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)
#304#304	Mistral Large 4none	5.7	Mistral	$0.290	20.43s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 17 اعتماد پذیری 9.7 فی کوشش کامیابی کی شرح 31.9% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 257,872 آؤٹ پٹ ٹوکنز 54,388 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 20.43s ردِعمل کا وقت (کل) 469.88s ردِعمل کا وقت (زیادہ سے زیادہ) 192.80s غلط جواب: 15 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 3.6 کوڈنگ : 4.7 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.3 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 7.9 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#311#311	Step 5 Previewlow	5.6	Stepfun	$4.110	138.27s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 13 اعتماد پذیری 9.7 فی کوشش کامیابی کی شرح 58.0% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 261,256 آؤٹ پٹ ٹوکنز 1,425,268 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 138.27s ردِعمل کا وقت (کل) 3180.10s ردِعمل کا وقت (زیادہ سے زیادہ) 436.56s کوئی جواب نہیں: 7 API خرابی: 2 غلط جواب: 2 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.4 اینٹی اے آئی چالیں : 6.9 کوڈنگ : 2.7 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.6 عمومی ذہانت : 3.5 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 7.6 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#314#314	Nemotron 3.5 Super VLnone	5.5	NVIDIA	$0.040	46.97s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 9.7 فی کوشش کامیابی کی شرح 43.5% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 251,253 آؤٹ پٹ ٹوکنز 3,892 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 46.97s ردِعمل کا وقت (کل) 1080.29s ردِعمل کا وقت (زیادہ سے زیادہ) 872.07s غلط جواب: 11 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 3.6 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.9 عمومی ذہانت : 5.1 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 4.6 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#343#343	Mistral Small 4medium	5.1	Mistral	$0.126 ↑	12.68s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 18 اعتماد پذیری 9.7 فی کوشش کامیابی کی شرح 42.0% غیر مستحکم ٹیسٹ 8 ان پٹ ٹوکنز 321,955 آؤٹ پٹ ٹوکنز 41,555 ریزننگ ٹوکنز 94,946 ردِعمل کا وقت (اوسط) 12.68s ردِعمل کا وقت (کل) 291.66s ردِعمل کا وقت (زیادہ سے زیادہ) 59.15s غلط جواب: 14 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 : 4.4 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 5.9 عمومی ذہانت : 4.8 ہدایات کی پیروی : 7.3 پہیلی حل کرنا : 3.4 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#5#5	GPT-6 Astramax	9.9	OpenAI	$5.044	61.63s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 1 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 95.7% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 181,223 آؤٹ پٹ ٹوکنز 5,707 ریزننگ ٹوکنز 58,909 ردِعمل کا وقت (اوسط) 61.63s ردِعمل کا وقت (کل) 1417.51s ردِعمل کا وقت (زیادہ سے زیادہ) 960.01s ٹائم آؤٹ: 1 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 : 7.7 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 10.0
#45#45	Muse Spark Openxhigh	9.0	Meta	$2.081	92.38s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 81.2% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 271,242 آؤٹ پٹ ٹوکنز 11,803 ریزننگ ٹوکنز 397,838 ردِعمل کا وقت (اوسط) 92.38s ردِعمل کا وقت (کل) 2124.67s ردِعمل کا وقت (زیادہ سے زیادہ) 482.30s API خرابی: 2 غلط جواب: 2 اضافی فارمیٹنگ: 1 کوئی جواب نہیں: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.7 کوڈنگ : 10.0 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 6.5 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 8.2 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#64#64	DeepSeek V4.1 Flashmedium	8.7	DeepSeek	$0.591 ↑	32.88s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 73.9% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 280,643 آؤٹ پٹ ٹوکنز 7,342 ریزننگ ٹوکنز 437,323 ردِعمل کا وقت (اوسط) 32.88s ردِعمل کا وقت (کل) 756.34s ردِعمل کا وقت (زیادہ سے زیادہ) 276.31s غلط جواب: 5 API خرابی: 1 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 10.0 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 2.9 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 8.