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)
#370#370	Owl Alphamedium	4.6	Openrouter	$0.000	11.95s
ماڈل کارڈ دیکھیں کل ٹیسٹس 21 غلط ٹیسٹس 13 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 36.2% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 43,478 آؤٹ پٹ ٹوکنز 2,974 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 11.95s ردِعمل کا وقت (کل) 250.88s ردِعمل کا وقت (زیادہ سے زیادہ) 58.63s غلط جواب: 10 ہدایات پر عمل نہیں کیا: 2 API خرابی: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 5.4 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.3 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 5.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#372#372	Owl Alphadefault	4.6	Openrouter	$0.000	9.88s
ماڈل کارڈ دیکھیں کل ٹیسٹس 21 غلط ٹیسٹس 14 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 33.3% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 42,283 آؤٹ پٹ ٹوکنز 5,913 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 9.88s ردِعمل کا وقت (کل) 207.38s ردِعمل کا وقت (زیادہ سے زیادہ) 47.10s غلط جواب: 10 ہدایات پر عمل نہیں کیا: 3 اضافی فارمیٹنگ: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 3.4 کوڈنگ : 5.6 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.3 ہدایات کی پیروی : 6.4 پہیلی حل کرنا : 5.4 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#381#381	Cobuddymedium	4.4	Baidu	$0.000	38.01s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 15 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 43.5% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 37,449 آؤٹ پٹ ٹوکنز 1,677 ریزننگ ٹوکنز 116,703 ردِعمل کا وقت (اوسط) 38.01s ردِعمل کا وقت (کل) 798.15s ردِعمل کا وقت (زیادہ سے زیادہ) 309.02s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 3 API خرابی: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 8.7 کوڈنگ : 3.7 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 6.3 ڈومین مخصوص : 2.9 عمومی ذہانت : 4.2 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 3.6 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#389#389	Qwen3.6 Plus Previewmedium	4.0	Qwen	$0.000	15.25s
ماڈل کارڈ دیکھیں کل ٹیسٹس 19 غلط ٹیسٹس 10 اعتماد پذیری دستیاب نہیں فی کوشش کامیابی کی شرح 39.1% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 32,639 آؤٹ پٹ ٹوکنز 1,153 ریزننگ ٹوکنز 62,197 ردِعمل کا وقت (اوسط) 15.25s ردِعمل کا وقت (کل) 182.96s ردِعمل کا وقت (زیادہ سے زیادہ) 43.55s API خرابی: 8 غلط جواب: 2 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 1.0 مشترکہ : 5.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 3.0 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 5.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#392#392	Hunter Alphamedium	3.9	OpenRouter	$0.000	10.33s
ماڈل کارڈ دیکھیں کل ٹیسٹس 18 غلط ٹیسٹس 10 اعتماد پذیری دستیاب نہیں فی کوشش کامیابی کی شرح 50.7% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 28,927 آؤٹ پٹ ٹوکنز 4,682 ریزننگ ٹوکنز 17,969 ردِعمل کا وقت (اوسط) 10.33s ردِعمل کا وقت (کل) 175.58s ردِعمل کا وقت (زیادہ سے زیادہ) 30.53s غلط جواب: 4 ہدایات پر عمل نہیں کیا: 2 ٹائم آؤٹ: 2 API خرابی: 1 اضافی فارمیٹنگ: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 7.3 کوڈنگ : 1.0 مشترکہ : 2.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 7.0 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 6.1 ٹول کالنگ : 10.0 معلومات عامہ : 0.0
#395#395	Ling 3.0 Tinydefault	3.8	Inclusionai	$0.000	13.39s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 21 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 8.7% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 184,579 آؤٹ پٹ ٹوکنز 110,071 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 13.39s ردِعمل کا وقت (کل) 294.48s ردِعمل کا وقت (زیادہ سے زیادہ) 240.61s غلط جواب: 13 ہدایات پر عمل نہیں کیا: 4 API خرابی: 2 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.0 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
