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)
#278#278	Inkling Smallmedium	6.0	Thinkingmachines	$0.113 ↓	6.03s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 13 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 50.7% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 100,255 آؤٹ پٹ ٹوکنز 6,422 ریزننگ ٹوکنز 49,847 ردِعمل کا وقت (اوسط) 6.03s ردِعمل کا وقت (کل) 138.65s ردِعمل کا وقت (زیادہ سے زیادہ) 17.26s غلط جواب: 6 ہدایات پر عمل نہیں کیا: 4 غیر معتبر ٹول کال: 2 API خرابی: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 7.8 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.3 ہدایات کی پیروی : 8.5 پہیلی حل کرنا : 5.8 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#439#439	Solar Decidedefault	1.0	Upstage	$0.009 ↑	6.01s
ماڈل کارڈ دیکھیں کل ٹیسٹس 7 غلط ٹیسٹس 5 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 14.5% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 47,586 آؤٹ پٹ ٹوکنز 51 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 6.01s ردِعمل کا وقت (کل) 42.05s ردِعمل کا وقت (زیادہ سے زیادہ) 13.10s غلط جواب: 5 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 0.8 کوڈنگ : 0.0 مشترکہ : 0.0 ڈیٹا پارسنگ اور استخراج : 3.7 ڈومین مخصوص : 4.3 عمومی ذہانت : 0.0 ہدایات کی پیروی : 5.0 پہیلی حل کرنا : 1.0 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#309#309	Gemini 2.5 Flashnone	5.5	Google	$0.017	6.00s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 37.7% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 39,886 آؤٹ پٹ ٹوکنز 1,890 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 6.00s ردِعمل کا وقت (کل) 138.04s ردِعمل کا وقت (زیادہ سے زیادہ) 118.00s غلط جواب: 13 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 3.0 کوڈنگ : 5.5 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.6 عمومی ذہانت : 5.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#98#98	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
#287#287	Qwen3.8 Flash Nextnone	5.8	Qwen	~$0.011	5.71s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 43.5% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 266,004 آؤٹ پٹ ٹوکنز 9,077 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 5.71s ردِعمل کا وقت (کل) 131.36s ردِعمل کا وقت (زیادہ سے زیادہ) 65.25s غلط جواب: 14 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 5.5 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 6.1 ہدایات کی پیروی : 7.1 پہیلی حل کرنا : 6.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#428#428	Kev 4Bdefault	2.4	Jaredpalmer	$0.002	5.63s
ماڈل کارڈ دیکھیں کل ٹیسٹس 12 غلط ٹیسٹس 9 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 15.9% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 42,804 آؤٹ پٹ ٹوکنز 28,061 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 5.63s ردِعمل کا وقت (کل) 67.61s ردِعمل کا وقت (زیادہ سے زیادہ) 17.79s غلط جواب: 9 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 2.3 کوڈنگ : 4.5 مشترکہ : 0.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 5.3 عمومی ذہانت : 0.0 ہدایات کی پیروی : 1.5 پہیلی حل کرنا : 2.0 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#343#343	Dots 3 Note Previewdefault	5.0	Dots Studio	$0.000	5.36s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 20 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 15.9% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 225,907 آؤٹ پٹ ٹوکنز 22,507 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 5.36s ردِعمل کا وقت (کل) 123.38s ردِعمل کا وقت (زیادہ سے زیادہ) 45.71s غلط جواب: 16 ہدایات پر عمل نہیں کیا: 2 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.9 اینٹی اے آئی چالیں : 3.1 کوڈنگ : 4.6 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.0 ہدایات کی پیروی : 4.8 پہیلی حل کرنا : 3.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#269#269	Inklingnone	6.1	Thinkingmachines	$0.292 ↓	5.30s
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 236,599 آؤٹ پٹ ٹوکنز 11,561 ریزننگ ٹوکنز 4,975 ردِعمل کا وقت (اوسط) 5.30s ردِعمل کا وقت (کل) 121.91s ردِعمل کا وقت (زیادہ سے زیادہ) 48.02s غلط جواب: 13 اضافی فارمیٹنگ: 1 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 4.5 مشترکہ : 2.9 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.0 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 5.6 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#388#388	Mercury 2.5none	4.1	Inception	$0.026	5.10s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 21 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 24.6% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 311,488 آؤٹ پٹ ٹوکنز 89,958 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 5.10s ردِعمل کا وقت (کل) 117.24s ردِعمل کا وقت (زیادہ سے زیادہ) 63.41s غلط جواب: 15 ہدایات پر عمل نہیں کیا: 4 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 5.0 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
#315#315	Qwen3.8 27Bnone	5.4	Qwen	~$0.010	5.05s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 14 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 39.1% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 281,460 آؤٹ پٹ ٹوکنز 13,791 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 5.05s ردِعمل کا وقت (کل) 116.11s ردِعمل کا وقت (زیادہ سے زیادہ) 47.42s غلط جواب: 12 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 5.5 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 7.7 عمومی ذہانت : 4.2 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 6.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#341#341	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
#238#238	Beam 1.0 501B A23Blow	6.4	Reflection	$0.432	4.89s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 60.9% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 218,076 آؤٹ پٹ ٹوکنز 4,863 ریزننگ ٹوکنز 66,387 ردِعمل کا وقت (اوسط) 4.89s ردِعمل کا وقت (کل) 112.55s ردِعمل کا وقت (زیادہ سے زیادہ) 29.49s غلط جواب: 6 API خرابی: 3 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 6.5 ہدایات کی پیروی : 8.4 پہیلی حل کرنا : 6.1 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#247#247	Gemini 3.5 Flash Litelow	6.3	Google	$0.183	4.79s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 11 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 66.7% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 275,779 آؤٹ پٹ ٹوکنز 14,401 ریزننگ ٹوکنز 25,511 ردِعمل کا وقت (اوسط) 4.79s ردِعمل کا وقت (کل) 110.24s ردِعمل کا وقت (زیادہ سے زیادہ) 53.91s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 9.0 کوڈنگ : 4.3 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.9 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 7.6 ٹول کالنگ : 10.0 معلومات عامہ : 4.7
#214#214	GPT-5.5none	6.6	OpenAI	$1.212	4.75s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 11 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 56.5% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 205,108 آؤٹ پٹ ٹوکنز 6,197 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 4.75s ردِعمل کا وقت (کل) 109.31s ردِعمل کا وقت (زیادہ سے زیادہ) 57.53s غلط جواب: 11 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 6.9 کوڈنگ : 5.5 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 6.2 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#406#406	Hunter Alphadefault	3.5	OpenRouter	$0.000	4.70s
ماڈل کارڈ دیکھیں کل ٹیسٹس 18 غلط ٹیسٹس 12 اعتماد پذیری دستیاب نہیں فی کوشش کامیابی کی شرح 36.2% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 34,329 آؤٹ پٹ ٹوکنز 2,264 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 4.70s ردِعمل کا وقت (کل) 79.86s ردِعمل کا وقت (زیادہ سے زیادہ) 15.17s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 2 API خرابی: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 3.5 کوڈنگ : 1.0 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 6.1 ہدایات کی پیروی : 6.4 پہیلی حل کرنا : 5.8 ٹول کالنگ : 10.0 معلومات عامہ : 0.0
#240#240	Gemini 3.5 Flashminimal	6.4	Google	$0.508	4.67s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 10 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 58.0% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 230,004 آؤٹ پٹ ٹوکنز 18,040 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 4.67s ردِعمل کا وقت (کل) 107.45s ردِعمل کا وقت (زیادہ سے زیادہ) 49.23s غلط جواب: 7 غیر معتبر ٹول کال: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 5.6 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 7.7 عمومی ذہانت : 10.0 ہدایات کی پیروی : 6.4 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#211#211	GPT-5.6 Solnone	6.7	OpenAI	$0.795	4.61s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 11 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 60.9% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 207,852 آؤٹ پٹ ٹوکنز 5,555 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 4.61s ردِعمل کا وقت (کل) 105.93s ردِعمل کا وقت (زیادہ سے زیادہ) 58.28s غلط جواب: 10 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 5.5 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.9 عمومی ذہانت : 6.5 ہدایات کی پیروی : 8.5 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#430#430	Classify-1default	2.2	Scaledown	$0.008	4.58s
