AI BENCHY

AI 基准排行榜

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：: 2026-06-03 已评估模型: 161

161/161

排名	模型	分数	公司	总成本	响应时间（平均）
#24#24	Qwen3.5-27Bmedium	7.9	Qwen	$0.488 ↓	60.09s
查看模型卡片总测试数 20 错误测试数 7 可靠性 10.0 尝试通过率 73.3% 不稳定测试 3 输入令牌 39,329 输出令牌 2,569 推理令牌 304,894 响应时间（平均） 60.09s 响应时间（总计） 1201.89s 响应时间（最大） 177.36s 答案错误: 3 未遵循指令: 2 额外格式: 1 超时: 1 反AI技巧 : 8.7 编程 : 7.0 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 5.3 通用智能 : 6.1 指令遵循 : 10.0 谜题求解 : 8.2 工具调用 : 10.0 常识问答 : 3.0
#74#74	Ring-2.6-1Tmedium	7.0	Inclusionai	$0.033	61.29s
查看模型卡片总测试数 20 错误测试数 9 可靠性 10.0 尝试通过率 63.3% 不稳定测试 3 输入令牌 35,892 输出令牌 21,752 推理令牌 42,754 响应时间（平均） 61.29s 响应时间（总计） 1164.50s 响应时间（最大） 304.19s 答案错误: 6 未遵循指令: 2 API 错误: 1 反AI技巧 : 10.0 编程 : 6.5 综合 : 10.0 数据解析与提取 : 6.5 领域专项 : 3.5 通用智能 : 4.1 指令遵循 : 9.8 谜题求解 : 5.9 工具调用 : 10.0 常识问答 : 3.0
#61#61	Gemini 3.1 Flash Litehigh	7.3	Google	$2.044	61.96s
查看模型卡片总测试数 18 错误测试数 8 可靠性 10.0 尝试通过率 68.5% 不稳定测试 4 输入令牌 29,134 输出令牌 1,984 推理令牌 1,355,583 响应时间（平均） 61.96s 响应时间（总计） 1115.31s 响应时间（最大） 149.23s 答案错误: 4 未遵循指令: 3 无答案: 1 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 : 3.6 通用智能 : 5.0 指令遵循 : 7.3 谜题求解 : 5.7 工具调用 : 10.0
#45#45	Qwen3.5-Flashmedium	7.6	Qwen	$0.074 ↓	63.04s
查看模型卡片总测试数 20 错误测试数 8 可靠性 10.0 尝试通过率 75.0% 不稳定测试 5 输入令牌 37,036 输出令牌 2,074 推理令牌 272,063 响应时间（平均） 63.04s 响应时间（总计） 1197.71s 响应时间（最大） 234.29s 超时: 3 答案错误: 3 API 错误: 1 未遵循指令: 1 反AI技巧 : 10.0 编程 : 4.1 综合 : 10.0 数据解析与提取 : 7.3 领域专项 : 5.3 通用智能 : 6.1 指令遵循 : 10.0 谜题求解 : 8.2 工具调用 : 10.0 常识问答 : 3.0
#19#19	Qwen3.5 Plus 2026-02-15medium	8.1	Qwen	$0.283 ↓	67.58s
查看模型卡片总测试数 20 错误测试数 6 可靠性 10.0 尝试通过率 76.7% 不稳定测试 3 输入令牌 39,028 输出令牌 2,145 推理令牌 172,563 响应时间（平均） 67.58s 响应时间（总计） 878.57s 响应时间（最大） 266.69s 答案错误: 4 超时: 2 反AI技巧 : 8.2 编程 : 7.6 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 5.3 通用智能 : 4.7 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 3.1 Flash Lite Previewhigh	8.6	Google	$2.310	68.14s
