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)
#69#69	GPT-6 Sollow	8.7	OpenAI	$0.477	8.72s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 5 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 87.0% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 172,359 آؤٹ پٹ ٹوکنز 5,026 ریزننگ ٹوکنز 8,185 ردِعمل کا وقت (اوسط) 8.72s ردِعمل کا وقت (کل) 200.61s ردِعمل کا وقت (زیادہ سے زیادہ) 48.43s غلط جواب: 5 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 6.2 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
#164#164	Gemini 3.5 Flash Litemedium	7.3	Google	$0.440	8.68s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 9 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 76.8% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 388,307 آؤٹ پٹ ٹوکنز 10,412 ریزننگ ٹوکنز 118,802 ردِعمل کا وقت (اوسط) 8.68s ردِعمل کا وقت (کل) 199.65s ردِعمل کا وقت (زیادہ سے زیادہ) 86.92s غلط جواب: 6 غیر معتبر ٹول کال: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 4.7 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 7.9 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 4.1 عمومی ذہانت : 4.7 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 8.2 ٹول کالنگ : 10.0 معلومات عامہ : 2.8
#284#284	Claude Sonnet 5none	5.9	Anthropic	$1.095	8.60s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 16 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 40.6% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 393,560 آؤٹ پٹ ٹوکنز 30,466 ریزننگ ٹوکنز 311 ردِعمل کا وقت (اوسط) 8.60s ردِعمل کا وقت (کل) 197.73s ردِعمل کا وقت (زیادہ سے زیادہ) 64.73s غلط جواب: 9 اضافی فارمیٹنگ: 4 کوئی جواب نہیں: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 4.7 اینٹی اے آئی چالیں : 5.3 کوڈنگ : 4.6 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 4.7 ہدایات کی پیروی : 6.4 پہیلی حل کرنا : 6.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#188#188	Gemini 3 Flash Previewlow	6.9	Google	$0.254	8.51s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 72.5% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 251,677 آؤٹ پٹ ٹوکنز 11,196 ریزننگ ٹوکنز 31,204 ردِعمل کا وقت (اوسط) 8.51s ردِعمل کا وقت (کل) 195.76s ردِعمل کا وقت (زیادہ سے زیادہ) 52.64s غلط جواب: 7 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 5.8 مشترکہ : 3.0 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 : 10.0
#244#244	LongCat 2.0none	6.4	Meituan	$0.104	8.50s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 42.0% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 276,199 آؤٹ پٹ ٹوکنز 17,473 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 8.50s ردِعمل کا وقت (کل) 195.60s ردِعمل کا وقت (زیادہ سے زیادہ) 81.77s غلط جواب: 13 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 5.5 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.0 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 4.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#327#327	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.105 ↑	8.43s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 19 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 29.0% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 272,479 آؤٹ پٹ ٹوکنز 40,677 ریزننگ ٹوکنز 23,104 ردِعمل کا وقت (اوسط) 8.43s ردِعمل کا وقت (کل) 176.93s ردِعمل کا وقت (زیادہ سے زیادہ) 65.61s غلط جواب: 13 API خرابی: 2 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.2 اینٹی اے آئی چالیں : 3.6 کوڈنگ : 5.5 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 4.4 ہدایات کی پیروی : 6.2 پہیلی حل کرنا : 3.2 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#337#337	KAT Coder AIR V2.5medium	5.1	Kwaipilot	$0.048	8.32s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 43.5% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 51,369 آؤٹ پٹ ٹوکنز 8,008 ریزننگ ٹوکنز 58,568 ردِعمل کا وقت (اوسط) 8.32s ردِعمل کا وقت (کل) 191.40s ردِعمل کا وقت (زیادہ سے زیادہ) 48.19s غلط جواب: 10 API خرابی: 2 اضافی فارمیٹنگ: 1 ہدایات پر عمل نہیں کیا: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 8.7 کوڈنگ : 3.6 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 3.6 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#351#351	Ling 2.6 1tdefault	4.9	Inclusionai	$0.016 ↑	8.16s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 19 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 17.4% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 106,423 آؤٹ پٹ ٹوکنز 11,555 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 8.16s ردِعمل کا وقت (کل) 163.24s ردِعمل کا وقت (زیادہ سے زیادہ) 25.72s غلط جواب: 12 API خرابی: 4 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 3.4 کوڈنگ : 3.8 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.0 ہدایات کی پیروی : 6.4 پہیلی حل کرنا : 3.1 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#18#18	Gemini 3.7 Flashmedium	9.5	Google	$0.278	8.16s
