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: 305

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

305/305

درجہ	ماڈل	اسکور	کمپنی	کل لاگت	ردِعمل کا وقت (اوسط)
#305#305	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
#303#303	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
#279#279	Laguna S 2.1none	4.5	Poolside	$0.022 ↓	11.67s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 20 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 15.2% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 125,604 آؤٹ پٹ ٹوکنز 57,634 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 11.67s ردِعمل کا وقت (کل) 256.71s ردِعمل کا وقت (زیادہ سے زیادہ) 200.52s غلط جواب: 18 ہدایات پر عمل نہیں کیا: 1 کوئی جواب نہیں: 1 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
#291#291	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
#292#292	Granite 4.1 8Bnone	4.0	IBM Granite	$0.007	1.44s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 20 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 9.1% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 113,836 آؤٹ پٹ ٹوکنز 5,996 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 1.44s ردِعمل کا وقت (کل) 31.75s ردِعمل کا وقت (زیادہ سے زیادہ) 16.67s غلط جواب: 13 ہدایات پر عمل نہیں کیا: 4 غیر معتبر ٹول کال: 2 اضافی فارمیٹنگ: 1 اینٹی اے آئی چالیں : 4.9 کوڈنگ : 4.5 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 3.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.0 ہدایات کی پیروی : 3.6 پہیلی حل کرنا : 3.2 ٹول کالنگ : 10.0 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 3.7 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 Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow