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)
#114#114	Qwen3.5-27Bmedium	7.9	Qwen	$1.135	114.73s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 9 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 76.8% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 288,919 آؤٹ پٹ ٹوکنز 17,484 ریزننگ ٹوکنز 617,804 ردِعمل کا وقت (اوسط) 114.73s ردِعمل کا وقت (کل) 2638.74s ردِعمل کا وقت (زیادہ سے زیادہ) 1026.43s غلط جواب: 4 ہدایات پر عمل نہیں کیا: 2 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.7 کوڈنگ : 6.2 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.9 عمومی ذہانت : 6.1 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 8.2 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#181#181	Qwen3.6 Max Previewmedium	7.0	Qwen	$1.132 ↓	66.52s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 5 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 79.7% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 79,249 آؤٹ پٹ ٹوکنز 5,097 ریزننگ ٹوکنز 165,276 ردِعمل کا وقت (اوسط) 66.52s ردِعمل کا وقت (کل) 1463.50s ردِعمل کا وقت (زیادہ سے زیادہ) 238.07s غلط جواب: 4 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.8 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#75#75	Qwen3.8 Max (0902)low	8.6	Qwen	$1.131	29.07s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 5 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 85.5% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 298,682 آؤٹ پٹ ٹوکنز 8,374 ریزننگ ٹوکنز 80,549 ردِعمل کا وقت (اوسط) 29.07s ردِعمل کا وقت (کل) 668.66s ردِعمل کا وقت (زیادہ سے زیادہ) 207.79s غلط جواب: 4 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 10.0 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 6.1 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#117#117	GPT-5.4 Minimedium	7.9	OpenAI	$1.102 ↑	29.94s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 10 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 69.6% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 238,925 آؤٹ پٹ ٹوکنز 7,109 ریزننگ ٹوکنز 177,063 ردِعمل کا وقت (اوسط) 29.94s ردِعمل کا وقت (کل) 688.57s ردِعمل کا وقت (زیادہ سے زیادہ) 138.75s غلط جواب: 6 ہدایات پر عمل نہیں کیا: 3 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.6 کوڈنگ : 8.4 مشترکہ : 6.9 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.6 عمومی ذہانت : 4.5 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 7.8 ٹول کالنگ : 4.7 معلومات عامہ : 3.0
#222#222	Claude Sonnet 5.5medium	6.5	Anthropic	$1.100	8.03s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 14 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 40.6% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 361,183 آؤٹ پٹ ٹوکنز 26,609 ریزننگ ٹوکنز 11,139 ردِعمل کا وقت (اوسط) 8.03s ردِعمل کا وقت (کل) 184.80s ردِعمل کا وقت (زیادہ سے زیادہ) 51.18s اضافی فارمیٹنگ: 8 ہدایات پر عمل نہیں کیا: 3 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 غلط جواب: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 3.4 مشترکہ : 8.5 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.1 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#46#46	Qwen3.8 Max (0902)medium	9.0	Qwen	$1.096	30.42s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 5 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 84.1% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 268,540 آؤٹ پٹ ٹوکنز 7,499 ریزننگ ٹوکنز 85,499 ردِعمل کا وقت (اوسط) 30.42s ردِعمل کا وقت (کل) 699.68s ردِعمل کا وقت (زیادہ سے زیادہ) 168.09s غلط جواب: 5 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.4 مشترکہ : 10.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.6 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#284#284	Claude Sonnet 5none	5.9	Anthropic	$1.095	8.60s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 16 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 40.6% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 393,560 آؤٹ پٹ ٹوکنز 30,466 ریزننگ ٹوکنز 311 ردِعمل کا وقت (اوسط) 8.60s ردِعمل کا وقت (کل) 197.73s ردِعمل کا وقت (زیادہ سے زیادہ) 64.73s غلط جواب: 9 اضافی فارمیٹنگ: 4 کوئی جواب نہیں: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 4.7 اینٹی اے آئی چالیں : 5.3 کوڈنگ : 4.6 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 4.7 ہدایات کی پیروی : 6.4 پہیلی حل کرنا : 6.