیابی کی شرح 42.0% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 229,346 آؤٹ پٹ ٹوکنز 18,597 ریزننگ ٹوکنز 129,338 ردِعمل کا وقت (اوسط) 56.40s ردِعمل کا وقت (کل) 1184.46s ردِعمل کا وقت (زیادہ سے زیادہ) 431.98s غلط جواب: 6 API خرابی: 4 ہدایات پر عمل نہیں کیا: 3 کوئی جواب نہیں: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 4.7 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 3.1 مشترکہ : 6.4 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 4.1 ہدایات کی پیروی : 7.3 پہیلی حل کرنا : 3.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#280#280	Gemini 3.1 Flash Liteminimal	5.9	Google	$0.080	3.95s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 13 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 49.3% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 238,785 آؤٹ پٹ ٹوکنز 12,875 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 3.95s ردِعمل کا وقت (کل) 90.76s ردِعمل کا وقت (زیادہ سے زیادہ) 50.03s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 3 کوئی جواب نہیں: 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 : 2.9 عمومی ذہانت : 4.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 6.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#414#414	Command A+high	3.2	Cohere	$0.079	89.96s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 23 اعتماد پذیری 3.5 فی کوشش کامیابی کی شرح 0.0% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 117,966 آؤٹ پٹ ٹوکنز 5,149 ریزننگ ٹوکنز 23,514 ردِعمل کا وقت (اوسط) 89.96s ردِعمل کا وقت (کل) 2069.01s ردِعمل کا وقت (زیادہ سے زیادہ) 156.00s API خرابی: 22 غلط جواب: 1 خودمختار ایجنٹ کے کام : 3.9 اینٹی اے آئی چالیں : 3.0 کوڈنگ : 3.0 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 3.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 3.0 ہدایات کی پیروی : 3.0 پہیلی حل کرنا : 3.0 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#250#250	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
#331#331	KAT Coder AIR V2.5high	5.2	Kwaipilot	$0.077	15.23s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 16 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 40.6% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 50,423 آؤٹ پٹ ٹوکنز 4,144 ریزننگ ٹوکنز 110,510 ردِعمل کا وقت (اوسط) 15.23s ردِعمل کا وقت (کل) 350.26s ردِعمل کا وقت (زیادہ سے زیادہ) 118.35s غلط جواب: 9 API خرابی: 4 اضافی فارمیٹنگ: 3 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 6.9 کوڈنگ : 4.3 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.1 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 3.5 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