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）
#150#150	MiMo-V2-Flashnone	4.7	Xiaomi	$0.025 ↑	2.70s
查看模型卡片总测试数 20 错误测试数 16 可靠性 10.0 尝试通过率 26.7% 不稳定测试 4 输入令牌 34,208 输出令牌 68,873 推理令牌 0 响应时间（平均） 2.70s 响应时间（总计） 43.15s 响应时间（最大） 19.68s 答案错误: 12 未遵循指令: 2 API 错误: 1 额外格式: 1 反AI技巧 : 3.2 编程 : 4.9 综合 : 3.0 数据解析与提取 : 2.9 领域专项 : 5.3 通用智能 : 4.6 指令遵循 : 6.5 谜题求解 : 5.3 工具调用 : 10.0 常识问答 : 3.0
#151#151	Qwen3.6 35B A3Bnone	4.7	Qwen	$0.031 ↑	3.84s
查看模型卡片总测试数 20 错误测试数 16 可靠性 10.0 尝试通过率 31.7% 不稳定测试 5 输入令牌 16,488 输出令牌 27,747 推理令牌 0 响应时间（平均） 3.84s 响应时间（总计） 69.12s 响应时间（最大） 22.52s 答案错误: 12 API 错误: 2 未遵循指令: 2 反AI技巧 : 3.6 编程 : 6.8 综合 : 3.0 数据解析与提取 : 10.0 领域专项 : 3.5 通用智能 : 4.4 指令遵循 : 6.2 谜题求解 : 3.2 工具调用 : 3.0 常识问答 : 3.0
#153#153	Mercury 2none	4.6	Inception	$0.009	614ms
查看模型卡片总测试数 20 错误测试数 16 可靠性 10.0 尝试通过率 25.0% 不稳定测试 2 输入令牌 25,515 输出令牌 3,001 推理令牌 0 响应时间（平均） 614ms 响应时间（总计） 12.28s 响应时间（最大） 1.27s 答案错误: 15 未遵循指令: 1 反AI技巧 : 3.0 编程 : 3.5 综合 : 3.0 数据解析与提取 : 7.3 领域专项 : 5.3 通用智能 : 4.8 指令遵循 : 6.5 谜题求解 : 3.1 工具调用 : 10.0 常识问答 : 3.0
#154#154	Hy3 previewnone	4.5	Tencent	$0.003	12.92s
查看模型卡片总测试数 20 错误测试数 16 可靠性 10.0 尝试通过率 25.0% 不稳定测试 2 输入令牌 27,172 输出令牌 2,661 推理令牌 0 响应时间（平均） 12.92s 响应时间（总计） 232.64s 响应时间（最大） 35.84s 答案错误: 8 未遵循指令: 4 API 错误: 3 额外格式: 1 反AI技巧 : 4.8 编程 : 2.7 综合 : 3.0 数据解析与提取 : 6.5 领域专项 : 3.6 通用智能 : 4.1 指令遵循 : 6.3 谜题求解 : 3.1 工具调用 : 10.0 常识问答 : 3.0
#155#155	GLM 4.7 Flashmedium	4.5	Z.ai	$0.054	35.10s
查看模型卡片总测试数 20 错误测试数 16 可靠性 10.0 尝试通过率 35.0% 不稳定测试 8 输入令牌 37,206 输出令牌 43,754 推理令牌 89,079 响应时间（平均） 35.10s 响应时间（总计） 456.24s 响应时间（最大） 174.55s 答案错误: 9 无答案: 3 未遵循指令: 2 无效工具调用: 1 超时: 1 反AI技巧 : 4.7 编程 : 3.4 综合 : 2.8 数据解析与提取 : 6.3 领域专项 : 3.5 通用智能 : 3.6 指令遵循 : 6.2 谜题求解 : 2.9 工具调用 : 10.0 常识问答 : 3.0
#156#156	Grok 4.1 Fastnone	4.4	X AI	$0.008 ↓	1.62s
查看模型卡片总测试数 19 错误测试数 16 可靠性 10.0 尝试通过率 22.8% 不稳定测试 3 输入令牌 36,608 输出令牌 1,723 推理令牌 0 响应时间（平均） 1.62s 响应时间（总计） 19.48s 响应时间（最大） 5.51s 答案错误: 13 未遵循指令: 3 反AI技巧 : 3.2 编程 : 5.3 综合 : 3.0 数据解析与提取 : 10.0 领域专项 : 5.9 通用智能 : 4.4 指令遵循 : 3.0 谜题求解 : 3.0 工具调用 : 2.8 常识问答 : 3.0
#157#157	Ling-2.6-1Tnone	4.3	Inclusionai	$0.005	7.72s
查看模型卡片总测试数 20 错误测试数 17 可靠性不适用尝试通过率 15.0% 不稳定测试 0 输入令牌 34,905 输出令牌 2,434 推理令牌 0 响应时间（平均） 7.72s 响应时间（总计） 139.00s 响应时间（最大） 25.72s 答案错误: 12 API 错误: 2 未遵循指令: 2 无效工具调用: 1 反AI技巧 : 3.4 编程 : 4.2 综合 : 3.0 数据解析与提取 : 10.0 领域专项 : 3.0 通用智能 : 5.0 指令遵循 : 6.4 谜题求解 : 3.1 工具调用 : 3.0 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
#159#159	LFM2-24B-A2Bnone	4.2	Liquid	$0.001	782ms
查看模型卡片总测试数 16 错误测试数 14 可靠性不适用尝试通过率 16.7% 不稳定测试 1 输入令牌 10,771 输出令牌 1,173 推理令牌 0 响应时间（平均） 782ms 响应时间（总计） 10.94s 响应时间（最大） 3.15s 答案错误: 9 API 错误: 4 未遵循指令: 1 反AI技巧 : 3.3 综合 : 3.0 数据解析与提取 : 3.0 领域专项 : 5.9 通用智能 : 4.0 指令遵循 : 6.3 谜题求解 : 3.8 工具调用 : 3.0
#160#160	Nemotron 3 Nano Omni 30b A3b Reasoningnone	4.1	NVIDIA	$0.000	728ms
查看模型卡片总测试数 19 错误测试数 17 可靠性 10.0 尝试通过率 17.5% 不稳定测试 2 输入令牌 11,661 输出令牌 1,302 推理令牌 0 响应时间（平均） 728ms 响应时间（总计） 9.47s 响应时间（最大） 2.21s 答案错误: 9 API 错误: 6 未遵循指令: 2 反AI技巧 : 4.8 编程 : 10.0 综合 : 3.0 数据解析与提取 : 3.8 领域专项 : 3.6 通用智能 : 3.0 指令遵循 : 4.8 谜题求解 : 3.0 工具调用 : 3.0 常识问答 : 3.0
#161#161	Granite 4.1 8Bnone	4.1	IBM Granite	$0.003	719ms
查看模型卡片总测试数 20 错误测试数 18 可靠性 10.0 尝试通过率 10.0% 不稳定测试 0 输入令牌 43,135 输出令牌 2,743 推理令牌 0 响应时间（平均） 719ms 响应时间（总计） 14.37s 响应时间（最大） 2.17s 答案错误: 13 未遵循指令: 4 无效工具调用: 1 反AI技巧 : 4.9 编程 : 5.2 综合 : 3.0 数据解析与提取 : 3.0 领域专项 : 3.0 通用智能 : 4.0 指令遵循 : 3.6 谜题求解 : 3.2 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