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 202,347 آؤٹ پٹ ٹوکنز 6,660 ریزننگ ٹوکنز 68,002 ردِعمل کا وقت (اوسط) 8.16s ردِعمل کا وقت (کل) 187.58s ردِعمل کا وقت (زیادہ سے زیادہ) 58.39s غلط جواب: 2 خودمختار ایجنٹ کے کام : 10.0 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 : 10.0
#301#301	Solar Pro 4none	5.6	Upstage	$0.022	8.14s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 16 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 31.9% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 305,664 آؤٹ پٹ ٹوکنز 13,249 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 8.14s ردِعمل کا وقت (کل) 187.23s ردِعمل کا وقت (زیادہ سے زیادہ) 69.17s غلط جواب: 14 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 : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 5.0 ہدایات کی پیروی : 6.4 پہیلی حل کرنا : 5.4 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#222#222	Claude Sonnet 5.5medium	6.5	Anthropic	$1.100	8.03s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 14 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 40.6% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 361,183 آؤٹ پٹ ٹوکنز 26,609 ریزننگ ٹوکنز 11,139 ردِعمل کا وقت (اوسط) 8.03s ردِعمل کا وقت (کل) 184.80s ردِعمل کا وقت (زیادہ سے زیادہ) 51.18s اضافی فارمیٹنگ: 8 ہدایات پر عمل نہیں کیا: 3 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 غلط جواب: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 3.4 مشترکہ : 8.5 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.1 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#118#118	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
#45#45	Gemini 3.5 Flashlow	9.0	Google	$0.752	7.85s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 4 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 85.5% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 244,533 آؤٹ پٹ ٹوکنز 3,450 ریزننگ ٹوکنز 39,280 ردِعمل کا وقت (اوسط) 7.85s ردِعمل کا وقت (کل) 180.45s ردِعمل کا وقت (زیادہ سے زیادہ) 53.74s غلط جواب: 3 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 7.8 مشترکہ : 8.2 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 : 10.0
#325#325	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
#339#339	Apodex 1.1 Minidefault	5.1	Apodex	$0.000	7.79s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 20 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 29.0% غیر مستحکم ٹیسٹ 8 ان پٹ ٹوکنز 465,127 آؤٹ پٹ ٹوکنز 72,309 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 7.79s ردِعمل کا وقت (کل) 179.09s ردِعمل کا وقت (زیادہ سے زیادہ) 121.52s غلط جواب: 16 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 2 خودمختار ایجنٹ کے کام : 5.2 اینٹی اے آئی چالیں : 3.4 کوڈنگ : 3.8 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 5.4 ہدایات کی پیروی : 4.9 پہیلی حل کرنا : 3.1 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#239#239	Mercury 2.5medium	6.4	Inception	$0.034	7.74s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 11 اعتماد پذیری 9.7 فی کوشش کامیابی کی شرح 63.8% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 317,982 آؤٹ پٹ ٹوکنز 3,918 ریزننگ ٹوکنز 135,028 ردِعمل کا وقت (اوسط) 7.74s ردِعمل کا وقت (کل) 178.07s ردِعمل کا وقت (زیادہ سے زیادہ) 107.89s غلط جواب: 9 API خرابی: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 4.7 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 5.0 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.6 عمومی ذہانت : 4.4 ہدایات کی پیروی : 6.4 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#43#43	Muse Wonderminimal	9.1	Meta	$1.639	7.72s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 6 اعتماد پذیری 9.7 فی کوشش کامیابی کی شرح 76.8% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 238,532 آؤٹ پٹ ٹوکنز 9,812 ریزننگ ٹوکنز 24,412 ردِعمل کا وقت (اوسط) 7.72s ردِعمل کا وقت (کل) 177.57s ردِعمل کا وقت (زیادہ سے زیادہ) 42.89s API خرابی: 3 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 : 6.5 پہیلی حل کرنا : 5.