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)
#407#407	Grok 4.20none	3.4	X AI	$0.057 ↓	1.11s
ماڈل کارڈ دیکھیں کل ٹیسٹس 18 غلط ٹیسٹس 12 اعتماد پذیری دستیاب نہیں فی کوشش کامیابی کی شرح 26.1% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 41,313 آؤٹ پٹ ٹوکنز 1,923 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 1.11s ردِعمل کا وقت (کل) 19.96s ردِعمل کا وقت (زیادہ سے زیادہ) 6.04s غلط جواب: 10 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 1.1 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.8 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 5.3 ٹول کالنگ : 10.0 معلومات عامہ : 0.0
#426#426	Drex v1.5default	2.4	Nace AI	$0.002	986ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 12 غلط ٹیسٹس 8 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 17.4% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 42,804 آؤٹ پٹ ٹوکنز 27,468 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 986ms ردِعمل کا وقت (کل) 11.84s ردِعمل کا وقت (زیادہ سے زیادہ) 1.38s غلط جواب: 8 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 4.0 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 : 1.0 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#438#438	Microsoft-Decision-1default	1.4	Microsoft	$0.002	982ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 12 غلط ٹیسٹس 11 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 7.3% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 41,466 آؤٹ پٹ ٹوکنز 69 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 982ms ردِعمل کا وقت (کل) 11.78s ردِعمل کا وقت (زیادہ سے زیادہ) 1.41s غلط جواب: 11 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 4.4 کوڈنگ : 2.2 مشترکہ : 0.0 ڈیٹا پارسنگ اور استخراج : 3.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 0.0 ہدایات کی پیروی : 1.5 پہیلی حل کرنا : 1.7 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#431#431	Clef Omnidefault	1.9	Cloudflare	$0.011	880ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 12 غلط ٹیسٹس 10 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 8.7% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 70,125 آؤٹ پٹ ٹوکنز 0 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 880ms ردِعمل کا وقت (کل) 10.56s ردِعمل کا وقت (زیادہ سے زیادہ) 1.31s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 4.0 کوڈنگ : 2.5 مشترکہ : 0.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.0 عمومی ذہانت : 0.0 ہدایات کی پیروی : 1.5 پہیلی حل کرنا : 1.7 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#416#416	Laguna Xs.2default	3.1	Poolside	$0.004 ↕	806ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 19 غلط ٹیسٹس 14 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 21.7% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 33,675 آؤٹ پٹ ٹوکنز 2,826 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 806ms ردِعمل کا وقت (کل) 12.09s ردِعمل کا وقت (زیادہ سے زیادہ) 2.01s غلط جواب: 8 API خرابی: 4 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 3.0 کوڈنگ : 0.8 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 3.0 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 5.3 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#436#436	LFM2-24B-A2Bdefault	1.8	Liquid	$0.001	782ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 16 غلط ٹیسٹس 14 اعتماد پذیری دستیاب نہیں فی کوشش کامیابی کی شرح 11.6% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 10,771 آؤٹ پٹ ٹوکنز 1,173 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 782ms ردِعمل کا وقت (کل) 10.94s ردِعمل کا وقت (زیادہ سے زیادہ) 3.15s غلط جواب: 9 API خرابی: 4 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 2.5 کوڈنگ : 0.0 مشترکہ : 1.5 ڈیٹا پارسنگ اور استخراج : 3.0 ڈومین مخصوص : 5.9 عمومی ذہانت : 4.0 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 3.8 ٹول کالنگ : 3.0 معلومات عامہ : 0.0
#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
#423#423	Jev 1.13default	2.6	Typesafe	$0.003	698ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 12 غلط ٹیسٹس 6 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 26.1% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 67,092 آؤٹ پٹ ٹوکنز 18,927 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 698ms ردِعمل کا وقت (کل) 8.38s ردِعمل کا وقت (زیادہ سے زیادہ) 1.08s غلط جواب: 6 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 4.0 کوڈنگ : 2.2 مشترکہ : 0.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 7.7 عمومی ذہانت : 0.0 ہدایات کی پیروی : 1.5 پہیلی حل کرنا : 3.3 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#421#421	d1-ultradefault	2.7	Liquid	$0.003	531ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 12 غلط ٹیسٹس 8 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 20.3% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 55,956 آؤٹ پٹ ٹوکنز 0 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 531ms ردِعمل کا وقت (کل) 6.38s ردِعمل کا وقت (زیادہ سے زیادہ) 697ms غلط جواب: 7 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 4.0 کوڈنگ : 5.3 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 : 1.7 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#424#424	Decider V1.2default	2.6	Perplexity	$0.001	517ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 12 غلط ٹیسٹس 7 اعتماد پذیری 9.4 فی کوشش کامیابی کی شرح 24.6% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 48,363 آؤٹ پٹ ٹوکنز 67 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 517ms ردِعمل کا وقت (کل) 6.20s ردِعمل کا وقت (زیادہ سے زیادہ) 776ms غلط جواب: 5 API خرابی: 1 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 5.8 کوڈنگ : 4.5 مشترکہ : 0.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 5.9 عمومی ذہانت : 0.0 ہدایات کی پیروی : 1.5 پہیلی حل کرنا : 1.7 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#434#434	D1default	1.9	Liquid	$0.003	508ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 12 غلط ٹیسٹس 10 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 11.6% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 55,956 آؤٹ پٹ ٹوکنز 0 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 508ms ردِعمل کا وقت (کل) 6.10s ردِعمل کا وقت (زیادہ سے زیادہ) 820ms غلط جواب: 10 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 4.0 کوڈنگ : 2.2 مشترکہ : 0.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.6 عمومی ذہانت : 0.0 ہدایات کی پیروی : 1.5 پہیلی حل کرنا : 1.7 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#440#440	Tev1 4B Experimentaldefault	1.0	Togethercomputer	$0.002	498ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 7 غلط ٹیسٹس 4 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 13.0% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 33,864 آؤٹ پٹ ٹوکنز 96 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 498ms ردِعمل کا وقت (کل) 3.49s ردِعمل کا وقت (زیادہ سے زیادہ) 602ms غلط جواب: 4 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 2.5 کوڈنگ : 0.0 مشترکہ : 0.0 ڈیٹا پارسنگ اور استخراج : 3.0 ڈومین مخصوص : 6.7 عمومی ذہانت : 0.0 ہدایات کی پیروی : 1.5 پہیلی حل کرنا : 1.7 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#427#427	GPT-6 Luna Decisionsdefault	2.4	OpenAI	$0.005	495ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 12 غلط ٹیسٹس 9 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 13.0% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 47,583 آؤٹ پٹ ٹوکنز 0 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 495ms ردِعمل کا وقت (کل) 5.94s ردِعمل کا وقت (زیادہ سے زیادہ) 842ms غلط جواب: 8 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 2.3 کوڈنگ : 2.5 مشترکہ : 0.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 0.0 ہدایات کی پیروی : 1.5 پہیلی حل کرنا : 1.7 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#432#432	Decider Flash V1.2default	1.9	Perplexity	$0.001	462ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 12 غلط ٹیسٹس 9 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 13.0% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 49,176 آؤٹ پٹ ٹوکنز 69 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 462ms ردِعمل کا وقت (کل) 5.55s ردِعمل کا وقت (زیادہ سے زیادہ) 661ms غلط جواب: 9 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 4.0 کوڈنگ : 2.2 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 : 1.0 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#429#429	Jev 1.14default	2.3	Typesafe	$0.003	377ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 12 غلط ٹیسٹس 8 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 23.2% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 67,092 آؤٹ پٹ ٹوکنز 18,927 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 377ms ردِعمل کا وقت (کل) 4.52s ردِعمل کا وقت (زیادہ سے زیادہ) 546ms غلط جواب: 7 ہدایات پر عمل نہیں کیا: 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 : 7.7 عمومی ذہانت : 0.0 ہدایات کی پیروی : 1.5 پہیلی حل کرنا : 1.7 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#441#441	Nimble v3 9Bdefault	0.8	Bespoke Labs	~$0.001	363ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 7 غلط ٹیسٹس 6 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 4.4% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 103,770 آؤٹ پٹ ٹوکنز 0 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 363ms ردِعمل کا وقت (کل) 2.54s ردِعمل کا وقت (زیادہ سے زیادہ) 1.24s غلط جواب: 5 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 2.5 کوڈنگ : 0.0 مشترکہ : 0.0 ڈیٹا پارسنگ اور استخراج : 3.0 ڈومین مخصوص : 2.0 عمومی ذہانت : 0.0 ہدایات کی پیروی : 1.5 پہیلی حل کرنا : 1.7 ٹول کالنگ : 0.0 معلومات عامہ : 0.0
#425#425	Decider V1.1 27Bdefault	2.6	Perplexity	$0.002	320ms
ماڈل کارڈ دیکھیں کل ٹیسٹس 12 غلط ٹیسٹس 8 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 17.4% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 73,557 آؤٹ پٹ ٹوکنز 69 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 320ms ردِعمل کا وقت (کل) 3.84s ردِعمل کا وقت (زیادہ سے زیادہ) 491ms غلط جواب: 8 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 4.0 کوڈنگ : 4.9 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 : 1.7 ٹول کالنگ : 0.0 معلومات عامہ : 0.0

←

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