ماڈل کارڈ دیکھیں کل ٹیسٹس 12 غلط ٹیسٹس 9 اعتماد پذیری 9.4 فی کوشش کامیابی کی شرح 18.8% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 195,645 آؤٹ پٹ ٹوکنز 164 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 4.58s ردِعمل کا وقت (کل) 55.01s ردِعمل کا وقت (زیادہ سے زیادہ) 13.35s غلط جواب: 8 API خرابی: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 4.0 کوڈنگ : 2.7 مشترکہ : 0.0 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 5.3 عمومی ذہانت : 0.0 ہدایات کی پیروی : 1.5 پہیلی حل کرنا : 1.0 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#326#326	Laguna XS 2.1none	5.3	Poolside	$0.020	4.56s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 18 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 29.0% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 270,072 آؤٹ پٹ ٹوکنز 23,173 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 4.56s ردِعمل کا وقت (کل) 104.80s ردِعمل کا وقت (زیادہ سے زیادہ) 70.79s غلط جواب: 14 غیر معتبر ٹول کال: 2 ہدایات پر عمل نہیں کیا: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 5.3 کوڈنگ : 4.3 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.0 ہدایات کی پیروی : 3.8 پہیلی حل کرنا : 3.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#365#365	GPT-5.4 Nanonone	4.6	OpenAI	$0.068	4.42s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 19 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 26.1% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 246,687 آؤٹ پٹ ٹوکنز 14,894 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 4.42s ردِعمل کا وقت (کل) 101.75s ردِعمل کا وقت (زیادہ سے زیادہ) 45.38s غلط جواب: 16 ہدایات پر عمل نہیں کیا: 2 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 3.9 اینٹی اے آئی چالیں : 3.5 کوڈنگ : 4.6 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 2.9 عمومی ذہانت : 3.8 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 5.4 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#218#218	Mercury 2medium	6.6	Inception	$0.121	4.40s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 13 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 53.6% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 189,300 آؤٹ پٹ ٹوکنز 10,854 ریزننگ ٹوکنز 86,089 ردِعمل کا وقت (اوسط) 4.40s ردِعمل کا وقت (کل) 96.81s ردِعمل کا وقت (زیادہ سے زیادہ) 34.92s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 3 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 4.7 اینٹی اے آئی چالیں : 6.9 کوڈنگ : 8.2 مشترکہ : 6.7 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 2.9 عمومی ذہانت : 4.8 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 5.4 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#344#344	GPT-4o-minidefault	5.0	OpenAI	$0.024	4.16s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 18 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 21.7% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 145,180 آؤٹ پٹ ٹوکنز 3,627 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 4.16s ردِعمل کا وقت (کل) 70.70s ردِعمل کا وقت (زیادہ سے زیادہ) 39.99s غلط جواب: 16 ہدایات پر عمل نہیں کیا: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 3.2 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.0 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 3.5 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#288#288	GPT-5.6 Terranone	5.8	OpenAI	$0.377 ↓	4.11s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 40.6% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 213,564 آؤٹ پٹ ٹوکنز 7,381 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 4.11s ردِعمل کا وقت (کل) 94.52s ردِعمل کا وقت (زیادہ سے زیادہ) 57.98s غلط جواب: 12 ہدایات پر عمل نہیں کیا: 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 : 2.9 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.0 ہدایات کی پیروی : 8.5 پہیلی حل کرنا : 5.3 ٹول کالنگ : 9.6 معلومات عامہ : 3.0
#280#280	Gemini 3.1 Flash Liteminimal	5.9	Google	$0.080	3.95s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 13 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 49.3% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 238,785 آؤٹ پٹ ٹوکنز 12,875 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 3.95s ردِعمل کا وقت (کل) 90.76s ردِعمل کا وقت (زیادہ سے زیادہ) 50.03s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 3 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 8.3 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 : 6.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#300#300	GPT-5.4none	5.6	OpenAI	$0.690	3.89s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 16 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 33.3% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 219,404 آؤٹ پٹ ٹوکنز 9,372 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 3.89s ردِعمل کا وقت (کل) 89.48s ردِعمل کا وقت (زیادہ سے زیادہ) 43.73s غلط جواب: 15 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 3.2 کوڈنگ : 5.5 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.4 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 5.6 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