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: 2026-09-02 جانچے گئے ماڈلز: 311

تجویز کردہ ماڈلز

GPT-5.6 Sol high ذہین فی کوشش کامیابی کی شرح 89.4% درست ٹیسٹس 18 / 22 اسکور 9.4/10 GPT-5.6 Luna medium تیز ردِعمل کا وقت (اوسط) 7.43s کل آؤٹ پٹ ٹوکنز 44,525 اسکور 7.4/10 DeepSeek V4 Flash 0731 high کم قیمت ان پٹ قیمت $0.065 / 1M آؤٹ پٹ قیمت $0.180 / 1M اسکور 8.0/10

311/311

درجہ	ماڈل	اسکور	کمپنی	کل لاگت	ردِعمل کا وقت (اوسط)
#277#277	Hunter Alphamedium	4.7	OpenRouter	$0.000	10.33s
ماڈل کارڈ دیکھیں کل ٹیسٹس 18 غلط ٹیسٹس 10 اعتماد پذیری دستیاب نہیں فی کوشش کامیابی کی شرح 53.0% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 28,927 آؤٹ پٹ ٹوکنز 4,682 ریزننگ ٹوکنز 17,969 ردِعمل کا وقت (اوسط) 10.33s ردِعمل کا وقت (کل) 175.58s ردِعمل کا وقت (زیادہ سے زیادہ) 30.53s غلط جواب: 4 ہدایات پر عمل نہیں کیا: 2 ٹائم آؤٹ: 2 API خرابی: 1 اضافی فارمیٹنگ: 1 اینٹی اے آئی چالیں : 7.3 کوڈنگ : 9.8 مشترکہ : 2.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 7.0 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 6.1 ٹول کالنگ : 10.0 معلومات عامہ : 0.0
#280#280	Cobuddymedium	4.7	Baidu	$0.000	39.90s
ماڈل کارڈ دیکھیں کل ٹیسٹس 21 غلط ٹیسٹس 14 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 45.5% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 37,449 آؤٹ پٹ ٹوکنز 1,677 ریزننگ ٹوکنز 116,703 ردِعمل کا وقت (اوسط) 39.90s ردِعمل کا وقت (کل) 797.98s ردِعمل کا وقت (زیادہ سے زیادہ) 309.02s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 3 API خرابی: 1 غیر معتبر ٹول کال: 1 اینٹی اے آئی چالیں : 8.7 کوڈنگ : 3.7 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 6.3 ڈومین مخصوص : 2.9 عمومی ذہانت : 4.2 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 3.6 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#288#288	Elephant Alphanone	4.3	Openrouter	$0.000	1.22s
ماڈل کارڈ دیکھیں کل ٹیسٹس 21 غلط ٹیسٹس 16 اعتماد پذیری دستیاب نہیں فی کوشش کامیابی کی شرح 25.8% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 33,743 آؤٹ پٹ ٹوکنز 2,573 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 1.22s ردِعمل کا وقت (کل) 22.03s ردِعمل کا وقت (زیادہ سے زیادہ) 3.81s غلط جواب: 9 API خرابی: 3 ہدایات پر عمل نہیں کیا: 3 غیر معتبر ٹول کال: 1 اینٹی اے آئی چالیں : 6.6 کوڈنگ : 4.2 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 4.2 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#290#290	Elephant Alphamedium	4.3	Openrouter	$0.000	1.27s
ماڈل کارڈ دیکھیں کل ٹیسٹس 21 غلط ٹیسٹس 15 اعتماد پذیری دستیاب نہیں فی کوشش کامیابی کی شرح 28.8% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 33,744 آؤٹ پٹ ٹوکنز 2,596 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 1.27s ردِعمل کا وقت (کل) 22.82s ردِعمل کا وقت (زیادہ سے زیادہ) 3.70s غلط جواب: 9 API خرابی: 3 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 1 اینٹی اے آئی چالیں : 6.6 کوڈنگ : 3.7 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.3 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 5.3 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#292#292	Hunter Alphanone	4.2	OpenRouter	$0.000	4.70s
ماڈل کارڈ دیکھیں کل ٹیسٹس 18 غلط ٹیسٹس 12 اعتماد پذیری دستیاب نہیں فی کوشش کامیابی کی شرح 37.9% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 34,329 آؤٹ پٹ ٹوکنز 2,264 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 4.70s ردِعمل کا وقت (کل) 79.86s ردِعمل کا وقت (زیادہ سے زیادہ) 15.17s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 2 API خرابی: 1 اینٹی اے آئی چالیں : 3.5 کوڈنگ : 9.8 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 6.1 ہدایات کی پیروی : 6.4 پہیلی حل کرنا : 5.8 ٹول کالنگ : 10.0 معلومات عامہ : 0.0
#297#297	Ling 3.0 Tinynone	4.0	Inclusionai	$0.000	14.02s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 20 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 9.1% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 184,579 آؤٹ پٹ ٹوکنز 110,071 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 14.02s ردِعمل کا وقت (کل) 294.46s ردِعمل کا وقت (زیادہ سے زیادہ) 240.61s غلط جواب: 13 ہدایات پر عمل نہیں کیا: 4 API خرابی: 1 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 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
#301#301	Ling 3.0 Tinyhigh	3.8	Inclusionai	$0.000	75.68s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 18 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 24.2% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 115,314 آؤٹ پٹ ٹوکنز 133,965 ریزننگ ٹوکنز 816,718 ردِعمل کا وقت (اوسط) 75.68s ردِعمل کا وقت (کل) 1589.20s ردِعمل کا وقت (زیادہ سے زیادہ) 345.15s کوئی جواب نہیں: 7 غلط جواب: 6 ہدایات پر عمل نہیں کیا: 3 API خرابی: 1 غیر معتبر ٹول کال: 1 اینٹی اے آئی چالیں : 6.4 کوڈنگ : 2.9 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 2.8 ڈومین مخصوص : 2.9 عمومی ذہانت : 5.4 ہدایات کی پیروی : 6.8 پہیلی حل کرنا : 3.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#302#302	Ling 3.0 Tinylow	3.8	Inclusionai	$0.000	66.16s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 18 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 19.7% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 99,662 آؤٹ پٹ ٹوکنز 146,555 ریزننگ ٹوکنز 732,977 ردِعمل کا وقت (اوسط) 66.16s ردِعمل کا وقت (کل) 1389.33s ردِعمل کا وقت (زیادہ سے زیادہ) 252.08s کوئی جواب نہیں: 7 غلط جواب: 5 ہدایات پر عمل نہیں کیا: 4 API خرابی: 1 غیر معتبر ٹول کال: 1 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 2.9 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 2.8 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.1 ہدایات کی پیروی : 6.6 پہیلی حل کرنا : 3.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#305#305	Ling 3.0 Tinymedium	3.8	Inclusionai	$0.000	68.08s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 18 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 24.2% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 103,898 آؤٹ پٹ ٹوکنز 148,304 ریزننگ ٹوکنز 774,972 ردِعمل کا وقت (اوسط) 68.08s ردِعمل کا وقت (کل) 1429.66s ردِعمل کا وقت (زیادہ سے زیادہ) 262.20s کوئی جواب نہیں: 7 غلط جواب: 5 ہدایات پر عمل نہیں کیا: 4 API خرابی: 1 غیر معتبر ٹول کال: 1 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 2.9 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 2.7 ڈومین مخصوص : 3.0 عمومی ذہانت : 3.8 ہدایات کی پیروی : 6.8 پہیلی حل کرنا : 3.6 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#308#308	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.4	NVIDIA	$0.000	17.13s
ماڈل کارڈ دیکھیں کل ٹیسٹس 19 غلط ٹیسٹس 15 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 27.3% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 11,661 آؤٹ پٹ ٹوکنز 48,491 ریزننگ ٹوکنز 180,695 ردِعمل کا وقت (اوسط) 17.13s ردِعمل کا وقت (کل) 222.66s ردِعمل کا وقت (زیادہ سے زیادہ) 147.45s غلط جواب: 7 API خرابی: 6 ہدایات پر عمل نہیں کیا: 1 کوئی جواب نہیں: 1 اینٹی اے آئی چالیں : 6.4 کوڈنگ : 1.1 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 2.9 عمومی ذہانت : 3.0 ہدایات کی پیروی : 7.3 پہیلی حل کرنا : 2.9 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#309#309	Nemotron 3 Nano Omni 30b A3b Reasoningnone	3.2	NVIDIA	$0.000	728ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 19 غلط ٹیسٹس 17 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 15.2% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 11,661 آؤٹ پٹ ٹوکنز 1,302 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 728ms ردِعمل کا وقت (کل) 9.47s ردِعمل کا وقت (زیادہ سے زیادہ) 2.21s غلط جواب: 9 API خرابی: 6 ہدایات پر عمل نہیں کیا: 2 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 3.3 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 3.8 ڈومین مخصوص : 3.6 عمومی ذہانت : 3.0 ہدایات کی پیروی : 4.8 پہیلی حل کرنا : 3.0 ٹول کالنگ : 3.0 معلومات عامہ : 3.0

←

1 12 13

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 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium