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: 2026-09-23 جانچے گئے ماڈلز: 359

تجویز کردہ ماڈلز

GPT-6 Astra xhigh ذہین فی کوشش کامیابی کی شرح 97.0% درست ٹیسٹس 21 / 22 اسکور 9.9/10 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 $0.040 / 1M آؤٹ پٹ قیمت $0.640 / 1M اسکور 8.0/10

359/359

درجہ	ماڈل	اسکور	کمپنی	کل لاگت	ردِعمل کا وقت (اوسط)
#351#351	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
#326#326	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
#338#338	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
#339#339	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
#342#342	Mercury 2.5none	3.9	Inception	$0.016	2.45s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 20 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 25.8% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 123,740 آؤٹ پٹ ٹوکنز 71,143 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 2.45s ردِعمل کا وقت (کل) 53.83s ردِعمل کا وقت (زیادہ سے زیادہ) 36.48s غلط جواب: 14 ہدایات پر عمل نہیں کیا: 4 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 اینٹی اے آئی چالیں : 3.8 کوڈنگ : 3.7 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 2.8 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.3 ہدایات کی پیروی : 4.9 پہیلی حل کرنا : 3.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#353#353	Command A+high	3.0	Cohere	$0.000	86.95s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 22 اعتماد پذیری 0.0 فی کوشش کامیابی کی شرح 0.0% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 0 آؤٹ پٹ ٹوکنز 0 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 86.95s ردِعمل کا وقت (کل) 1913.01s ردِعمل کا وقت (زیادہ سے زیادہ) 114.87s API خرابی: 22 اینٹی اے آئی چالیں : 3.0 کوڈنگ : 3.0 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 3.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 3.0 ہدایات کی پیروی : 3.0 پہیلی حل کرنا : 3.0 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#354#354	Command A+low	3.0	Cohere	$0.000	90.86s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 22 اعتماد پذیری 0.0 فی کوشش کامیابی کی شرح 0.0% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 0 آؤٹ پٹ ٹوکنز 0 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 90.86s ردِعمل کا وقت (کل) 1998.86s ردِعمل کا وقت (زیادہ سے زیادہ) 116.28s API خرابی: 22 اینٹی اے آئی چالیں : 3.0 کوڈنگ : 3.0 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 3.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 3.0 ہدایات کی پیروی : 3.0 پہیلی حل کرنا : 3.0 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#355#355	Command A+medium	3.0	Cohere	$0.000	90.76s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 22 اعتماد پذیری 0.0 فی کوشش کامیابی کی شرح 0.0% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 0 آؤٹ پٹ ٹوکنز 0 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 90.76s ردِعمل کا وقت (کل) 1996.78s ردِعمل کا وقت (زیادہ سے زیادہ) 105.69s API خرابی: 22 اینٹی اے آئی چالیں : 3.0 کوڈنگ : 3.0 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 3.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 3.0 ہدایات کی پیروی : 3.0 پہیلی حل کرنا : 3.0 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#356#356	Command A+none	3.0	Cohere	$0.000	81.36s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 22 اعتماد پذیری 0.0 فی کوشش کامیابی کی شرح 0.0% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 0 آؤٹ پٹ ٹوکنز 0 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 81.36s ردِعمل کا وقت (کل) 1789.98s ردِعمل کا وقت (زیادہ سے زیادہ) 106.37s API خرابی: 22 اینٹی اے آئی چالیں : 3.0 کوڈنگ : 3.0 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 3.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 3.0 ہدایات کی پیروی : 3.0 پہیلی حل کرنا : 3.0 ٹول کالنگ : 3.0 معلومات عامہ : 3.0

←

1 14 15

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 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium