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: 2026-10-01 جانچے گئے ماڈلز: 382

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

382/382

درجہ	ماڈل	اسکور	کمپنی	کل لاگت	ردِعمل کا وقت (اوسط)
#276#276	Step 3.5 Flashmedium	5.4	Stepfun	$0.105	190.48s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 12 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 49.3% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 139,086 آؤٹ پٹ ٹوکنز 193,584 ریزننگ ٹوکنز 413,546 ردِعمل کا وقت (اوسط) 190.48s ردِعمل کا وقت (کل) 3238.23s ردِعمل کا وقت (زیادہ سے زیادہ) 1597.85s غلط جواب: 6 ہدایات پر عمل نہیں کیا: 3 API خرابی: 1 کوئی جواب نہیں: 1 ٹائم آؤٹ: 1 خودمختار ایجنٹ کے کام : 2.8 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 2.4 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.5 عمومی ذہانت : 5.5 ہدایات کی پیروی : 8.3 پہیلی حل کرنا : 5.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#277#277	Ember-1none	5.4	Fireworks	$0.786	22.65s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 15 اعتماد پذیری 8.8 فی کوشش کامیابی کی شرح 43.5% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 202,617 آؤٹ پٹ ٹوکنز 11,832 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 22.65s ردِعمل کا وقت (کل) 520.91s ردِعمل کا وقت (زیادہ سے زیادہ) 93.12s غلط جواب: 10 API خرابی: 5 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 5.2 کوڈنگ : 5.5 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 6.4 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.0 ہدایات کی پیروی : 6.4 پہیلی حل کرنا : 10.0 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#278#278	Hy3 previewmedium	5.3	Tencent	$0.049 ↕	16.28s
ماڈل کارڈ دیکھیں کل ٹیسٹس 21 غلط ٹیسٹس 7 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 60.9% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 27,030 آؤٹ پٹ ٹوکنز 73,544 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 16.28s ردِعمل کا وقت (کل) 293.12s ردِعمل کا وقت (زیادہ سے زیادہ) 46.04s API خرابی: 3 غلط جواب: 3 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 10.0 کوڈنگ : 5.3 مشترکہ : 5.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 5.3 عمومی ذہانت : 10.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#279#279	GPT-5.6 Lunanone	5.3	OpenAI	$0.042 ↓	3.78s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 17 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 34.8% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 230,744 آؤٹ پٹ ٹوکنز 8,000 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 3.78s ردِعمل کا وقت (کل) 86.83s ردِعمل کا وقت (زیادہ سے زیادہ) 53.77s غلط جواب: 15 اضافی فارمیٹنگ: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 3.8 مشترکہ : 3.2 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.6 عمومی ذہانت : 5.0 ہدایات کی پیروی : 7.1 پہیلی حل کرنا : 5.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#280#280	Granite 4.2 8Blow	5.3	IBM Granite	$0.036	58.20s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 16 اعتماد پذیری 9.2 فی کوشش کامیابی کی شرح 33.3% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 332,917 آؤٹ پٹ ٹوکنز 18,989 ریزننگ ٹوکنز 42,362 ردِعمل کا وقت (اوسط) 58.20s ردِعمل کا وقت (کل) 1338.65s ردِعمل کا وقت (زیادہ سے زیادہ) 566.80s غلط جواب: 11 ٹائم آؤٹ: 3 ہدایات پر عمل نہیں کیا: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 6.1 اینٹی اے آئی چالیں : 8.3 کوڈنگ : 5.5 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.0 ہدایات کی پیروی : 3.0 پہیلی حل کرنا : 3.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#281#281	Kimi K2.5none	5.3	Moonshot AI	$0.262 ↑	35.86s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 18 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 29.0% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 275,349 آؤٹ پٹ ٹوکنز 49,389 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 35.86s ردِعمل کا وقت (کل) 609.61s ردِعمل کا وقت (زیادہ سے زیادہ) 321.19s غلط جواب: 17 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 3.6 کوڈنگ : 5.5 مشترکہ : 2.8 ڈیٹا پارسنگ اور استخراج : 7.3 ڈومین مخصوص : 3.0 عمومی ذہانت : 10.0 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 3.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#282#282	Qwen3.6 Max Previewnone	5.3	Qwen	$0.228 ↓	7.82s
