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: 2026-10-19 جانچے گئے ماڈلز: 451

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

451/451

درجہ	ماڈل	اسکور	کمپنی	کل لاگت	ردِعمل کا وقت (اوسط)
#55#55	Muse Spark 1.2high	8.9	Meta	$2.018	28.15s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 75.4% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 277,967 آؤٹ پٹ ٹوکنز 9,240 ریزننگ ٹوکنز 383,606 ردِعمل کا وقت (اوسط) 28.15s ردِعمل کا وقت (کل) 647.40s ردِعمل کا وقت (زیادہ سے زیادہ) 192.00s غلط جواب: 4 ہدایات پر عمل نہیں کیا: 3 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 7.1 کوڈنگ : 10.0 مشترکہ : 8.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 4.1 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 8.2 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#82#82	Nemotron 3.5 Super VLhigh	8.4	NVIDIA	$0.349	49.88s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 82.6% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 296,001 آؤٹ پٹ ٹوکنز 8,105 ریزننگ ٹوکنز 600,178 ردِعمل کا وقت (اوسط) 49.88s ردِعمل کا وقت (کل) 1147.24s ردِعمل کا وقت (زیادہ سے زیادہ) 310.51s غلط جواب: 3 ہدایات پر عمل نہیں کیا: 2 کوئی جواب نہیں: 2 API خرابی: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.4 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 4.1 عمومی ذہانت : 6.5 ہدایات کی پیروی : 8.5 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#85#85	Muse Glimmer 30Bxhigh	8.4	Meta	$0.585 ↓	97.70s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 9 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 71.0% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 287,538 آؤٹ پٹ ٹوکنز 118,266 ریزننگ ٹوکنز 346,758 ردِعمل کا وقت (اوسط) 97.70s ردِعمل کا وقت (کل) 2247.18s ردِعمل کا وقت (زیادہ سے زیادہ) 576.79s غلط جواب: 4 کوئی جواب نہیں: 3 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 6.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 5.5 ہدایات کی پیروی : 8.4 پہیلی حل کرنا : 7.8 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#113#113	Gemini 3.8 Flashmedium	8.0	Google	$0.769	16.64s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 4 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 89.9% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 187,331 آؤٹ پٹ ٹوکنز 7,555 ریزننگ ٹوکنز 159,931 ردِعمل کا وقت (اوسط) 16.64s ردِعمل کا وقت (کل) 382.64s ردِعمل کا وقت (زیادہ سے زیادہ) 108.60s غلط جواب: 2 غیر معتبر ٹول کال: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 2.8 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.0 مشترکہ : 8.7 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 8.2 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 10.0
#120#120	Qwen3.7 Maxnone	7.9	Qwen	$0.451 ↓	7.85s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 69.6% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 243,553 آؤٹ پٹ ٹوکنز 20,670 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 7.85s ردِعمل کا وقت (کل) 180.65s ردِعمل کا وقت (زیادہ سے زیادہ) 80.34s غلط جواب: 7 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 5.5 مشترکہ : 6.5 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
#171#171	Gemini 3.8 Flashlow	7.2	Google	$0.323	7.54s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 81.2% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 215,836 آؤٹ پٹ ٹوکنز 9,452 ریزننگ ٹوکنز 33,289 ردِعمل کا وقت (اوسط) 7.54s ردِعمل کا وقت (کل) 173.36s ردِعمل کا وقت (زیادہ سے زیادہ) 67.18s غلط جواب: 6 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 5.4 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.8 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 10.0
#179#179	Qwen3.8 Flash Nextxhigh	7.1	Qwen	~$0.195	102.66s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 9 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 72.5% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 301,749 آؤٹ پٹ ٹوکنز 1,033 ریزننگ ٹوکنز 620,023 ردِعمل کا وقت (اوسط) 102.66s ردِعمل کا وقت (کل) 2361.10s ردِعمل کا وقت (زیادہ سے زیادہ) 674.08s غلط جواب: 6 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 4.7 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 7.4 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.5 عمومی ذہانت : 4.7 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#207#207	Solar Pro 4xhigh	6.7	Upstage	$0.067	142.76s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 11 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 58.0% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 150,033 آؤٹ پٹ ٹوکنز 22,347 ریزننگ ٹوکنز 402,143 ردِعمل کا وقت (اوسط) 142.76s ردِعمل کا وقت (کل) 3283.43s ردِعمل کا وقت (زیادہ سے زیادہ) 491.42s غلط جواب: 5 ہدایات پر عمل نہیں کیا: 3 کوئی جواب نہیں: 2 اضافی فارمیٹنگ: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 5.8 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.5 ہدایات کی پیروی : 8.4 پہیلی حل کرنا : 8.9 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#222#222	LongCat 2.0low	6.6	