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#83#83	Qwen3.8 2.4T A95Blow	8.4	Qwen	$4.016 ↑	120.40s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 73.9% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 313,881 آؤٹ پٹ ٹوکنز 123,706 ریزننگ ٹوکنز 388,328 ردِعمل کا وقت (اوسط) 120.40s ردِعمل کا وقت (کل) 2769.16s ردِعمل کا وقت (زیادہ سے زیادہ) 534.21s غلط جواب: 5 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 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 : 3.2 عمومی ذہانت : 6.1 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#97#97	Ling 3.1 Flashmedium	8.3	Inclusionai	$0.000	88.74s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 71.0% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 369,495 آؤٹ پٹ ٹوکنز 172,852 ریزننگ ٹوکنز 476,002 ردِعمل کا وقت (اوسط) 88.74s ردِعمل کا وقت (کل) 2041.10s ردِعمل کا وقت (زیادہ سے زیادہ) 567.88s کوئی جواب نہیں: 4 غلط جواب: 3 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 6.6 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 5.3 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 8.2 ٹول کالنگ : 2.8 معلومات عامہ : 3.0
#102#102	GLM 5.2medium	8.2	Z.ai	$1.007 ↑	26.88s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 6 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 81.2% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 227,164 آؤٹ پٹ ٹوکنز 20,029 ریزننگ ٹوکنز 60,991 ردِعمل کا وقت (اوسط) 26.88s ردِعمل کا وقت (کل) 591.34s ردِعمل کا وقت (زیادہ سے زیادہ) 102.40s غلط جواب: 3 کوئی جواب نہیں: 2 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.2 مشترکہ : 5.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 4.1 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 8.2 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#109#109	DeepSeek V4.1 Flashlow	8.0	DeepSeek	$0.494 ↑	28.04s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 73.9% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 266,849 آؤٹ پٹ ٹوکنز 8,284 ریزننگ ٹوکنز 363,263 ردِعمل کا وقت (اوسط) 28.04s ردِعمل کا وقت (کل) 645.03s ردِعمل کا وقت (زیادہ سے زیادہ) 149.84s غلط جواب: 7 API خرابی: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 10.0 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.5 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 8.2 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#122#122	Qwen3.8 2.4T A95Bhigh	7.9	Qwen	$2.949 ↑	120.88s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 8 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 75.4% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 295,642 آؤٹ پٹ ٹوکنز 115,041 ریزننگ ٹوکنز 353,398 ردِعمل کا وقت (اوسط) 120.88s ردِعمل کا وقت (کل) 2780.16s ردِعمل کا وقت (زیادہ سے زیادہ) 532.28s غلط جواب: 4 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 5.9 مشترکہ : 6.9 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 4.1 عمومی ذہانت : 6.1 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#212#212	Grok 4.7high	6.7	X AI	$3.037	122.19s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 10 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 72.5% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 329,276 آؤٹ پٹ ٹوکنز 8,172 ریزننگ ٹوکنز 479,012 ردِعمل کا وقت (اوسط) 122.19s ردِعمل کا وقت (کل) 2810.40s ردِعمل کا وقت (زیادہ سے زیادہ) 573.57s کوئی جواب نہیں: 3 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 2 غلط جواب: 2 API