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#135#135	Claude Haiku 5.5medium	7.7	Anthropic	$0.063	7.71s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 10 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 71.0% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 298,334 آؤٹ پٹ ٹوکنز 10,328 ریزننگ ٹوکنز 55,846 ردِعمل کا وقت (اوسط) 7.71s ردِعمل کا وقت (کل) 177.29s ردِعمل کا وقت (زیادہ سے زیادہ) 47.70s غلط جواب: 5 اضافی فارمیٹنگ: 2 ہدایات پر عمل نہیں کیا: 2 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.7 کوڈنگ : 6.3 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 3.8 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#275#275	Claude Sonnet 4.6none	6.0	Anthropic	$0.661	7.67s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 10 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 55.1% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 123,273 آؤٹ پٹ ٹوکنز 19,362 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 7.67s ردِعمل کا وقت (کل) 122.78s ردِعمل کا وقت (زیادہ سے زیادہ) 51.18s غلط جواب: 5 اضافی فارمیٹنگ: 4 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 5.5 مشترکہ : 9.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 7.7 عمومی ذہانت : 6.1 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#283#283	Qwen3.6 Flashnone	5.9	Qwen	$0.139 ↓	7.63s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 16 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 33.3% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 388,929 آؤٹ پٹ ٹوکنز 57,714 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 7.63s ردِعمل کا وقت (کل) 175.42s ردِعمل کا وقت (زیادہ سے زیادہ) 93.47s غلط جواب: 13 غیر معتبر ٹول کال: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 3.1 کوڈنگ : 5.4 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 3.5 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#225#225	Mercury 2.5high	6.5	Inception	$0.044	7.62s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 11 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 59.4% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 358,562 آؤٹ پٹ ٹوکنز 4,266 ریزننگ ٹوکنز 189,410 ردِعمل کا وقت (اوسط) 7.62s ردِعمل کا وقت (کل) 175.36s ردِعمل کا وقت (زیادہ سے زیادہ) 80.30s غلط جواب: 9 API خرابی: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 3.9 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 6.4 مشترکہ : 6.4 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 5.0 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 8.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#224#224	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
#113#113	GPT-5.6 Terralow	7.9	OpenAI	$0.435 ↓	7.58s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 9 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 75.4% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 176,890 آؤٹ پٹ ٹوکنز 5,688 ریزننگ ٹوکنز 18,525 ردِعمل کا وقت (اوسط) 7.58s ردِعمل کا وقت (کل) 174.39s ردِعمل کا وقت (زیادہ سے زیادہ) 54.57s غلط جواب: 8 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 6.6 مشترکہ : 8.7 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.8 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 4.7 معلومات عامہ : 3.0
#168#168	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
#195#195	Claude Opus 4.8none	6.9	Anthropic	$2.334	7.54s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 10 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 60.9% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 345,059 آؤٹ پٹ ٹوکنز 24,343 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 7.54s ردِعمل کا وقت (کل) 173.31s ردِعمل کا وقت (زیادہ سے زیادہ) 65.07s غلط جواب: 5 اضافی فارمیٹنگ: 3 ہدایات پر عمل نہیں کیا: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 5.5 مشترکہ : 9.8 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 7.7 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