ماڈل کارڈ دیکھیں کل ٹیسٹس 22 غلط ٹیسٹس 11 اعتماد پذیری 9.9 فی کوشش کامیابی کی شرح 53.6% غیر مستحکم ٹیسٹ 2 ان پٹ ٹوکنز 106,348 آؤٹ پٹ ٹوکنز 19,257 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 7.82s ردِعمل کا وقت (کل) 172.04s ردِعمل کا وقت (زیادہ سے زیادہ) 102.62s غلط جواب: 11 خودمختار ایجنٹ کے کام : 0.0 اینٹی اے آئی چالیں : 5.2 کوڈنگ : 3.8 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.3 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 10.0 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#283#283	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
#284#284	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.105 ↑	8.43s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 19 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 29.0% غیر مستحکم ٹیسٹ 6 ان پٹ ٹوکنز 272,479 آؤٹ پٹ ٹوکنز 63,781 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 8.43s ردِعمل کا وقت (کل) 176.93s ردِعمل کا وقت (زیادہ سے زیادہ) 65.61s غلط جواب: 13 API خرابی: 2 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.2 اینٹی اے آئی چالیں : 3.6 کوڈنگ : 5.5 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 2.9 عمومی ذہانت : 4.4 ہدایات کی پیروی : 6.2 پہیلی حل کرنا : 3.2 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#285#285	Inkling Smalllow	5.2	Thinkingmachines	$0.055 ↓	1.99s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 14 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 47.8% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 81,447 آؤٹ پٹ ٹوکنز 2,715 ریزننگ ٹوکنز 11,971 ردِعمل کا وقت (اوسط) 1.99s ردِعمل کا وقت (کل) 45.67s ردِعمل کا وقت (زیادہ سے زیادہ) 5.82s غلط جواب: 9 ہدایات پر عمل نہیں کیا: 2 غیر معتبر ٹول کال: 2 API خرابی: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 9.2 کوڈنگ : 4.6 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 5.3 ہدایات کی پیروی : 9.9 پہیلی حل کرنا : 5.3 ٹول کالنگ : 3.0 معلومات عامہ : 3.0
#286#286	Ling 3.0 Flashnone	5.2	Inclusionai	$0.004 ↕	3.40s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 17 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 26.1% غیر مستحکم ٹیسٹ 0 ان پٹ ٹوکنز 123,993 آؤٹ پٹ ٹوکنز 12,777 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 3.40s ردِعمل کا وقت (کل) 74.77s ردِعمل کا وقت (زیادہ سے زیادہ) 17.51s غلط جواب: 13 API خرابی: 2 ہدایات پر عمل نہیں کیا: 1 غیر معتبر ٹول کال: 1 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 4.8 کوڈنگ : 5.5 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 : 5.3 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#287#287	Nemotron 3.5 Lightninghigh	5.2	NVIDIA	$0.117 ↕	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
#288#288	KAT Coder AIR V2.5high	5.2	Kwaipilot	$0.077	15.23s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 16 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 40.6% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 50,423 آؤٹ پٹ ٹوکنز 4,144 ریزننگ ٹوکنز 110,510 ردِعمل کا وقت (اوسط) 15.23s ردِعمل کا وقت (کل) 350.26s ردِعمل کا وقت (زیادہ سے زیادہ) 118.35s غلط جواب: 9 API خرابی: 4 اضافی فارمیٹنگ: 3 خودمختار ایجنٹ کے کام : 3.0 اینٹی اے آئی چالیں : 6.9 کوڈنگ : 4.3 مشترکہ : 6.5 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.0 عمومی ذہانت : 5.1 ہدایات کی پیروی : 9.8 پہیلی حل کرنا : 3.5 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#289#289	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
#290#290	MiMo-V2-Flashmedium	5.1	Xiaomi	$0.043 ↑	20.11s