خرابی: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 8.7 کوڈنگ : 6.0 مشترکہ : 8.6 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.1 ہدایات کی پیروی : 8.4 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#244#244	Kimi K2.5medium	6.4	Moonshot AI	$0.841 ↑	125.76s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 13 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 60.9% غیر مستحکم ٹیسٹ 8 ان پٹ ٹوکنز 292,271 آؤٹ پٹ ٹوکنز 55,025 ریزننگ ٹوکنز 186,071 ردِعمل کا وقت (اوسط) 125.76s ردِعمل کا وقت (کل) 2137.84s ردِعمل کا وقت (زیادہ سے زیادہ) 566.79s غلط جواب: 5 ٹائم آؤٹ: 3 ہدایات پر عمل نہیں کیا: 2 کوئی جواب نہیں: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.9 اینٹی اے آئی چالیں : 7.3 کوڈنگ : 6.1 مشترکہ : 6.7 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 6.5 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 5.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#279#279	Step 5 Previewmedium	6.1	Stepfun	$4.136	136.10s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 13 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 53.6% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 261,842 آؤٹ پٹ ٹوکنز 1,434,621 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 136.10s ردِعمل کا وقت (کل) 3130.27s ردِعمل کا وقت (زیادہ سے زیادہ) 438.09s کوئی جواب نہیں: 6 غلط جواب: 3 ہدایات پر عمل نہیں کیا: 2 API خرابی: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 6.4 کوڈنگ : 2.8 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 3.4 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 7.8 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#339#339	Nemotron 3.5 Lightninghigh	5.2	NVIDIA	$0.168 ↕	77.08s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 18 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 47.8% غیر مستحکم ٹیسٹ 12 ان پٹ ٹوکنز 170,517 آؤٹ پٹ ٹوکنز 149,968 ریزننگ ٹوکنز 509,725 ردِعمل کا وقت (اوسط) 77.08s ردِعمل کا وقت (کل) 1772.78s ردِعمل کا وقت (زیادہ سے زیادہ) 490.99s غلط جواب: 11 ہدایات پر عمل نہیں کیا: 4 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 3.5 اینٹی اے آئی چالیں : 5.5 کوڈنگ : 4.4 مشترکہ : 6.4 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 2.9 عمومی ذہانت : 3.7 ہدایات کی پیروی : 8.5 پہیلی حل کرنا : 3.6 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#341#341	Mimo V2 PROmedium	5.2	Xiaomi	$0.333 ↑	22.16s
ماڈل کارڈ دیکھیں کل ٹیسٹس 21 غلط ٹیسٹس 9 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 66.7% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 40,961 آؤٹ پٹ ٹوکنز 2,518 ریزننگ ٹوکنز 81,801 ردِعمل کا وقت (اوسط) 22.16s ردِعمل کا وقت (کل) 443.22s ردِعمل کا وقت (زیادہ سے زیادہ) 136.29s غلط جواب: 5 API خرابی: 1 اضافی فارمیٹنگ: 1 ہدایات پر عمل نہیں کیا: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 6.0 مشترکہ : 2.3 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 6.4 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#346#346	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
#382#382	Ling 2.6 Flashdefault	4.5	Inclusionai	$0.002 ↑	10.21s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 17 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 29.0% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 114,384 آؤٹ پٹ ٹوکنز 14,903 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 10.21s ردِعمل کا وقت (کل) 214.31s ردِعمل کا وقت (زیادہ سے زیادہ) 36.03s غلط جواب: 9 API خرابی: 3 غیر معتبر ٹول کال: 3 ہدایات پر عمل نہیں کیا: 2 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 6.8 کوڈنگ : 5.3 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 2.9 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#409#409	Ling 3.0 Tinylow	3.7	Inclusionai	$0.000	63.15s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 19 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 18.8% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 99,662 آؤٹ پٹ ٹوکنز 146,555 ریزننگ ٹوکنز 732,977 ردِعمل کا وقت (اوسط) 63.15s ردِعمل کا وقت (کل) 1389.35s ردِعمل کا وقت (زیادہ سے زیادہ) 252.08s کوئی جواب نہیں: 7 غلط جواب: 5 ہدایات پر عمل نہیں کیا: 4 API خرابی: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 2.9 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 2.8 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.1 ہدایات کی پیروی : 6.6 پہیلی حل کرنا : 3.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#410#410	Ling 3.0 Tinymedium	3.6	Inclusionai	$0.000	64.99s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 19 اعتماد پذیری 9.6 فی کوشش کامیابی کی شرح 23.2% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 103,898 آؤٹ پٹ ٹوکنز 148,304 ریزننگ ٹوکنز 774,972 ردِعمل کا وقت (اوسط) 64.99s ردِعمل کا وقت (کل) 1429.68s ردِعمل کا وقت (زیادہ سے زیادہ) 262.20s کوئی جواب نہیں: 7 غلط جواب: 5 ہدایات پر عمل نہیں کیا: 4 API خرابی: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 2.9 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 2.7 ڈومین مخصوص : 3.0 عمومی ذہانت : 3.8 ہدایات کی پیروی : 6.8 پہیلی حل کرنا : 3.6 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#68#68	MiMo-V2.6-Promedium	8.7	Xiaomi	$0.586	148.11s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 9 اعتماد پذیری 9.5 فی کوشش کامیابی کی شرح 78.3% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 298,476 آؤٹ پٹ ٹوکنز 7,762 ریزننگ ٹوکنز 515,918 ردِعمل کا وقت (اوسط) 148.11s ردِعمل کا وقت (کل) 3406.53s ردِعمل کا وقت (زیادہ سے زیادہ) 904.91s اضافی فارمیٹنگ: 3 غلط جواب: 3 ہدایات پر عمل نہیں کیا: 1 کوئی جواب نہیں: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 7.3 کوڈنگ : 8.2 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 10.0 ہدایات کی پیروی : 8.4 پہیلی حل کرنا : 8.4 ٹول کالنگ : 10.0 معلومات عامہ : 2.8
#189#189	Step 5 Previewhigh	7.0	Stepfun	$4.513	154.41s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 13 اعتماد پذیری 9.5 فی کوشش کامیابی کی شرح 52.2% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 243,381 آؤٹ پٹ ٹوکنز 1,581,325 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 154.41s ردِعمل کا وقت (کل) 3551.40s ردِعمل کا وقت (زیادہ سے زیادہ) 455.72s کوئی جواب نہیں: 7 غلط جواب: 3 API خرابی: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 2.9 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 3.4 ہدایات کی پیروی : 7.3 پہیلی حل کرنا : 5.8 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#315#315	Nemotron 3 Supermedium	5.5	NVIDIA	$0.081 ↑	56.40s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 9.5 فی کوشش کامیابی کی شرح 42.0% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 229,346 آؤٹ پٹ ٹوکنز 18,597 ریزننگ ٹوکنز 129,338 ردِعمل کا وقت (اوسط) 56.40s ردِعمل کا وقت (کل) 1184.46s ردِعمل کا وقت (زیادہ سے زیادہ) 431.98s غلط جواب: 6 API خرابی: 4 ہدایات پر عمل نہیں کیا: 3 کوئی جواب نہیں: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 4.7 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 3.1 مشترکہ : 6.4 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 4.1 ہدایات کی پیروی : 7.3 پہیلی حل کرنا : 3.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#378#378	Nemotron 3.5 Lightninglow	4.6	NVIDIA	$0.175 ↕	83.19s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 18 اعتماد پذیری 9.5 فی کوشش کامیابی کی شرح 40.6% غیر مستحکم ٹیسٹ 9 ان پٹ ٹوکنز 207,883 آؤٹ پٹ ٹوکنز 144,718 ریزننگ ٹوکنز 525,897 ردِعمل کا وقت (اوسط) 83.19s ردِعمل کا وقت (کل) 1913.41s ردِعمل کا وقت (زیادہ سے زیادہ) 597.61s غلط جواب: 14 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 3.5 اینٹی اے آئی چالیں : 6.9 کوڈنگ : 4.0 مشترکہ : 6.3 ڈیٹا پارسنگ اور استخراج : 2.9 ڈومین مخصوص : 3.6 عمومی ذہانت : 3.7 ہدایات کی پیروی : 8.4 پہیلی حل کرنا : 3.6 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