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)
#22#22	GPT-5.6 Solhigh	9.5	OpenAI	$1.595 ↑	13.59s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 4 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 89.9% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 195,567 آؤٹ پٹ ٹوکنز 5,841 ریزننگ ٹوکنز 26,230 ردِعمل کا وقت (اوسط) 13.59s ردِعمل کا وقت (کل) 312.61s ردِعمل کا وقت (زیادہ سے زیادہ) 59.99s غلط جواب: 4 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 : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 4.7
#442#442	Claude Opus 5.5none	0.2	Anthropic	$0.015	13.58s
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 73 آؤٹ پٹ ٹوکنز 6 ریزننگ ٹوکنز 729 ردِعمل کا وقت (اوسط) 13.58s ردِعمل کا وقت (کل) 13.58s ردِعمل کا وقت (زیادہ سے زیادہ) 13.58s خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 0.0 کوڈنگ : 0.0 مشترکہ : 0.0 ڈیٹا پارسنگ اور استخراج : 0.0 ڈومین مخصوص : 3.3 عمومی ذہانت : 0.0 ہدایات کی پیروی : 0.0 پہیلی حل کرنا : 0.0 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#395#395	Ling 3.0 Tinydefault	3.8	Inclusionai	$0.000	13.39s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 21 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 8.7% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 184,579 آؤٹ پٹ ٹوکنز 110,071 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 13.39s ردِعمل کا وقت (کل) 294.48s ردِعمل کا وقت (زیادہ سے زیادہ) 240.61s غلط جواب: 13 ہدایات پر عمل نہیں کیا: 4 API خرابی: 2 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 4.2 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 6.3 ڈومین مخصوص : 3.0 عمومی ذہانت : 3.4 ہدایات کی پیروی : 3.1 پہیلی حل کرنا : 3.0 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#116#116	Claude Fable 5.1high	7.9	Anthropic	$3.471	13.30s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 4 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 85.5% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 144,676 آؤٹ پٹ ٹوکنز 8,184 ریزننگ ٹوکنز 32,282 ردِعمل کا وقت (اوسط) 13.30s ردِعمل کا وقت (کل) 305.83s ردِعمل کا وقت (زیادہ سے زیادہ) 40.17s غلط جواب: 3 API خرابی: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.4 مشترکہ : 10.0 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 : 3.0
#28#28	Claude Opus 5medium	9.4	Anthropic	$2.870	13.24s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 4 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 84.1% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 356,605 آؤٹ پٹ ٹوکنز 26,715 ریزننگ ٹوکنز 17,041 ردِعمل کا وقت (اوسط) 13.24s ردِعمل کا وقت (کل) 304.46s ردِعمل کا وقت (زیادہ سے زیادہ) 78.80s غلط جواب: 3 کوئی جواب نہیں: 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 : 2.9 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#71#71	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
#290#290	Ling 3.0 Flashhigh	5.8	Inclusionai	$0.021 ↕	13.08s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 11 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 60.9% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 132,044 آؤٹ پٹ ٹوکنز 92,135 ریزننگ ٹوکنز 207,321 ردِعمل کا وقت (اوسط) 13.08s ردِعمل کا وقت (کل) 287.79s ردِعمل کا وقت (زیادہ سے زیادہ) 75.27s غلط جواب: 7 API خرابی: 2 غیر معتبر ٹول کال: 2 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 6.7 مشترکہ : 2.9 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#357#357	GLM 4.7 Flashnone	4.8	Z.ai	$0.027	13.04s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 18 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 29.0% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 255,363 آؤٹ پٹ ٹوکنز 27,395 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 13.04s ردِعمل کا وقت (کل) 221.61s ردِعمل کا وقت (زیادہ سے زیادہ) 97.15s غلط جواب: 15 غیر معتبر ٹول کال: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 5.2 کوڈنگ : 4.3 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.0 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 6.4 ٹول کالنگ : 2.8 معلومات عامہ : 3.0
#410#410	Hy3 previewnone	3.3	Tencent	$0.007 ↕	12.92s