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#59#59	Qwen3.8 MAXlow	8.8	Qwen	$1.089 ↑	25.09s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 6 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 81.2% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 262,495 آؤٹ پٹ ٹوکنز 7,787 ریزننگ ٹوکنز 86,149 ردِعمل کا وقت (اوسط) 25.09s ردِعمل کا وقت (کل) 577.14s ردِعمل کا وقت (زیادہ سے زیادہ) 155.75s غلط جواب: 5 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.4 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 : 9.9 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#174#174	Qwen3.6 27Bmedium	7.2	Qwen	$1.021 ↑	107.79s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 62.3% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 264,147 آؤٹ پٹ ٹوکنز 34,419 ریزننگ ٹوکنز 253,480 ردِعمل کا وقت (اوسط) 107.79s ردِعمل کا وقت (کل) 2479.26s ردِعمل کا وقت (زیادہ سے زیادہ) 1085.11s غلط جواب: 5 کوئی جواب نہیں: 3 غیر معتبر ٹول کال: 2 اضافی فارمیٹنگ: 1 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 7.7 مشترکہ : 6.7 ڈیٹا پارسنگ اور استخراج : 3.5 ڈومین مخصوص : 2.9 عمومی ذہانت : 6.5 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#100#100	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
#4#4	GPT-6.1 Solmax	9.9	OpenAI	$1.006	61.98s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 1 اعتماد پذیری 9.7 فی کوشش کامیابی کی شرح 95.7% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 183,607 آؤٹ پٹ ٹوکنز 5,741 ریزننگ ٹوکنز 58,082 ردِعمل کا وقت (اوسط) 61.98s ردِعمل کا وقت (کل) 1425.65s 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
#230#230	Grok 4.3medium	6.5	X AI	$0.989	44.53s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 11 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 63.8% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 325,471 آؤٹ پٹ ٹوکنز 14,867 ریزننگ ٹوکنز 217,675 ردِعمل کا وقت (اوسط) 44.53s ردِعمل کا وقت (کل) 1024.25s ردِعمل کا وقت (زیادہ سے زیادہ) 216.69s غلط جواب: 6 ہدایات پر عمل نہیں کیا: 2 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 3.9 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 5.9 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.5 عمومی ذہانت : 5.4 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 5.9 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#3🥉 #3	GPT-6 Solhigh	9.9	OpenAI	$0.921	23.56s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 1 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 95.7% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 182,698 آؤٹ پٹ ٹوکنز 5,647 ریزننگ ٹوکنز 49,872 ردِعمل کا وقت (اوسط) 23.56s ردِعمل کا وقت (کل) 541.85s ردِعمل کا وقت (زیادہ سے زیادہ) 136.22s غلط جواب: 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
#256#256	Trinity Large Thinkinglow	6.3	Arcee AI	$0.918 ↑	95.16s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 47.8% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 347,980 آؤٹ پٹ ٹوکنز 121,898 ریزننگ ٹوکنز 720,302 ردِعمل کا وقت (اوسط) 95.16s ردِعمل کا وقت (کل) 2188.74s ردِعمل کا وقت (زیادہ سے زیادہ) 540.96s غلط جواب: 7 ہدایات پر عمل نہیں کیا: 3 API خرابی: 2 غیر معتبر ٹول کال: 2 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 7.4 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 5.3 مشترکہ : 5.2 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 2.9 عمومی ذہانت : 10.0 ہدایات کی پیروی : 4.4 پہیلی حل کرنا : 6.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#77#77	Muse Spark 1.3low	8.5	Meta	$0.911	17.73s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 82.6% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 270,231 آؤٹ پٹ ٹوکنز 13,363 ریزننگ ٹوکنز 121,332 ردِعمل کا وقت (اوسط) 17.73s ردِعمل کا وقت (کل) 407.75s ردِعمل کا وقت (زیادہ سے زیادہ) 78.72s غلط جواب: 4 API خرابی: 1 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.2 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.5 عمومی ذہانت : 10.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 8.2 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#194#194	Claude Sonnet 5.5low	6.9	Anthropic	$0.909	7.46s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 13 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 46.4% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 291,853 آؤٹ پٹ ٹوکنز 24,116 ریزننگ ٹوکنز 8,327 ردِعمل کا وقت (اوسط) 7.46s ردِعمل کا وقت (کل) 171.47s ردِعمل کا وقت (زیادہ سے زیادہ) 46.61s اضافی فارمیٹنگ: 5 ہدایات پر عمل نہیں کیا: 5 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 غلط جواب: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 6.5 کوڈنگ : 3.2 مشترکہ : 7.9 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.8 ہدایات کی پیروی : 6.3 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.900 ↓	18.93s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 1 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 98.6% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 238,080 آؤٹ پٹ ٹوکنز 4,211 ریزننگ ٹوکنز 188,109 ردِعمل کا وقت (اوسط) 18.93s ردِعمل کا وقت (کل) 435.48s ردِعمل کا وقت (زیادہ سے زیادہ) 104.15s غلط جواب: 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 : 8.2 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 10.0