Meituan	$0.630 ↑	115.00s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 13 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 55.1% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 262,387 آؤٹ پٹ ٹوکنز 7,344 ریزننگ ٹوکنز 338,881 ردِعمل کا وقت (اوسط) 115.00s ردِعمل کا وقت (کل) 2645.11s ردِعمل کا وقت (زیادہ سے زیادہ) 560.39s غلط جواب: 8 API خرابی: 2 ہدایات پر عمل نہیں کیا: 1 کوئی جواب نہیں: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 6.6 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 6.3 ڈومین مخصوص : 2.9 عمومی ذہانت : 3.4 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 3.1 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#230#230	Mercury 2.5 Previewhigh	6.5	Inception	$0.040 ↑	7.61s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 11 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 65.2% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 298,512 آؤٹ پٹ ٹوکنز 3,178 ریزننگ ٹوکنز 177,419 ردِعمل کا وقت (اوسط) 7.61s ردِعمل کا وقت (کل) 175.08s ردِعمل کا وقت (زیادہ سے زیادہ) 86.84s غلط جواب: 6 ہدایات پر عمل نہیں کیا: 2 API خرابی: 1 غیر معتبر ٹول کال: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 6.7 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 5.1 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 10.0 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#241#241	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
#282#282	Apodex 1.1 Minimedium	6.0	Apodex	$0.000	32.68s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 68.1% غیر مستحکم ٹیسٹ 9 ان پٹ ٹوکنز 293,112 آؤٹ پٹ ٹوکنز 152,376 ریزننگ ٹوکنز 357,890 ردِعمل کا وقت (اوسط) 32.68s ردِعمل کا وقت (کل) 751.72s ردِعمل کا وقت (زیادہ سے زیادہ) 115.57s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 2 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 3.4 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 4.3 مشترکہ : 6.4 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 4.1 عمومی ذہانت : 5.1 ہدایات کی پیروی : 8.5 پہیلی حل کرنا : 8.2 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#290#290	Gemini 3.1 Flash Litenone	5.9	Google	$0.069	3.58s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 14 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 47.8% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 202,069 آؤٹ پٹ ٹوکنز 11,961 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 3.58s ردِعمل کا وقت (کل) 82.24s ردِعمل کا وقت (زیادہ سے زیادہ) 43.82s غلط جواب: 12 ہدایات پر عمل نہیں کیا: 1 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 : 2.9 عمومی ذہانت : 4.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 6.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#319#319	GPT-6 Lunanone	5.5	OpenAI	$0.026	20.48s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 16 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 40.6% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 222,357 آؤٹ پٹ ٹوکنز 6,855 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 20.48s ردِعمل کا وقت (کل) 470.96s ردِعمل کا وقت (زیادہ سے زیادہ) 98.62s غلط جواب: 13 API خرابی: 1 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 5.5 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.1 ہدایات کی پیروی : 6.2 پہیلی حل کرنا : 5.4 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#334#334	Qwen3.6 Max Previewnone	5.3	Qwen	$0.228 ↓	7.82s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 11 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 53.6% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 106,348 آؤٹ پٹ ٹوکنز 19,257 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 7.82s ردِعمل کا وقت (کل) 172.04s ردِعمل کا وقت (زیادہ سے زیادہ) 102.62s غلط جواب: 11 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 5.2 کوڈنگ : 3.8 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.3 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#350#350	Mercury 2.5 Previewlow	5.0	Inception	$0.015 ↑	4.92s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 17 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 44.9% غیر مستحکم ٹیسٹ 8 ان پٹ ٹوکنز 235,438 آؤٹ پٹ ٹوکنز 8,136 ریزننگ ٹوکنز 28,734 ردِعمل کا وقت (اوسط) 4.92s ردِعمل کا وقت (کل) 113.24s ردِعمل کا وقت (زیادہ سے زیادہ) 84.47s غلط جواب: 13 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 : 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