#398#398	Xing4.0 29b A4bmedium	3.7	Xingchen AGI	$0.000	371.69s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 22 اعتماد پذیری 7.3 فی کوشش کامیابی کی شرح 26.1% غیر مستحکم ٹیسٹ 11 ان پٹ ٹوکنز 98,467 آؤٹ پٹ ٹوکنز 3,385 ریزننگ ٹوکنز 104,595 ردِعمل کا وقت (اوسط) 371.69s ردِعمل کا وقت (کل) 8548.88s ردِعمل کا وقت (زیادہ سے زیادہ) 971.85s غلط جواب: 9 ٹائم آؤٹ: 6 API خرابی: 4 ہدایات پر عمل نہیں کیا: 3 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 3.8 کوڈنگ : 4.2 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 2.9 ڈومین مخصوص : 3.6 عمومی ذہانت : 3.2 ہدایات کی پیروی : 4.3 پہیلی حل کرنا : 2.9 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#399#399	Ling 3.0 Tinyhigh	3.7	Inclusionai	$0.000	72.24s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 19 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 23.2% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 115,314 آؤٹ پٹ ٹوکنز 133,965 ریزننگ ٹوکنز 816,718 ردِعمل کا وقت (اوسط) 72.24s ردِعمل کا وقت (کل) 1589.23s ردِعمل کا وقت (زیادہ سے زیادہ) 345.15s کوئی جواب نہیں: 7 غلط جواب: 6 ہدایات پر عمل نہیں کیا: 3 API خرابی: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 6.4 کوڈنگ : 2.9 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 2.8 ڈومین مخصوص : 2.9 عمومی ذہانت : 5.4 ہدایات کی پیروی : 6.8 پہیلی حل کرنا : 3.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#400#400	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
#401#401	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
#404#404	Elephant Alphadefault	3.6	Openrouter	$0.000	1.22s
ماڈل کارڈ دیکھیں کل ٹیسٹس 21 غلط ٹیسٹس 16 اعتماد پذیری دستیاب نہیں فی کوشش کامیابی کی شرح 24.6% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 33,743 آؤٹ پٹ ٹوکنز 2,573 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 1.22s ردِعمل کا وقت (کل) 22.03s ردِعمل کا وقت (زیادہ سے زیادہ) 3.81s غلط جواب: 9 API خرابی: 3 ہدایات پر عمل نہیں کیا: 3 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 6.6 کوڈنگ : 4.2 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 4.2 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#405#405	Elephant Alphamedium	3.5	Openrouter	$0.000	1.27s
ماڈل کارڈ دیکھیں کل ٹیسٹس 21 غلط ٹیسٹس 15 اعتماد پذیری دستیاب نہیں فی کوشش کامیابی کی شرح 27.5% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 33,744 آؤٹ پٹ ٹوکنز 2,596 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 1.27s ردِعمل کا وقت (کل) 22.82s ردِعمل کا وقت (زیادہ سے زیادہ) 3.70s غلط جواب: 9 API خرابی: 3 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 6.6 کوڈنگ : 3.7 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.3 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 5.3 ٹول کالنگ : 3.0 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
#412#412	Xing4.0 29b A4bnone	3.3	Xingchen AGI	$0.000	42.72s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 23 اعتماد پذیری 8.8 فی کوشش کامیابی کی شرح 7.3% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 153,665 آؤٹ پٹ ٹوکنز 26,540 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 42.72s ردِعمل کا وقت (کل) 982.66s ردِعمل کا وقت (زیادہ سے زیادہ) 634.11s غلط جواب: 13 ہدایات پر عمل نہیں کیا: 5 API خرابی: 3 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 3.3 کوڈنگ : 3.6 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 2.9 ڈومین مخصوص : 3.0 عمومی ذہانت : 3.4 ہدایات کی پیروی : 4.0 پہیلی حل کرنا : 3.1 ٹول کالنگ : 4.7 معلومات عامہ : 3.0
#417#417	Command A+none	3.0	Cohere	$0.000	77.87s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 23 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) 77.87s ردِعمل کا وقت (کل) 1791.03s ردِعمل کا وقت (زیادہ سے زیادہ) 106.37s API خرابی: 23 خودمختار ایجنٹ کے کام : 3.0 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
#420#420	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	2.7	NVIDIA	$0.000	17.13s
ماڈل کارڈ دیکھیں کل ٹیسٹس 19 غلط ٹیسٹس 15 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 26.1% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 11,661 آؤٹ پٹ ٹوکنز 48,491 ریزننگ ٹوکنز 180,695 ردِعمل کا وقت (اوسط) 17.13s ردِعمل کا وقت (کل) 222.66s ردِعمل کا وقت (زیادہ سے زیادہ) 147.45s غلط جواب: 7 API خرابی: 6 ہدایات پر عمل نہیں کیا: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 6.4 کوڈنگ : 1.1 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 2.9 عمومی ذہانت : 3.0 ہدایات کی پیروی : 7.3 پہیلی حل کرنا : 2.9 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#422#422	Nemotron 3 Nano Omni 30b A3b Reasoningdefault	2.6	NVIDIA	$0.000	728ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 19 غلط ٹیسٹس 17 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 14.5% 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 خودمختار ایجنٹ کے کام : 0.0 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

←

1 17 18

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