ماڈل کارڈ دیکھیں کل ٹیسٹس 21 غلط ٹیسٹس 17 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 21.7% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 27,172 آؤٹ پٹ ٹوکنز 2,661 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 12.92s ردِعمل کا وقت (کل) 232.64s ردِعمل کا وقت (زیادہ سے زیادہ) 35.84s غلط جواب: 8 API خرابی: 4 ہدایات پر عمل نہیں کیا: 4 اضافی فارمیٹنگ: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 2.7 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.6 عمومی ذہانت : 4.1 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 3.1 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#246#246	Qwen3.6 27Bnone	6.3	Qwen	$0.148 ↓	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
#334#334	Mistral Small 4medium	5.1	Mistral	$0.126 ↑	12.68s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 18 اعتماد پذیری 9.7 فی کوشش کامیابی کی شرح 42.0% غیر مستحکم ٹیسٹ 8 ان پٹ ٹوکنز 321,955 آؤٹ پٹ ٹوکنز 41,555 ریزننگ ٹوکنز 94,946 ردِعمل کا وقت (اوسط) 12.68s ردِعمل کا وقت (کل) 291.66s ردِعمل کا وقت (زیادہ سے زیادہ) 59.15s غلط جواب: 14 ہدایات پر عمل نہیں کیا: 2 API خرابی: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 5.6 کوڈنگ : 4.4 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 5.9 عمومی ذہانت : 4.8 ہدایات کی پیروی : 7.3 پہیلی حل کرنا : 3.4 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#19#19	GPT-6 Solmedium	9.5	OpenAI	$0.703	12.12s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 2 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 94.2% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 194,520 آؤٹ پٹ ٹوکنز 5,396 ریزننگ ٹوکنز 25,991 ردِعمل کا وقت (اوسط) 12.12s ردِعمل کا وقت (کل) 278.70s ردِعمل کا وقت (زیادہ سے زیادہ) 82.74s غلط جواب: 2 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.2 مشترکہ : 10.0 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
#378#378	KAT Coder AIR V2.5default	4.4	Kwaipilot	$0.070	11.96s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 18 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 34.8% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 69,376 آؤٹ پٹ ٹوکنز 7,792 ریزننگ ٹوکنز 89,960 ردِعمل کا وقت (اوسط) 11.96s ردِعمل کا وقت (کل) 275.18s ردِعمل کا وقت (زیادہ سے زیادہ) 121.05s غلط جواب: 13 اضافی فارمیٹنگ: 3 API خرابی: 2 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 5.3 کوڈنگ : 3.3 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 6.3 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.0 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 2.9 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#370#370	Owl Alphamedium	4.6	Openrouter	$0.000	11.95s
ماڈل کارڈ دیکھیں کل ٹیسٹس 21 غلط ٹیسٹس 13 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 36.2% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 43,478 آؤٹ پٹ ٹوکنز 2,974 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 11.95s ردِعمل کا وقت (کل) 250.88s ردِعمل کا وقت (زیادہ سے زیادہ) 58.63s غلط جواب: 10 ہدایات پر عمل نہیں کیا: 2 API خرابی: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 5.4 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.3 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 5.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#48#48	Gemini 3.5 Flash Litehigh	9.0	Google	$0.624	11.92s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 5 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 84.1% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 244,529 آؤٹ پٹ ٹوکنز 6,784 ریزننگ ٹوکنز 213,142 ردِعمل کا وقت (اوسط) 11.92s ردِعمل کا وقت (کل) 274.14s ردِعمل کا وقت (زیادہ سے زیادہ) 53.09s غلط جواب: 5 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.4 مشترکہ : 9.9 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.6 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#23#23	GPT-5.5low	9.5	OpenAI	$1.822	11.91s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 3 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 87.0% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 177,939 آؤٹ پٹ ٹوکنز 6,283 ریزننگ ٹوکنز 24,782 ردِعمل کا وقت (اوسط) 11.91s ردِعمل کا وقت (کل) 273.82s ردِعمل کا وقت (زیادہ سے زیادہ) 56.19s غلط جواب: 3 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 : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#159#159	Claude Fable 5.1medium	7.3	Anthropic	$3.197	11.87s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 78.3% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 157,142 آؤٹ پٹ ٹوکنز 8,149 ریزننگ ٹوکنز 24,357 ردِعمل کا وقت (اوسط) 11.87s ردِعمل کا وقت (کل) 272.91s ردِعمل کا وقت (زیادہ سے زیادہ) 36.59s غلط جواب: 3 کوئی جواب نہیں: 2 API خرابی: 1 اضافی فارمیٹنگ: 1 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 8.2 کوڈنگ : 7.0 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 7.7 عمومی ذہانت : 10.0 ہدایات کی پیروی : 7.3 پہیلی حل کرنا : 7.6 ٹول کالنگ : 10.0 معلومات عامہ : 2.8
