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）
#12#12	Gemini 3 Flash Previewlow	8.6	Google	$0.106	5.81s
查看模型卡片总测试数 20 错误测试数 4 可靠性 10.0 尝试通过率 81.7% 不稳定测试 1 输入令牌 33,766 输出令牌 2,070 推理令牌 27,348 响应时间（平均） 5.81s 响应时间（总计） 116.25s 响应时间（最大） 14.72s 答案错误: 4 反AI技巧 : 10.0 编程 : 7.3 综合 : 3.0 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 : 10.0
#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
#9#9	Claude Opus 4.7none	8.9	Anthropic	$0.505	3.02s
查看模型卡片总测试数 19 错误测试数 3 可靠性 10.0 尝试通过率 84.2% 不稳定测试 0 输入令牌 69,576 输出令牌 6,265 推理令牌 0 响应时间（平均） 3.02s 响应时间（总计） 57.44s 响应时间（最大） 18.27s 答案错误: 3 反AI技巧 : 8.3 编程 : 10.0 综合 : 9.5 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 : 3.0
#5#5	Qwen3.7 Maxmedium	9.0	Qwen	$0.471 ↓	13.83s
查看模型卡片总测试数 20 错误测试数 3 可靠性 10.0 尝试通过率 88.3% 不稳定测试 1 输入令牌 39,525 输出令牌 2,109 推理令牌 110,285 响应时间（平均） 13.83s 响应时间（总计） 276.53s 响应时间（最大） 33.37s 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 : 5.9 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
#6#6	Gemini 3.5 Flashmedium	9.0	Google	$0.472	4.29s
查看模型卡片总测试数 20 错误测试数 3 可靠性 10.0 尝试通过率 86.7% 不稳定测试 1 输入令牌 33,933 输出令牌 1,995 推理令牌 44,792 响应时间（平均） 4.29s 响应时间（总计） 85.72s 响应时间（最大） 12.05s 答案错误: 2 未遵循指令: 1 反AI技巧 : 10.0 编程 : 6.8 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 : 9.9 谜题求解 : 7.7 工具调用 : 10.0 常识问答 : 10.0
#7#7	Claude Opus 4.7medium	8.9	Anthropic	$0.624	4.48s
查看模型卡片总测试数 20 错误测试数 3 可靠性 10.0 尝试通过率 85.0% 不稳定测试 0 输入令牌 61,569 输出令牌 10,439 推理令牌 2,198 响应时间（平均） 4.48s 响应时间（总计） 85.21s 响应时间（最大） 23.18s 答案错误: 2 超时: 1 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 : 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 : 3.0
#8#8	GPT-5.5low	8.9	OpenAI	$0.822	9.43s
查看模型卡片总测试数 20 错误测试数 3 可靠性 10.0 尝试通过率 85.0% 不稳定测试 0 输入令牌 31,590 输出令牌 2,025 推理令牌 20,092 响应时间（平均） 9.43s 响应时间（总计） 188.66s 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
#3🥉 #3	Gemini 3.5 Flashlow	9.3	Google	$0.285	2.98s
查看模型卡片总测试数 20 错误测试数 2 可靠性 10.0 尝试通过率 90.0% 不稳定测试 0 输入令牌 33,935 输出令牌 2,027 推理令牌 23,938 响应时间（平均） 2.98s 响应时间（总计） 59.59s 响应时间（最大） 6.44s 答案错误: 2 反AI技巧 : 10.0 编程 : 6.8 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 : 9.9 谜题求解 : 10.0 工具调用 : 10.0 常识问答 : 10.0
#4#4	Gemini 3.1 Pro Previewmedium	9.3	Google	$1.006	20.77s
查看模型卡片总测试数 20 错误测试数 2 可靠性 10.0 尝试通过率 90.0% 不稳定测试 0 输入令牌 38,614 输出令牌 1,971 推理令牌 75,384 响应时间（平均） 20.77s 响应时间（总计） 269.96s 响应时间（最大） 88.68s 答案错误: 2 反AI技巧 : 10.0 编程 : 7.0 综合 : 9.5 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
#1🥇 #1	Gemini 3 Flash Previewmedium	9.8	Google	$0.567	16.50s
查看模型卡片总测试数 20 错误测试数 1 可靠性 10.0 尝试通过率 98.3% 不稳定测试 1 输入令牌 34,014 输出令牌 2,000 推理令牌 181,033 响应时间（平均） 16.50s 响应时间（总计） 330.06s 响应时间（最大） 117.26s 答案错误: 1 反AI技巧 : 10.0 编程 : 7.9 综合 : 10.0 数据解析与提取 : 10.0 领域专项 : 10.0 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 : 10.0
#2🥈 #2	Gemini 3.5 Flashhigh	9.6	Google	$0.994	8.30s
查看模型卡片总测试数 20 错误测试数 1 可靠性 10.0 尝试通过率 96.7% 不稳定测试 1 输入令牌 34,591 输出令牌 1,969 推理令牌 102,679 响应时间（平均） 8.30s 响应时间（总计） 165.92s 响应时间（最大） 34.82s 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 : 7.6 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

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