ماڈل کارڈ دیکھیں کل ٹیسٹس 21 غلط ٹیسٹس 9 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 59.4% غیر مستحکم ٹیسٹ 3 ان پٹ ٹوکنز 40,111 آؤٹ پٹ ٹوکنز 12,476 ریزننگ ٹوکنز 125,039 ردِعمل کا وقت (اوسط) 20.11s ردِعمل کا وقت (کل) 301.59s ردِعمل کا وقت (زیادہ سے زیادہ) 96.01s 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 : 8.1 کوڈنگ : 6.0 مشترکہ : 4.9 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 5.9 عمومی ذہانت : 4.0 ہدایات کی پیروی : 10.0 پہیلی حل کرنا : 7.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#291#291	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
#292#292	Mistral Small 4none	5.1	Mistral	$0.047	3.12s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 18 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 24.6% غیر مستحکم ٹیسٹ 1 ان پٹ ٹوکنز 265,602 آؤٹ پٹ ٹوکنز 10,913 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 3.12s ردِعمل کا وقت (کل) 71.87s ردِعمل کا وقت (زیادہ سے زیادہ) 45.46s غلط جواب: 17 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 3.4 کوڈنگ : 3.7 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 5.3 عمومی ذہانت : 4.0 ہدایات کی پیروی : 6.5 پہیلی حل کرنا : 3.1 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#293#293	Mercury 2.5low	5.1	Inception	$0.020	3.34s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 17 اعتماد پذیری 9.8 فی کوشش کامیابی کی شرح 37.7% غیر مستحکم ٹیسٹ 5 ان پٹ ٹوکنز 326,083 آؤٹ پٹ ٹوکنز 7,224 ریزننگ ٹوکنز 33,078 ردِعمل کا وقت (اوسط) 3.34s ردِعمل کا وقت (کل) 76.80s ردِعمل کا وقت (زیادہ سے زیادہ) 47.06s غلط جواب: 14 API خرابی: 1 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 5.0 اینٹی اے آئی چالیں : 6.9 کوڈنگ : 5.5 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 6.5 ڈومین مخصوص : 3.6 عمومی ذہانت : 4.4 ہدایات کی پیروی : 2.9 پہیلی حل کرنا : 5.9 ٹول کالنگ : 9.8 معلومات عامہ : 3.0
#294#294	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
#295#295	MiMo-V2.5-Pronone	5.1	Xiaomi	$0.135 ↓	6.21s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 18 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 31.9% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 273,075 آؤٹ پٹ ٹوکنز 17,069 ریزننگ ٹوکنز 0 ردِعمل کا وقت (اوسط) 6.21s ردِعمل کا وقت (کل) 142.89s ردِعمل کا وقت (زیادہ سے زیادہ) 53.13s غلط جواب: 12 ہدایات پر عمل نہیں کیا: 4 غیر معتبر ٹول کال: 1 کوئی جواب نہیں: 1 خودمختار ایجنٹ کے کام : 3.9 اینٹی اے آئی چالیں : 3.3 کوڈنگ : 4.3 مشترکہ : 3.0 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.0 ہدایات کی پیروی : 6.4 پہیلی حل کرنا : 6.7 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#296#296	Laguna S 2.1medium	5.0	Poolside	$0.092 ↑	63.06s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 19 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 24.6% غیر مستحکم ٹیسٹ 4 ان پٹ ٹوکنز 230,291 آؤٹ پٹ ٹوکنز 99,030 ریزننگ ٹوکنز 287,794 ردِعمل کا وقت (اوسط) 63.06s ردِعمل کا وقت (کل) 1450.31s ردِعمل کا وقت (زیادہ سے زیادہ) 560.31s غلط جواب: 14 غیر معتبر ٹول کال: 2 کوئی جواب نہیں: 2 ہدایات پر عمل نہیں کیا: 1 خودمختار ایجنٹ کے کام : 3.4 اینٹی اے آئی چالیں : 3.4 کوڈنگ : 5.3 مشترکہ : 3.2 ڈیٹا پارسنگ اور استخراج : 10.0 ڈومین مخصوص : 3.0 عمومی ذہانت : 4.6 ہدایات کی پیروی : 4.2 پہیلی حل کرنا : 3.1 ٹول کالنگ : 10.0 معلومات عامہ : 3.0
#297#297	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
#298#298	MiniMax M2.7medium	5.0	Minimax	$0.326 ↑	50.32s
ماڈل کارڈ دیکھیں کل ٹیسٹس 23 غلط ٹیسٹس 18 اعتماد پذیری 10.0 فی کوشش کامیابی کی شرح 44.9% غیر مستحکم ٹیسٹ 10 ان پٹ ٹوکنز 277,130 آؤٹ پٹ ٹوکنز 45,188 ریزننگ ٹوکنز 129,163 ردِعمل کا وقت (اوسط) 50.32s ردِعمل کا وقت (کل) 1107.03s ردِعمل کا وقت (زیادہ سے زیادہ) 198.82s غلط جواب: 6 ہدایات پر عمل نہیں کیا: 5 غیر معتبر ٹول کال: 2 کوئی جواب نہیں: 2 ٹائم آؤٹ: 2 API خرابی: 1 خودمختار ایجنٹ کے کام : 4.7 اینٹی اے آئی چالیں : 7.9 کوڈنگ : 5.7 مشترکہ : 3.8 ڈیٹا پارسنگ اور استخراج : 6.3 ڈومین مخصوص : 3.0 عمومی ذہانت : 3.9 ہدایات کی پیروی : 3.8 پہیلی حل کرنا : 5.9 ٹول کالنگ : 4.7 معلومات عامہ : 3.0
#299#299	Dots 3 Note Previewnone	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
#300#300	GPT-4o-mininone	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

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