#71#71	Muse Spark 1.1low	8.6	Meta	$0.885	13.21s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 9 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 72.5% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 291,368 آؤٹ پٹ ٹوکنز 13,469 ریزننگ ٹوکنز 108,952 ردِعمل کا وقت (اوسط) 13.21s ردِعمل کا وقت (کل) 303.92s ردِعمل کا وقت (زیادہ سے زیادہ) 54.15s غلط جواب: 5 ہدایات پر عمل نہیں کیا: 3 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 7.9 کوڈنگ : 10.0 مشترکہ : 6.6 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.6 عمومی ذہانت : 10.0 ہدایات کی پیروی : 7.3 پہیلی حل کرنا : 8.3 ٹول کالنگ : 9.8 معلومات عامہ : 3.0
#64#64	Muse Spark 1.2low	8.7	Meta	$0.881	11.81s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 7 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 78.3% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 254,914 آؤٹ پٹ ٹوکنز 10,303 ریزننگ ٹوکنز 121,928 ردِعمل کا وقت (اوسط) 11.81s ردِعمل کا وقت (کل) 271.60s ردِعمل کا وقت (زیادہ سے زیادہ) 56.77s غلط جواب: 4 ہدایات پر عمل نہیں کیا: 3 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 9.2 کوڈنگ : 8.4 مشترکہ : 9.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.0 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 8.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#103#103	Seed-2.0-Codelow	8.1	Bytedance Seed	$0.881	73.02s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 9 اعتماد پذیری 8.9 فی کوشش کامیابی کی شرح 78.3% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 237,604 آؤٹ پٹ ٹوکنز 9,617 ریزننگ ٹوکنز 244,190 ردِعمل کا وقت (اوسط) 73.02s ردِعمل کا وقت (کل) 1679.49s ردِعمل کا وقت (زیادہ سے زیادہ) 485.92s غلط جواب: 7 API خرابی: 1 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 8.7 کوڈنگ : 7.0 مشترکہ : 7.3 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 4.1 عمومی ذہانت : 6.5 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 9.9 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#15#15	Gemini 3 Flash Previewmedium	9.6	Google	$0.876	21.57s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 2 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 94.2% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 235,726 آؤٹ پٹ ٹوکنز 6,669 ریزننگ ٹوکنز 245,867 ردِعمل کا وقت (اوسط) 21.57s ردِعمل کا وقت (کل) 496.12s ردِعمل کا وقت (زیادہ سے زیادہ) 117.26s غلط جواب: 2 خودمختار ایجنٹ کے کام : 10.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 8.6 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
#267#267	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.862	84.01s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 49.3% غیر مستحکم ٹیسٹ 7 ان پٹ ٹوکنز 319,352 آؤٹ پٹ ٹوکنز 158,447 ریزننگ ٹوکنز 875,524 ردِعمل کا وقت (اوسط) 84.01s ردِعمل کا وقت (کل) 1932.24s ردِعمل کا وقت (زیادہ سے زیادہ) 525.14s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 4 غیر معتبر ٹول کال: 2 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 6.8 کوڈنگ : 7.5 مشترکہ : 2.9 ڈیٹا پارسنگ اور استخراج : 6.3 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 4.4 پہیلی حل کرنا : 5.2 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#237#237	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
#223#223	Qwen3.6 35B A3Bmedium	6.5	Qwen	$0.834 ↑	59.92s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 11 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 58.0% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 282,192 آؤٹ پٹ ٹوکنز 75,306 ریزننگ ٹوکنز 700,868 ردِعمل کا وقت (اوسط) 59.92s ردِعمل کا وقت (کل) 1258.32s ردِعمل کا وقت (زیادہ سے زیادہ) 817.57s غلط جواب: 6 API خرابی: 2 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 7.7 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 4.4 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 8.0 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#234#234	Beam 1.0 501B A23Bmax	6.4	Reflection	$0.799	11.10s
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 199,105 آؤٹ پٹ ٹوکنز 4,274 ریزننگ ٹوکنز 195,495 ردِعمل کا وقت (اوسط) 11.10s ردِعمل کا وقت (کل) 255.26s ردِعمل کا وقت (زیادہ سے زیادہ) 54.48s غلط جواب: 6 API خرابی: 3 ہدایات پر عمل نہیں کیا: 2 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 : 3.0 عمومی ذہانت : 5.5 ہدایات کی پیروی : 8.4 پہیلی حل کرنا : 7.8 ٹول کالنگ : 3.0 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