AI Benchy 排行榜

Name: AI BENCHY 模型基准结果
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-08-15 已评估模型: 287

287/287

排名	模型	分数	公司	总成本	响应时间（平均）
#17#17	Qwen3.7 Maxmedium	9.1	Qwen	$1.157 ↓	44.32s
查看模型卡片总测试数 22 错误测试数 5 可靠性 10.0 尝试通过率 86.4% 不稳定测试 3 输入令牌 106,029 输出令牌 5,748 推理令牌 220,354 响应时间（平均） 44.32s 响应时间（总计） 975.11s 响应时间（最大） 556.06s 答案错误: 4 无效工具调用: 1 反AI技巧 : 10.0 编程 : 10.0 综合 : 8.7 数据解析与提取 : 10.0 领域专项 : 4.1 通用智能 : 10.0 指令遵循 : 10.0 谜题求解 : 10.0 工具调用 : 10.0 常识问答 : 3.0
#16#16	Seed 2.1 Turbolow	9.1	Bytedance Seed	$1.546	163.90s
查看模型卡片总测试数 22 错误测试数 5 可靠性 10.0 尝试通过率 80.3% 不稳定测试 2 输入令牌 104,464 输出令牌 6,844 推理令牌 590,392 响应时间（平均） 163.90s 响应时间（总计） 3605.87s 响应时间（最大） 739.98s 答案错误: 3 无答案: 2 反AI技巧 : 8.2 编程 : 10.0 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 2.9 通用智能 : 10.0 指令遵循 : 9.8 谜题求解 : 10.0 工具调用 : 10.0 常识问答 : 3.0
#15#15	Claude Opus 5medium	9.2	Anthropic	$1.586	10.26s
查看模型卡片总测试数 22 错误测试数 4 可靠性 10.0 尝试通过率 83.3% 不稳定测试 1 输入令牌 135,604 输出令牌 23,814 推理令牌 12,804 响应时间（平均） 10.26s 响应时间（总计） 225.66s 响应时间（最大） 35.43s 答案错误: 3 无答案: 1 反AI技巧 : 10.0 编程 : 10.0 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 2.9 通用智能 : 10.0 指令遵循 : 10.0 谜题求解 : 10.0 工具调用 : 10.0 常识问答 : 3.0
#14#14	Claude Opus 5high	9.2	Anthropic	$3.070	22.51s
查看模型卡片总测试数 22 错误测试数 4 可靠性 10.0 尝试通过率 81.8% 不稳定测试 0 输入令牌 135,956 输出令牌 64,624 推理令牌 30,959 响应时间（平均） 22.51s 响应时间（总计） 495.12s 响应时间（最大） 159.01s 答案错误: 2 额外格式: 1 无答案: 1 反AI技巧 : 10.0 编程 : 10.0 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 3.0 通用智能 : 10.0 指令遵循 : 10.0 谜题求解 : 10.0 工具调用 : 10.0 常识问答 : 3.0
#13#13	Gemini 3.7 Flashlow	9.2	Google	$0.104	3.85s
查看模型卡片总测试数 22 错误测试数 2 可靠性 10.0 尝试通过率 95.5% 不稳定测试 2 输入令牌 90,322 输出令牌 6,294 推理令牌 30,759 响应时间（平均） 3.85s 响应时间（总计） 84.80s 响应时间（最大） 19.44s 答案错误: 2 反AI技巧 : 10.0 编程 : 7.6 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 8.2 通用智能 : 10.0 指令遵循 : 10.0 谜题求解 : 10.0 工具调用 : 10.0 常识问答 : 10.0
#12#12	Gemini 3.1 Pro Previewmedium	9.2	Google	$1.352	20.62s
查看模型卡片总测试数 22 错误测试数 2 可靠性 10.0 尝试通过率 90.9% 不稳定测试 0 输入令牌 92,296 输出令牌 5,232 推理令牌 92,006 响应时间（平均） 20.62s 响应时间（总计） 329.94s 响应时间（最大） 88.68s 答案错误: 2 反AI技巧 : 10.0 编程 : 7.9 综合 : 9.8 数据解析与提取 : 10.0 领域专项 : 7.7 通用智能 : 10.0 指令遵循 : 10.0 谜题求解 : 10.0 工具调用 : 10.0 常识问答 : 10.0
#11#11	Grok 4.6high	9.3	X AI	$1.908	84.15s
查看模型卡片总测试数 22 错误测试数 3 可靠性 10.0 尝试通过率 86.4% 不稳定测试 0 输入令牌 107,275 输出令牌 5,094 推理令牌 277,123 响应时间（平均） 84.15s 响应时间（总计） 1851.26s 响应时间（最大） 618.49s 答案错误: 2 无答案: 1 反AI技巧 : 10.0 编程 : 10.0 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 5.3 通用智能 : 10.0 指令遵循 : 9.8 谜题求解 : 10.0 工具调用 : 10.0 常识问答 : 3.0
#10#10	GPT-5.5low	9.3	OpenAI	$1.257	10.15s
查看模型卡片总测试数 22 错误测试数 3 可靠性 10.0 尝试通过率 86.4% 不稳定测试 0 输入令牌 80,067 输出令牌 5,378 推理令牌 23,162 响应时间（平均） 10.15s 响应时间（总计） 223.24s 响应时间（最大） 56.19s 答案错误: 3 反AI技巧 : 10.0 编程 : 10.0 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 5.3 通用智能 : 10.0 指令遵循 : 9.9 谜题求解 : 10.0 工具调用 : 10.0 常识问答 : 3.0
#9#9	GPT-5.6 Solhigh	9.4	OpenAI	$1.258	11.48s
