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: 2026-09-03 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)
#260#260	Mercury 2.5 Previewlow	5.0	Inception	$0.011	1.31s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 16 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 47.0% غیر مستحکم ٹیسٹ 8 ان پٹ ٹوکنز 133,525 آؤٹ پٹ ٹوکنز 7,259 ریزننگ ٹوکنز 24,716 ردِعمل کا وقت (اوسط) 1.31s ردِعمل کا وقت (کل) 28.77s ردِعمل کا وقت (زیادہ سے زیادہ) 7.29s غلط جواب: 12 ہدایات پر عمل نہیں کیا: 2 API خرابی: 1 کوئی جواب نہیں: 1 اینٹی اے آئی چالیں : 5.6 کوڈنگ : 5.5 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 6.3 ڈومین مخصوص : 4.1 عمومی ذہانت : 5.0 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 8.2 ٹول کالنگ : 2.8 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
#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
#299#299	Nemotron 3.5 Lightningnone	4.0	NVIDIA	$0.007 ↕	1.21s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 19 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 16.7% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 74,074 آؤٹ پٹ ٹوکنز 2,731 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 1.21s ردِعمل کا وقت (کل) 26.62s ردِعمل کا وقت (زیادہ سے زیادہ) 6.30s غلط جواب: 16 غیر معتبر ٹول کال: 2 ہدایات پر عمل نہیں کیا: 1 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 3.1 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.4 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 3.1 ٹول کالنگ : 2.8 معلومات عامہ : 3.0
#251#251	Mistral Small 4none	5.1	Mistral	$0.022	1.20s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 17 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 25.8% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 104,717 آؤٹ پٹ ٹوکنز 9,812 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 1.20s ردِعمل کا وقت (کل) 26.41s ردِعمل کا وقت (زیادہ سے زیادہ) 13.16s غلط جواب: 16 ہدایات پر عمل نہیں کیا: 1 اینٹی اے آئی چالیں : 3.4 کوڈنگ : 3.7 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.0 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 3.1 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#286#286	Grok 4.20 Betanone	4.4	X AI	$0.087 ↓	1.19s
ماڈل کارڈ دیکھیں کل ٹیسٹس 18 غلط ٹیسٹس 12 اعتماد پذیری دستیاب نہیں فی کوشش کامیابی کی شرح 30.3% 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 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
#293#293	Grok 4.20none	4.1	X AI	$0.057 ↓	1.11s
ماڈل کارڈ دیکھیں کل ٹیسٹس 18 غلط ٹیسٹس 12 اعتماد پذیری دستیاب نہیں فی کوشش کامیابی کی شرح 27.3% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 41,313 آؤٹ پٹ ٹوکنز 1,923 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 1.11s ردِعمل کا وقت (کل) 19.96s ردِعمل کا وقت (زیادہ سے زیادہ) 6.04s غلط جواب: 10 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 1.1 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.8 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 5.3 ٹول کالنگ : 10.0 معلومات عامہ : 0.0
#281#281	Mercury 2none	4.7	Inception	$0.030	825ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 18 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 24.2% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 89,637 آؤٹ پٹ ٹوکنز 9,584 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 825ms ردِعمل کا وقت (کل) 18.14s ردِعمل کا وقت (زیادہ سے زیادہ) 4.52s غلط جواب: 17 ہدایات پر عمل نہیں کیا: 1 اینٹی اے آئی چالیں : 3.0 کوڈنگ : 3.4 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 5.9 عمومی ذہانت : 4.8 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 3.1 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#306#306	Laguna Xs.2none	3.8	Poolside	$0.004 ↕	806ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 19 غلط ٹیسٹس 14 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 22.7% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 33,675 آؤٹ پٹ ٹوکنز 2,826 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 806ms ردِعمل کا وقت (کل) 12.09s ردِعمل کا وقت (زیادہ سے زیادہ) 2.01s غلط جواب: 8 API خرابی: 4 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 اینٹی اے آئی چالیں : 3.0 کوڈنگ : 8.3 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 3.0 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 5.3 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#311#311	LFM2-24B-A2Bnone	2.2	Liquid	$0.001	782ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 16 غلط ٹیسٹس 14 اعتماد پذیری دستیاب نہیں فی کوشش کامیابی کی شرح 12.1% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 10,771 آؤٹ پٹ ٹوکنز 1,173 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 782ms ردِعمل کا وقت (کل) 10.94s ردِعمل کا وقت (زیادہ سے زیادہ) 3.15s غلط جواب: 9 API خرابی: 4 ہدایات پر عمل نہیں کیا: 1 اینٹی اے آئی چالیں : 2.5 کوڈنگ : 0.0 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 3.0 ڈومین مخصوص : 5.9 عمومی ذہانت : 4.0 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 3.8 ٹول کالنگ : 3.0 معلومات عامہ : 0.0
#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