查看模型卡片总测试数 16 错误测试数 3 可靠性不适用尝试通过率 81.3% 不稳定测试 0 输入令牌 28,980 输出令牌 1,283 推理令牌 1,533,310 响应时间（平均） 68.14s 响应时间（总计） 1090.28s 响应时间（最大） 280.52s 答案错误: 2 未遵循指令: 1 反AI技巧 : 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 : 7.7 工具调用 : 10.0
#67#67	MiniMax M3medium	7.2	Minimax	$0.120	68.44s
查看模型卡片总测试数 20 错误测试数 9 可靠性 9.6 尝试通过率 65.0% 不稳定测试 4 输入令牌 43,447 输出令牌 46,884 推理令牌 85,935 响应时间（平均） 68.44s 响应时间（总计） 1300.32s 响应时间（最大） 431.03s 超时: 3 答案错误: 3 未遵循指令: 2 无答案: 1 反AI技巧 : 5.5 编程 : 6.8 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 5.5 通用智能 : 5.1 指令遵循 : 9.8 谜题求解 : 7.9 工具调用 : 10.0 常识问答 : 3.0
#63#63	Qwen3.5-35B-A3Bmedium	7.3	Qwen	$0.368 ↓	69.66s
查看模型卡片总测试数 20 错误测试数 9 可靠性 10.0 尝试通过率 73.3% 不稳定测试 6 输入令牌 40,306 输出令牌 31,242 推理令牌 330,546 响应时间（平均） 69.66s 响应时间（总计） 1393.17s 响应时间（最大） 409.98s 超时: 4 无答案: 2 答案错误: 2 API 错误: 1 反AI技巧 : 10.0 编程 : 6.5 综合 : 4.7 数据解析与提取 : 7.3 领域专项 : 4.1 通用智能 : 2.8 指令遵循 : 10.0 谜题求解 : 8.2 工具调用 : 10.0 常识问答 : 3.0
#71#71	Seed-2.0-Minimedium	7.1	Bytedance Seed	$0.044	80.22s
查看模型卡片总测试数 20 错误测试数 9 可靠性 10.0 尝试通过率 60.0% 不稳定测试 2 输入令牌 41,904 输出令牌 2,555 推理令牌 95,974 响应时间（平均） 80.22s 响应时间（总计） 1363.72s 响应时间（最大） 262.83s 超时: 4 答案错误: 4 未遵循指令: 1 反AI技巧 : 6.6 编程 : 6.8 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 3.0 通用智能 : 5.1 指令遵循 : 10.0 谜题求解 : 8.2 工具调用 : 10.0 常识问答 : 3.0
#158#158	Qwen3.5-9Bmedium	4.2	Qwen	$0.033 ↓	83.32s
查看模型卡片总测试数 20 错误测试数 17 可靠性 5.0 尝试通过率 28.3% 不稳定测试 5 输入令牌 15,204 输出令牌 27,305 推理令牌 199,780 响应时间（平均） 83.32s 响应时间（总计） 1249.74s 响应时间（最大） 226.38s 超时: 11 答案错误: 2 API 错误: 1 额外格式: 1 未遵循指令: 1 无答案: 1 反AI技巧 : 5.1 编程 : 2.8 综合 : 3.0 数据解析与提取 : 3.6 领域专项 : 3.6 通用智能 : 2.8 指令遵循 : 6.5 谜题求解 : 3.0 工具调用 : 10.0 常识问答 : 3.0
#81#81	Kimi K2.5medium	6.7	Moonshot AI	$0.272 ↓	89.02s
查看模型卡片总测试数 20 错误测试数 11 可靠性 10.0 尝试通过率 66.7% 不稳定测试 8 输入令牌 31,717 输出令牌 48,374 推理令牌 128,473 响应时间（平均） 89.02s 响应时间（总计） 1157.32s 响应时间（最大） 281.00s 答案错误: 5 未遵循指令: 2 无答案: 2 超时: 2 反AI技巧 : 7.3 编程 : 4.1 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 3.5 通用智能 : 6.5 指令遵循 : 10.0 谜题求解 : 5.3 工具调用 : 10.0 常识问答 : 3.0

快速对比

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

AI 基准排行榜

筛选模型

快速对比