#213#213	GLM 5.3 Flashlow	6.6	Z.ai	$0.038	11.82s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 58.0% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 255,173 آؤٹ پٹ ٹوکنز 9,891 ریزننگ ٹوکنز 17,277 ردِعمل کا وقت (اوسط) 11.82s ردِعمل کا وقت (کل) 271.92s ردِعمل کا وقت (زیادہ سے زیادہ) 90.45s غلط جواب: 8 ہدایات پر عمل نہیں کیا: 2 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.7 کوڈنگ : 5.4 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.6 عمومی ذہانت : 5.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 7.8 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#64#64	Muse Spark 1.2low	8.7	Meta	$0.881	11.81s
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 254,914 آؤٹ پٹ ٹوکنز 10,303 ریزننگ ٹوکنز 121,928 ردِعمل کا وقت (اوسط) 11.81s ردِعمل کا وقت (کل) 271.60s ردِعمل کا وقت (زیادہ سے زیادہ) 56.77s غلط جواب: 4 ہدایات پر عمل نہیں کیا: 3 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 9.2 کوڈنگ : 8.4 مشترکہ : 9.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 8.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#119#119	Gemini 3.5 Flashmedium	7.9	Google	$1.316	11.78s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 5 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 81.2% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 296,760 آؤٹ پٹ ٹوکنز 4,371 ریزننگ ٹوکنز 92,284 ردِعمل کا وقت (اوسط) 11.78s ردِعمل کا وقت (کل) 271.03s ردِعمل کا وقت (زیادہ سے زیادہ) 84.47s غلط جواب: 3 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 2.8 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 7.9 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 10.0
#264#264	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
#215#215	GLM 5.2none	6.6	Z.ai	$0.250 ↑	11.27s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 10 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 63.8% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 247,919 آؤٹ پٹ ٹوکنز 17,685 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 11.27s ردِعمل کا وقت (کل) 259.32s ردِعمل کا وقت (زیادہ سے زیادہ) 79.65s غلط جواب: 8 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 3.7 مشترکہ : 6.9 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 7.7 عمومی ذہانت : 6.1 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#13#13	GPT-5.6 Sollow	9.6	OpenAI	$1.244	11.13s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 4 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 87.0% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 191,653 آؤٹ پٹ ٹوکنز 5,473 ریزننگ ٹوکنز 17,084 ردِعمل کا وقت (اوسط) 11.13s ردِعمل کا وقت (کل) 256.08s ردِعمل کا وقت (زیادہ سے زیادہ) 57.11s غلط جواب: 4 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 10.0 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 : 8.2 ٹول کالنگ : 10.0 معلومات عامہ : 10.0
#228#228	GLM 5.1none	6.5	Z.ai	$0.451 ↑	11.10s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 14 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 47.8% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 258,956 آؤٹ پٹ ٹوکنز 20,076 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 11.10s ردِعمل کا وقت (کل) 255.39s ردِعمل کا وقت (زیادہ سے زیادہ) 107.19s غلط جواب: 12 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 4.0 کوڈنگ : 3.9 مشترکہ : 2.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#234#234	Beam 1.0 501B A23Bmax	6.4	Reflection	$0.799	11.10s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 11 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 56.5% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 199,105 آؤٹ پٹ ٹوکنز 4,274 ریزننگ ٹوکنز 195,495 ردِعمل کا وقت (اوسط) 11.10s ردِعمل کا وقت (کل) 255.26s ردِعمل کا وقت (زیادہ سے زیادہ) 54.48s غلط جواب: 6 API خرابی: 3 ہدایات پر عمل نہیں کیا: 2 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.5 ہدایات کی پیروی : 8.4 پہیلی حل کرنا : 7.8 ٹول کالنگ : 3.0 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