#354#354	KAT Coder AIR V2.5low	5.0	Kwaipilot	$0.046	10.21s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 16 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 42.0% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 61,094 آؤٹ پٹ ٹوکنز 6,532 ریزننگ ٹوکنز 53,882 ردِعمل کا وقت (اوسط) 10.21s ردِعمل کا وقت (کل) 234.86s ردِعمل کا وقت (زیادہ سے زیادہ) 86.23s غلط جواب: 7 اضافی فارمیٹنگ: 4 API خرابی: 3 ہدایات پر عمل نہیں کیا: 2 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 7.3 کوڈنگ : 3.5 مشترکہ : 6.4 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 3.1 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#367#367	Mercury 2.5 Previewdefault	4.7	Inception	$0.023 ↑	7.05s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 19 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 29.0% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 250,541 آؤٹ پٹ ٹوکنز 86,367 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 7.05s ردِعمل کا وقت (کل) 162.25s ردِعمل کا وقت (زیادہ سے زیادہ) 84.96s غلط جواب: 16 غیر معتبر ٹول کال: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 3.9 اینٹی اے آئی چالیں : 3.8 کوڈنگ : 4.7 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 6.3 ڈومین مخصوص : 3.6 عمومی ذہانت : 5.0 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 5.6 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#37#37	Qwen3.8 Max (0902)high	9.1	Qwen	$3.306	186.06s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 5 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 87.0% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 328,637 آؤٹ پٹ ٹوکنز 8,619 ریزننگ ٹوکنز 432,733 ردِعمل کا وقت (اوسط) 186.06s ردِعمل کا وقت (کل) 4279.49s ردِعمل کا وقت (زیادہ سے زیادہ) 912.78s غلط جواب: 2 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 8.7 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.9 عمومی ذہانت : 6.5 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#62#62	Muse Spark Openmedium	8.8	Meta	$1.260	77.44s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 78.3% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 256,646 آؤٹ پٹ ٹوکنز 10,490 ریزننگ ٹوکنز 210,325 ردِعمل کا وقت (اوسط) 77.44s ردِعمل کا وقت (کل) 1781.16s ردِعمل کا وقت (زیادہ سے زیادہ) 643.19s غلط جواب: 3 ہدایات پر عمل نہیں کیا: 2 اضافی فارمیٹنگ: 1 کوئی جواب نہیں: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 6.9 کوڈنگ : 8.2 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.9 عمومی ذہانت : 10.0 ہدایات کی پیروی : 7.3 پہیلی حل کرنا : 8.4 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#86#86	Gemini 3.1 Pro Previewmedium	8.4	Google	$1.585	22.71s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 3 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 89.9% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 176,208 آؤٹ پٹ ٹوکنز 6,093 ریزننگ ٹوکنز 96,598 ردِعمل کا وقت (اوسط) 22.71s ردِعمل کا وقت (کل) 386.11s ردِعمل کا وقت (زیادہ سے زیادہ) 88.68s غلط جواب: 2 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 4.7 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 7.9 مشترکہ : 9.8 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
#99#99	Gemini 4 Argonlow	8.2	Google	$0.438	5.72s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 79.7% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 188,162 آؤٹ پٹ ٹوکنز 6,097 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 5.72s ردِعمل کا وقت (کل) 131.67s ردِعمل کا وقت (زیادہ سے زیادہ) 60.87s غلط جواب: 5 API خرابی: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.7 کوڈنگ : 10.0 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 8.7 ٹول کالنگ : 4.7 معلومات عامہ : 3.0
#111#111	Nemotron 3 Ultramedium	8.0	NVIDIA	$0.674 ↕	40.33s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 9 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 68.1% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 482,754 آؤٹ پٹ ٹوکنز 62,455 ریزننگ ٹوکنز 141,067 ردِعمل کا وقت (اوسط) 40.33s ردِعمل کا وقت (کل) 927.65s ردِعمل کا وقت (زیادہ سے زیادہ) 392.56s غلط جواب: 7 API خرابی: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.4 مشترکہ : 6.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.6 عمومی ذہانت : 3.7 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 5.5 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#125#125	Ling 3.1 Flashhigh	7.9	Inclusionai	$0.000	87.39s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 69.6% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 324,691 آؤٹ پٹ ٹوکنز 181,251 ریزننگ ٹوکنز 506,441 ردِعمل کا وقت (اوسط) 87.39s ردِعمل کا وقت (کل) 2010.08s ردِعمل کا وقت (زیادہ سے زیادہ) 665.85s کوئی جواب نہیں: 4 غلط جواب: 2 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.2 مشترکہ : 6.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 3.9 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 2.8 معلومات عامہ : 3.0
#137#137	Nemotron 3.5 Super VLmedium	7.7	NVIDIA	$0.437	84.94s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 9 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 72.5% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 269,143 آؤٹ پٹ ٹوکنز 6,833 ریزننگ ٹوکنز 785,200 ردِعمل کا وقت (اوسط) 84.94s ردِعمل کا وقت (کل) 1953.70s ردِعمل کا وقت (زیادہ سے زیادہ) 527.47s غلط جواب: 4 کوئی جواب نہیں: 3 API خرابی: 1 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 5.9 مشترکہ : 6.4 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.6 عمومی ذہانت : 6.5 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 8.2 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