查看模型卡片总测试数 22 错误测试数 4 可靠性 10.0 尝试通过率 89.4% 不稳定测试 3 输入令牌 79,258 输出令牌 4,855 推理令牌 23,853 响应时间（平均） 11.48s 响应时间（总计） 252.62s 响应时间（最大） 54.79s 答案错误: 4 反AI技巧 : 8.7 编程 : 10.0 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 5.3 通用智能 : 10.0 指令遵循 : 10.0 谜题求解 : 10.0 工具调用 : 10.0 常识问答 : 4.7
#8#8	GPT-5.6 Solmedium	9.4	OpenAI	$1.445	12.63s
查看模型卡片总测试数 22 错误测试数 4 可靠性 10.0 尝试通过率 90.9% 不稳定测试 3 输入令牌 79,006 输出令牌 4,696 推理令牌 30,281 响应时间（平均） 12.63s 响应时间（总计） 277.88s 响应时间（最大） 79.40s 答案错误: 4 反AI技巧 : 10.0 编程 : 10.0 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 5.9 通用智能 : 10.0 指令遵循 : 10.0 谜题求解 : 8.2 工具调用 : 10.0 常识问答 : 4.7
#7#7	Gemini 3.7 Flashmedium	9.4	Google	$0.155	5.87s
查看模型卡片总测试数 22 错误测试数 2 可靠性 10.0 尝试通过率 93.9% 不稳定测试 1 输入令牌 89,055 输出令牌 5,697 推理令牌 58,880 响应时间（平均） 5.87s 响应时间（总计） 129.20s 响应时间（最大） 30.23s 答案错误: 2 反AI技巧 : 10.0 编程 : 8.4 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 7.7 通用智能 : 10.0 指令遵循 : 10.0 谜题求解 : 10.0 工具调用 : 10.0 常识问答 : 10.0
#6#6	Gemini 3.5 Flashhigh	9.4	Google	$2.011	15.46s
查看模型卡片总测试数 22 错误测试数 3 可靠性 10.0 尝试通过率 89.4% 不稳定测试 2 输入令牌 107,146 输出令牌 8,777 推理令牌 196,705 响应时间（平均） 15.46s 响应时间（总计） 340.20s 响应时间（最大） 145.92s 答案错误: 2 无效工具调用: 1 反AI技巧 : 10.0 编程 : 10.0 综合 : 8.2 数据解析与提取 : 10.0 领域专项 : 5.3 通用智能 : 10.0 指令遵循 : 10.0 谜题求解 : 10.0 工具调用 : 9.8 常识问答 : 10.0
#5#5	Gemini 3 Flash Previewmedium	9.5	Google	$0.763	19.86s
查看模型卡片总测试数 22 错误测试数 2 可靠性 10.0 尝试通过率 93.9% 不稳定测试 1 输入令牌 87,870 输出令牌 5,486 推理令牌 234,122 响应时间（平均） 19.86s 响应时间（总计） 436.88s 响应时间（最大） 117.26s 答案错误: 2 反AI技巧 : 10.0 编程 : 8.6 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 7.7 通用智能 : 10.0 指令遵循 : 10.0 谜题求解 : 10.0 工具调用 : 10.0 常识问答 : 10.0
#4#4	GPT-5.6 Sollow	9.5	OpenAI	$0.992	9.04s
查看模型卡片总测试数 22 错误测试数 4 可靠性 10.0 尝试通过率 86.4% 不稳定测试 2 输入令牌 78,580 输出令牌 4,476 推理令牌 15,470 响应时间（平均） 9.04s 响应时间（总计） 198.97s 响应时间（最大） 53.91s 答案错误: 4 反AI技巧 : 8.3 编程 : 10.0 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 5.3 通用智能 : 10.0 指令遵循 : 10.0 谜题求解 : 8.2 工具调用 : 10.0 常识问答 : 10.0
#2🥈 #2	Gemini 3.7 Flashhigh	9.8	Google	$0.323	12.22s
查看模型卡片总测试数 22 错误测试数 2 可靠性 10.0 尝试通过率 95.5% 不稳定测试 2 输入令牌 86,712 输出令牌 6,017 推理令牌 148,829 响应时间（平均） 12.22s 响应时间（总计） 268.78s 响应时间（最大） 91.63s 答案错误: 2 反AI技巧 : 10.0 编程 : 10.0 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 5.8 通用智能 : 10.0 指令遵循 : 10.0 谜题求解 : 10.0 工具调用 : 10.0 常识问答 : 10.0
#3🥉 #3	Gemini 3.6 Flashmedium	9.8	Google	$0.427 ↓	11.86s
查看模型卡片总测试数 22 错误测试数 2 可靠性 10.0 尝试通过率 95.5% 不稳定测试 2 输入令牌 64,446 输出令牌 1,974 推理令牌 98,902 响应时间（平均） 11.86s 响应时间（总计） 260.96s 响应时间（最大） 77.15s 答案错误: 2 反AI技巧 : 10.0 编程 : 10.0 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 5.8 通用智能 : 10.0 指令遵循 : 10.0 谜题求解 : 10.0 工具调用 : 10.0 常识问答 : 10.0
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.699 ↓	16.81s
查看模型卡片总测试数 22 错误测试数 1 可靠性 10.0 尝试通过率 98.5% 不稳定测试 1 输入令牌 71,470 输出令牌 3,276 推理令牌 168,709 响应时间（平均） 16.81s 响应时间（总计） 369.88s 响应时间（最大） 104.15s 答案错误: 1 反AI技巧 : 10.0 编程 : 10.0 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 8.2 通用智能 : 10.0 指令遵循 : 10.0 谜题求解 : 10.0 工具调用 : 10.0 常识问答 : 10.0

←

1 9 10

快速对比

Gemini 3.6 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow

AI Benchy 排行榜

推荐模型

筛选模型

快速对比